• Sasha Luccioni, KI- und Klima-Verantwortliche bei Hugging Face, hat die Umweltauswirkungen von KI-Modellen untersucht und sich auf die Schnittstelle von KI-Technologie und ökologischer Nachhaltigkeit konzentriert, um Wege zur Reduzierung des ökologischen Fußabdrucks der KI durch bessere Messungen und fundierte Entscheidungen zu finden.
  • KI-Modelle, insbesondere große Sprachmodelle wie ChatGPT, verbrauchen während ihres Trainings und Einsatzes erhebliche Mengen an Energie.
  • Inspiriert vom Energy-Star-Programm für Haushaltsgeräte schlägt Luccioni ein ähnliches Bewertungssystem für KI-Modelle vor.

Dr. Sasha Luccioniist eine Forscherin im Bereich ethischer künstlicher Intelligenz. In den letzten zehn Jahren hat ihre Arbeit den Weg für ein besseres Verständnis der gesellschaftlichen und ökologischen Auswirkungen von KI-Technologien geebnet. Kürzlich hat sie die Umweltauswirkungen von KI-Modellen untersucht und sich auf die Schnittstelle von KI-Technologie und ökologischer Nachhaltigkeit konzentriert, um Wege zur Reduzierung des ökologischen Fußabdrucks der KI durch bessere Messungen und fundierte Entscheidungen zu finden.

1.Umweltauswirkungen von KI-Modellen

KI-Modelle, insbesondere große Sprachmodelle wie ChatGPT, verbrauchen während ihres Trainings und Einsatzes erhebliche Mengen an Energie. Dieser Energieverbrauch führt zu erheblichen Kohlenstoffemissionen, vergleichbar mit denen, die mehrere Autos während ihrer Lebensdauer produzieren. Das Training solcher Modelle kann so viel Energie verbrauchen wie Dutzende amerikanischer Haushalte pro Jahr.

Auch lesen:True Fit nutzt KI, um Online-Käufern bei der Suche nach ihrem perfekten Outfit zu helfen.

Auch lesen:Sword Health sammelt 130 Millionen Dollar ein und die Bewertung steigt auf 3 Milliarden Dollar.

2.Entwicklung eines Energiebewertungssystems für die KI

Inspiriert vom Energy-Star-Programm für Haushaltsgeräte schlägt Luccioni ein ähnliches Bewertungssystem für KI-Modelle vor. Dieses System soll Nutzern helfen, Modelle auf der Grundlage ihrer Energieeffizienz auszuwählen und so eine nachhaltigere Nutzung von KI zu fördern. Ziel ist es, eine standardisierte Methode zur Messung und zum Vergleich des Energieverbrauchs verschiedener KI-Modelle für verschiedene Aufgaben zu schaffen.

3.Erste Tests und Ergebnisse

Das Projekt besteht darin, KI-Modelle an verschiedenen Aufgaben zu testen, darunter Textgenerierung, Bildklassifizierung und Spracherkennung, unter Verwendung standardisierter Datensätze. Erste Ergebnisse zeigen eine große Variabilität der Energieeffizienz zwischen den Modellen, wobei einige je nach Aufgabe viel energieintensiver sind als andere. Diese Ergebnisse unterstreichen das Potenzial für Optimierung und Effizienzsteigerung beim Einsatz von KI-Modellen.

4.Werkzeuge zur Messung des Energieverbrauchs

Um die Bewertung der Umweltauswirkungen zu unterstützen, wurden Werkzeuge wie Code Carbon entwickelt. Diese Tools schätzen den Energieverbrauch und die Kohlenstoffemissionen von KI-Modellen und ermöglichen es Entwicklern, fundiertere und nachhaltigere Entscheidungen zu treffen. Durch den Einsatz solcher Tools können Unternehmen den ökologischen Fußabdruck ihrer KI-Technologien verringern.

5.Zukünftige Arbeiten und gemeinschaftliches Engagement

Zu den laufenden Arbeiten gehören die Erweiterung des Bewertungssystems auf weitere Aufgaben und Modelle, die Verfeinerung der Messmethoden und die Förderung von Rückmeldungen aus der Gemeinschaft. Das ultimative Ziel ist die Zusammenarbeit mit Organisationen wieISOoderNISTzur breiteren Einführung und Veröffentlichung einer „Green AI Leaderboard“-Rangliste, um der KI-Community zu helfen, Modelle auf der Grundlage ihrer Energieeffizienz zu vergleichen und auszuwählen, und so ein nachhaltigeres KI-Ökosystem zu fördern.