• Sasha Luccioni, руководитель направления ИИ и климата в Hugging Face, изучала воздействие моделей ИИ на окружающую среду и сосредоточилась на пересечении технологий ИИ и экологической устойчивости, ища способы снизить экологический след ИИ с помощью более точных измерений и осознанного выбора.
  • Модели ИИ, особенно большие языковые модели такие как ChatGPT, потребляют значительный объём энергии при обучении и развёртывании.
  • Вдохновившись программой Energy Star для бытовой техники, Luccioni предлагает аналогичную систему оценки для моделей ИИ.

Д-р Sasha Luccioni— исследовательница в области этичного искусственного интеллекта. За последнее десятилетие её работы проложили путь к лучшему пониманию социального и экологического воздействия технологий ИИ. Недавно она изучала воздействие моделей ИИ на окружающую среду и сосредоточилась на пересечении технологий ИИ и экологической устойчивости, ища способы снизить экологический след ИИ с помощью более точных измерений и осознанного выбора.

1.Воздействие моделей ИИ на окружающую среду

Модели ИИ, особенно большие языковые модели такие как ChatGPT, потребляют значительный объём энергии при обучении и развёртывании. Такое энергопотребление приводит к существенным выбросам углерода — сопоставимым с выбросами от нескольких автомобилей за весь срок их службы. Обучение таких моделей может потреблять столько же энергии, сколько десятки американских домохозяйств за год.

Читайте также:True Fit использует ИИ, чтобы помочь онлайн-покупателям подобрать идеальный образ

Читайте также:Sword Health привлекает 130 млн долларов, оценка достигает 3 млрд долларов

2.Разработка системы оценки энергоэффективности для ИИ

Вдохновившись программой Energy Star для бытовой техники, Luccioni предлагает аналогичную систему оценки для моделей ИИ. Она призвана помочь пользователям выбирать модели с учётом их энергоэффективности и способствовать более устойчивому использованию ИИ. Цель — создать стандартизированный способ измерения и сравнения энергопотребления различных моделей ИИ для разных задач.

3.Первые тесты и результаты

Проект предполагает тестирование моделей ИИ на различных задачах, включая генерацию текста, классификацию изображений и распознавание речи, с использованием стандартизированных наборов данных. Первые результаты показывают большую вариативность энергоэффективности: одни модели потребляют значительно больше энергии, чем другие, в зависимости от задачи. Эти результаты подчёркивают потенциал оптимизации и повышения эффективности при развёртывании моделей ИИ.

4.Инструменты для измерения энергопотребления

Чтобы помочь оценить воздействие на окружающую среду, были разработаны такие инструменты, как Code Carbon. Они оценивают энергопотребление и выбросы углерода моделей ИИ, позволяя разработчикам делать более осознанный и устойчивый выбор. Используя такие инструменты, компании могут снизить экологический след своих ИИ-технологий.

5.Дальнейшая работа и вовлечение сообщества

Текущая работа включает расширение системы оценки на большее число задач и моделей, уточнение методов измерения и сбор обратной связи от сообщества. Конечная цель — сотрудничество с такими организациями, какISOилиNIST, для более широкого внедрения и публикации рейтинга «Green AI Leaderboard», который поможет ИИ-сообществу сравнивать и выбирать модели по энергоэффективности и тем самым способствовать созданию более устойчивой экосистемы ИИ.