目次
場所は重要です
環境に優しい選択
参考文献:
ホームページ テクノロジー周辺機器 AI 増大する AI の二酸化炭素排出量を削減する方法

増大する AI の二酸化炭素排出量を削減する方法

May 12, 2023 am 10:37 AM
AI 機械学習

増大する AI の二酸化炭素排出量を削減する方法

機械学習の実験がより複雑になるにつれて、二酸化炭素排出量も増大しています。現在、研究者らは、さまざまな場所にあるクラウド コンピューティング データ センターで一連のモデルをトレーニングする場合の炭素コストを計算しました。彼らの発見は、研究者が人工知能(AI)に依存する作業からの排出量を削減するのに役立つ可能性がある。

研究チームは、地理的場所によって排出量に大きな違いがあることを発見しました。ワシントン州シアトルのアレン AI 研究所の機械学習研究者であり、この研究の共同責任者であるジェシー ドッジ氏は、同じ AI 実験で、「最も効率的な領域では、最も効率の悪い領域の約 3 分の 1 の排出量が発生した」と述べました。地域。」

カーネギー メロン大学 (ペンシルバニア州ピッツバーグ) の機械学習研究者であり、気候変動 AI グループの共同創設者であるプリヤ ドンティ氏は、これまでのところ、クラウドを測定するための優れたツールは存在しないと述べました。 AI に基づいた生産、排出量。

「これは、排出量を削減するために機械学習のワークロードを管理する方法についての重要な議論に貢献する素晴らしい成果です」と彼女は言いました。

場所は重要です

Dodge と Microsoft の研究者を含む共同研究者は、Google 翻訳を強化する言語モデルから画像に自動的にラベルを付けるための Vision アルゴリズムまで、11 の一般的な AI モデルをトレーニングしながら消費電力を監視しました。彼らはこのデータを、16 台の Microsoft Azure クラウド コンピューティング サーバーに電力を供給するグリッドからの排出量が時間の経過とともにどのように変化したかの推定値と組み合わせて、さまざまな場所にわたるトレーニング エネルギー消費量を計算しました。

増大する AI の二酸化炭素排出量を削減する方法

世界的な電力供給の変化や需要の変動により、場所が異なれば施設の二酸化炭素排出量も異なります。研究チームは、一般的な機械学習言語モデルである BERT を中央アメリカまたはドイツのデータセンターでトレーニングすると、時期に応じて 22 ~ 28 キログラムの二酸化炭素が排出されることを発見しました。これは、電力のほとんどを水力発電から得ている一方、フランスが主に原子力に依存しているノルウェーでの同じ実験による排出量の2倍以上だ。

毎日の実験に費やす時間も重要です。例えば、ダッジ氏は、州の電力が水力発電であるワシントンで夜間にAIを訓練すると、昼間の電力もガソリンスタンドから供給される日中にAIを訓練するよりも排出量が少なくなるだろうと述べた。同氏は先月、ソウルで開催された公平性、説明責任、透明性のためのコンピューティング機械協会の会議でこの結果を発表した。

AI モデルからの排出量も大きく異なります。画像分類器 DenseNet は、カリフォルニア州サンフランシスコで Transformer と呼ばれる中規模の言語モデル (調査会社 OpenAI が作成した人気の言語モデル GPT-3 よりもはるかに小さい) をトレーニングする際に、携帯電話の充電と同じ CO2 排出量を生成しました。これは、一般的なアメリカの家庭が年間に排出する量と同じ量です。さらに、チームはトランスフォーマーの訓練プロセスの 13 パーセントしか行っていないが、完全に訓練すると「石炭を積んだ鉄道車両全体を燃やすのに匹敵する」排出量が発生するだろうとダッジ氏は述べている。

同氏は、データセンターのオーバーヘッドに使用される電力や、必要なハードウェアの作成に使用される排出量などの要素が含まれていないため、排出量の数値も過小評価されていると付け加えました。ドンティ氏は、理想的には、特定の時点における送電網排出量の潜在的な重大な不確実性を考慮して、数値には誤差範囲も含めるべきだと述べた。

環境に優しい選択

他のすべての要素が同じであれば、ダッジは、この研究が科学者が排出量を最小限に抑える実験用のデータセンターを選択するのに役立つことを願っています。 「この決定は、この分野でできる最も影響力のあることの一つであることが判明した」と彼は語った。この取り組みの結果、Microsoft は現在、Azure サービスを使用している研究者にハードウェアの電力消費に関する情報を提供しています。

