人工智能技术背后的碳足迹惊人,研究人员呼吁提高创新效率

?

人工智能(AI)可以帮助我们识别罪犯,识别某些疾病,识别语音,计算交通信息等,但这些技术进步背后可能意味着过度计算。

目前,人工智能的发展主要依赖于三个因素:算法创新,数据量和计算。 2018年,人工智能非营利组织OpenAI发布了一项研究,称算法创新和数据往往难以跟踪,但计算量可以量化,这为衡量人工智能开发的进展提供了机会。该研究追踪了自2012年以来的人工智能计算量,并得出结论,培训大型模型所需的计算资源每三到四个月翻一番。相比之下,摩尔定律的周期为18个月。

根据OpenAI的研究,根据《MIT科技评论》,今年6月的另一项研究发现,特别是开发大规模自然语言处理模型可能会产生令人担忧的碳足迹。

这种趋势的原因在于,无论开发成本如何,大多数研究团队都会重视最新技术水平的最新技术水平。

换句话说,这些研究团队更愿意展示他们的技术有多大改进,并且不愿透露技术改进背后的成本增加。根据专家的预测,如果达到目前的发展速度,到2025年,人工智能将占世界电力消耗的十分之一。

艾伦人工智能研究所(AI2)在一篇新论文中认为,这种趋势会对人工智能的多样性和进步产生影响:需要大量计算资源才能完成的技术成果正在获得AI学术界的特权。例如,这可能会将该领域的发展限制在更符合企业激励措施的短期项目上,而不是有利于公众的长期发展项目。

为了改变这种状况,AI2研究人员提出了一种鼓励机器学习以节省能源的新方法。 AI2的研究人员建议AI研究人员应公布培训模型的财务和计算成本及其绩效结果。研究人员希望提高透明度,并加大对高效机器学习算法开发的投入。

艾伦人工智能研究所首席执行官Oren Etzioni认为,出版物和顶级会议的论文评审者应该奖励提高效率和准确性的研究。但是,他也指出,在人们将效率指标标准化之前,很难评估这一贡献的重要性。

之所以提出这种方法,Etzioni说,近年来,一些科技公司的研究实验室在深度学习方面的投入大幅增加。

Etzioni希望人工智能研究界能够意识到这种权衡。此外,投资更高效的算法可以从可用资源中获得更多利润并产生其他好处。 “这不是一两件事,我们只想在这方面取得更好的平衡。”他说。

2014年,艾伦人工智能研究所由微软联合创始人保罗艾伦共同创立,专注于人工智能的可能益处。目前专注于四个项目:机器阅读和推理程序称为Aristo,SemanticScholar语义理解搜索程序,Euclid自然语言理解程序和柏拉图计算机视觉程序。