人工智能(AI)已彻底改变了许多产业通过增加精度,效率和工作效率。然而,发展人工智能模型使用大量的电力,会产生大量的热量,这是长期对环境不利。这个博客了多少电使用在这些受欢迎的深度学习人工智能模型的训练和如何切换到一个更环保的人工智能模型的建立方法。
人工智能训练的环境成本!
大多数人工智能模型学习通过处理大量的数据和通过过程称为反向传播调整参数。这个过程需要大量的矩阵计算,计算密集型和需要专门的硬件如图形处理单元(gpu)。这些gpu消耗大量的电力,从而导致重要的碳排放和其他环境问题。
根据最近的一项研究麻省阿默斯特大学的研究人员,一个人工智能模型的训练过程可以发出超过626000磅的二氧化碳当量——生命周期排放的近五倍普通美国人的车。
人工智能训练的环境影响并不局限于碳排放。专门的硬件如gpu的生产也有一个重要的环境影响。gpu的制造过程需要大量的能量和资源,以及他们处理导致电子垃圾,全球越来越多的关注。
不仅需要大量的电能,很大一部分就会转化成热量。丰富的大量的水是用来防止这些CPU和GPU的温度在操作范围内,因此随着电水是每天大量消耗。这些过程产生那么多的热量,微软等科技巨头的大部分数据中心部署在大海。
另一个研究进行人工智能模型的用水量,如果我们GPT-3模型训练在微软的数据中心,它将消耗700000升淡水相当于320特斯拉汽车的需求。这个数字将三如果也是要做一个亚洲数据中心。此外,本文还引用如下:
ChatGPT需要“喝”一瓶500毫升的水,一个简单的对话大约20 - 50的问题和答案,根据ChatGPT部署时间和地点。3,一瓶500毫升的水似乎并不太多,总水足迹相结合的推理仍然非常大,考虑到ChatGPT的数十亿的用户。
我们怎样才能使AI更加可持续?
这里有一些方法可以让AI更加可持续和减少其对环境的影响:
- 节能硬件:我们可以使用节能的硬件如cpu, asic或fpga,消耗更少的电能和产生更少的碳排放比gpu。这些硬件的选择变得越来越流行是由于他们的低功耗和更好的性能。
- 节能算法:我们可以开发算法,消耗更少的能量,是能源效率的优化。这可以通过使用压缩技术如修剪、量化,蒸馏,以减少大小的人工智能模型和优化性能。
- 可再生能源:我们可以人工智能训练和可再生能源,如太阳能、风能、水力发电,可以显著降低碳足迹的人工智能训练。
- 基于云计算的智能训练:基于云计算的智能训练可以减少碳足迹的人工智能训练利用数据中心的节能基础设施而不是本地服务器。云服务提供商如亚马逊网络服务,谷歌云,和微软Azure正努力利用可再生能源来驱动数据中心。
- 使数据更加透明:心理上,如果用户以及AI开发者意识到碳和水的影响模型的使用原因,他/她更容易使用它在一个有效的方式取决于环境意识他或她。
结论:人工智能训练消耗大量的电能,这是对环境有害。节能算法,但是,通过使用节能的硬件,可再生能源,和基于云计算的智能训练,我们可以减少碳足迹的人工智能训练,使人工智能更可持续。它是我们的责任作为人工智能AI开发者最大限度地减少对环境的影响,我们必须采取措施确保AI的好处不来地球的健康为代价的。
如果你喜欢这篇文章,请考虑以下我为更多这样的内容。谢谢你！