英国のブリストル大学でデジタル技術が環境の持続可能性に及ぼす影響を研究しているクリス・プリスト氏は、排出削減の責任は研究者ではなくクラウドプロバイダーにあるべきだと述べた。サプライヤーはいつでも、炭素強度が最も低いデータセンターが最も多く使用されるようにすることができる、と同氏は述べた。 Donti 氏は、排出量が削減された場合に機械学習の実行を開始および停止できる柔軟なポリシーを採用することもできると付け加えました。

ダッジ氏は、大規模な実験を実施するハイテク企業は排出に関する透明性と排出量の最小化または相殺について最大の責任を負うべきだと述べた。同氏は、機械学習が常に環境に有害であるわけではないと指摘した。効率的な材料の設計、気候のシミュレーション、森林破壊や絶滅危惧種の追跡に役立ちます。それでも、AI による二酸化炭素排出量の増大は、一部の科学者にとって大きな懸念材料となっています。ドッジ氏は、一部の研究グループが炭素排出量の追跡に取り組んでいるものの、透明性は「地域社会の規範としてまだ発展していない」と述べた。

「この取り組みの要点は、この問題に透明性をもたらそうとすることだ。なぜなら、現時点では透明性が著しく欠けているからだ」と彼は語った。

参考文献:

1.Dodge, J. et al. プレプリント (https://arxiv.org/abs/2206.05229 (2022))。

以上が増大する AI の二酸化炭素排出量を削減する方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

Bytedance Cutting が SVIP スーパー メンバーシップを開始: 継続的な年間サブスクリプションは 499 元で、さまざまな AI 機能を提供 Bytedance Cutting が SVIP スーパー メンバーシップを開始: 継続的な年間サブスクリプションは 499 元で、さまざまな AI 機能を提供 Jun 28, 2024 am 03:51 AM

このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

Rag と Sem-Rag を使用したコンテキスト拡張 AI コーディング アシスタント Rag と Sem-Rag を使用したコンテキスト拡張 AI コーディング アシスタント Jun 10, 2024 am 11:08 AM

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

GenAI および LLM の技術面接に関する 7 つのクールな質問 GenAI および LLM の技術面接に関する 7 つのクールな質問 Jun 07, 2024 am 10:06 AM

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

微調整によって本当に LLM が新しいことを学習できるようになるのでしょうか: 新しい知識を導入すると、モデルがより多くの幻覚を生成する可能性があります 微調整によって本当に LLM が新しいことを学習できるようになるのでしょうか: 新しい知識を導入すると、モデルがより多くの幻覚を生成する可能性があります Jun 11, 2024 pm 03:57 PM

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

新しい科学的で複雑な質問応答ベンチマークと大規模モデルの評価システムを提供するために、UNSW、アルゴンヌ、シカゴ大学、およびその他の機関が共同で SciQAG フレームワークを立ち上げました。 新しい科学的で複雑な質問応答ベンチマークと大規模モデルの評価システムを提供するために、UNSW、アルゴンヌ、シカゴ大学、およびその他の機関が共同で SciQAG フレームワークを立ち上げました。 Jul 25, 2024 am 06:42 AM

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

あなたが知らない機械学習の 5 つの流派 あなたが知らない機械学習の 5 つの流派 Jun 05, 2024 pm 08:51 PM

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

SOTA パフォーマンス、厦門マルチモーダルタンパク質-リガンド親和性予測 AI 手法、初めて分子表面情報を結合 SOTA パフォーマンス、厦門マルチモーダルタンパク質-リガンド親和性予測 AI 手法、初めて分子表面情報を結合 Jul 17, 2024 pm 06:37 PM

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性​​を実証しています。 「S」で始まる関連研究

AIなどの市場を開拓するグローバルファウンドリーズがタゴール・テクノロジーの窒化ガリウム技術と関連チームを買収 AIなどの市場を開拓するグローバルファウンドリーズがタゴール・テクノロジーの窒化ガリウム技術と関連チームを買収 Jul 15, 2024 pm 12:21 PM

7月5日のこのウェブサイトのニュースによると、グローバルファウンドリーズは今年7月1日にプレスリリースを発行し、自動車とインターネットでの市場シェア拡大を目指してタゴール・テクノロジーのパワー窒化ガリウム(GaN)技術と知的財産ポートフォリオを買収したことを発表した。モノと人工知能データセンターのアプリケーション分野で、より高い効率とより優れたパフォーマンスを探求します。生成 AI などのテクノロジーがデジタル世界で発展を続ける中、窒化ガリウム (GaN) は、特にデータセンターにおいて、持続可能で効率的な電力管理のための重要なソリューションとなっています。このウェブサイトは、この買収中にタゴール・テクノロジーのエンジニアリングチームがGLOBALFOUNDRIESに加わり、窒化ガリウム技術をさらに開発するという公式発表を引用した。 G

See all articles