去年的一项研究发现,训练一个现成的AI语言处理系统会产生1,400磅的排放量-大约相当于一个人往返纽约和旧金山之间往返所产生的排放量。从头开始构建和训练AI语言系统所需的全套实验甚至可以产生更多:高达78,000磅,具体取决于动力源。这是一生中美国人平均呼气量的两倍。
但是,有一些方法可以使机器学习变得更清洁,更环保,这一运动被称为“绿色AI”。例如,某些算法比其他算法耗电少,并且许多培训课程都可以转移到偏远地区,这些地区的大部分电力都来自可再生资源。
但是,关键是让AI开发人员和公司知道他们的机器学习实验涌现了多少,以及可以减少多少。
现在,来自斯坦福大学,Facebook AI Research和麦吉尔大学的研究人员团队提出了一种易于使用的工具,该工具可以快速测量机器学习项目将使用的电量以及碳排放量的多少。
“随着机器学习系统的普及和资源密集度的提高,它们有可能显着促进碳排放,”博士学位的彼得·亨德森说。斯坦福大学计算机科学系学生,第一作者。“但是,如果无法衡量,就无法解决问题。我们的系统可以帮助研究人员和工业工程师了解其工作的碳效率如何,也许可以就减少碳足迹的想法提出建议。