ความเสียหายต่อสภาพอากาศที่เกิดจากการปล่อยก๊าซเรือนกระจกมีมากกว่าที่เห็นได้ชัดและ เพื่อช่วยเหลือชุมชนการวิจัย เพื่อทำความเข้าใจถึงการมีส่วนร่วมของปัญญาประดิษฐ์ต่อการเปลี่ยนแปลงสภาพภูมิอากาศ และปรับใช้กระบวนทัศน์การวิจัยใหม่ที่ช่วยลดการปล่อย กลุ่มนักวิจัย AI และนักวิทยาศาสตร์ข้อมูลระหว่างประเทศได้รับการปฏิบัติเพื่อวัดประสิทธิภาพที่สำคัญได้ร่วมมือกันออกแบบซอฟต์แวร์ที่สามารถประเมินการปล่อยก๊าซคาร์บอนไดออกไซด์ของการดำเนินงานด้านไอที
รหัสคาร์บอน เป็นซอฟต์แวร์โอเพนซอร์ส ออกแบบมาเพื่อช่วย บริษัท ต่างๆในการตรวจสอบรอยเท้าคาร์บอนของ AI
Comet ผู้ให้บริการโซลูชัน MLOps ได้ร่วมมือกับกลุ่ม บริษัท AI และวิทยาศาสตร์ข้อมูลจากทั่วโลก: MILA ห้องปฏิบัติการวิจัย AI ที่นำโดย Yoshua Bengio ในมอนทรีออล BCG GAMMA แผนกการวิเคราะห์และวิทยาศาสตร์ข้อมูลจากบอสตัน Consulting Group และ Haverford College ในเพนซิลเวเนียเพื่อสร้างซอฟต์แวร์โอเพนซอร์ส
เกี่ยวกับ CodeCarbon
CodeCarbon เป็นซอฟต์แวร์ ตามหลาม นี้ จะช่วยให้โปรแกรมเมอร์สามารถทำให้โค้ดมีประสิทธิภาพมากขึ้นและลดปริมาณ CO2 ที่สร้างขึ้น สำหรับการใช้ทรัพยากรคอมพิวเตอร์และจะกระตุ้นให้พวกเขาทำเช่นนั้น
ซอฟต์แวร์ ไม่เพียง แต่ประมาณปริมาณ CO2 ที่ผลิตเท่านั้น โดยการใช้ทรัพยากรไอที นอกจากนี้ยังให้คำแนะนำแก่นักพัฒนาเกี่ยวกับวิธีลดการปล่อย การเลือกโครงสร้างพื้นฐานระบบคลาวด์ของคุณในภูมิภาคที่ใช้แหล่งพลังงานต่ำ
Yoshua Bengio ผู้ก่อตั้ง MILA และผู้ได้รับรางวัล Turing Prize กล่าวว่า:
“ AI เป็นเทคโนโลยีที่ทรงพลังและเป็นพลังแห่งความดี แต่สิ่งสำคัญคือต้องตระหนักถึงผลกระทบต่อสิ่งแวดล้อมที่เพิ่มมากขึ้น โครงการ CodeCarbon มีจุดมุ่งหมายอย่างแม่นยำเพื่อบรรลุเป้าหมายนี้และฉันหวังว่ามันจะสร้างแรงบันดาลใจให้ชุมชน AI ในการคำนวณเปิดเผยและลดการปล่อยก๊าซคาร์บอนไดออกไซด์”
Sylvain Duranton กรรมการผู้จัดการและหุ้นส่วนอาวุโสของ Boston Consulting Group (BCG) และ Global Director ของ BCG GAMMA กล่าวว่า:
“ จากประวัติที่ผ่านมาการใช้ไอทีโดยทั่วไปและโดยเฉพาะ AI จะยังคงเติบโตอย่างทวีคูณทั่วโลก ในบริบทนี้ CodeCarbon สามารถช่วยองค์กรต่างๆให้มั่นใจได้ว่าการปล่อยก๊าซคาร์บอนไดออกไซด์โดยรวมของพวกเขาจะเพิ่มขึ้นน้อยที่สุด”
ในสภาพแวดล้อมการวิจัยที่เน้นการเรียนรู้เชิงลึกความก้าวหน้าของปัญญาประดิษฐ์ส่วนใหญ่เกิดขึ้นได้จากการสร้างแบบจำลองที่ใหญ่ขึ้นการรวบรวมชุดข้อมูลขนาดใหญ่และการควบคุมพลังในการประมวลผลที่มากขึ้น
การฝึกอบรมอัลกอริทึมการเรียนรู้ที่มีประสิทธิภาพอาจต้องใช้คอมพิวเตอร์หลายเครื่องในช่วงหลายวันหรือหลายสัปดาห์
สำหรับสถาปัตยกรรมเช่น VGG, BERT, GPT-2 และ GPT-3 ที่มีการกำหนดค่าหลายล้านรายการและได้รับการฝึกฝนเกี่ยวกับ GPU หลายตัวเป็นเวลาหลายสัปดาห์ นี่อาจเป็นความแตกต่างของ CO-eq หลายร้อยกิโลกรัม
GPT-2 ของ OpenAI ที่เปิดตัวในปี 2019 นั้นขึ้นอยู่กับพารามิเตอร์ 1.5 พันล้านตัวในขณะที่ GPT-3 รุ่นต่อมาได้เปิดตัวเมื่อปีที่แล้วซึ่งมีพารามิเตอร์ 175 พันล้านตัวทำให้มีขนาดใหญ่กว่ารุ่นก่อนถึง 100 เท่า ในขณะที่รุ่นใหญ่ยังคงก้าวหน้าในสนามปริมาณพลังงานที่ใช้ในการฝึกฝนพวกเขาก็จะเพิ่มขึ้นเช่นกัน
รหัสคาร์บอน มีโมดูลกลไกการติดตามที่บันทึกปริมาณพลังงานที่ใช้ โดยผู้ให้บริการระบบคลาวด์รายใหญ่และศูนย์ข้อมูลภายในองค์กรที่โฮสต์แบบส่วนตัว
แล้ว ระบบใช้ข้อมูลจากแหล่งสาธารณะเพื่อประมาณปริมาตรของ CO2 ที่สร้างขึ้นตรวจสอบสถิติของเครือข่ายไฟฟ้าที่อุปกรณ์เชื่อมต่ออยู่
ตัวติดตามประเมิน CO2 ที่เกิดขึ้นสำหรับการทดลองแต่ละครั้งโดยใช้โมดูล AI โดยเฉพาะจัดเก็บข้อมูลการปล่อยมลพิษสำหรับโครงการและสำหรับทั้งองค์กร
แนวคิดคือ CodeCarbon จะช่วย บริษัท ไอทีและ AI จำกัด การปล่อยก๊าซคาร์บอนไดออกไซด์ เมื่อพวกเขาเติบโต CodeCarbon จะสร้างแดชบอร์ดที่ช่วยให้ บริษัท ต่างๆสามารถดูปริมาณการปล่อยมลพิษที่เกิดจากการฝึกอบรมโมเดลแมชชีนเลิร์นนิงได้อย่างง่ายดาย
ความสามารถในการติดตามการปล่อย CO2 แสดงถึงความก้าวหน้าอย่างมีนัยสำคัญในความสามารถของนักพัฒนาในการใช้ทรัพยากรพลังงานอย่างชาญฉลาดและลดผลกระทบจากการทำงานในสภาพแวดล้อมที่เปราะบางมากขึ้น
Fuente: https://www.comet.ml/