機(jī)器學(xué)習(xí)等計(jì)算密集型技術(shù)的發(fā)展帶來(lái)了高碳足跡，并加劇了氣候變化。機(jī)除了快速增長(zhǎng)之外，還有不斷擴(kuò)大的綠色人工智能工具和技術(shù)組合，以幫助抵消碳排放并提供更可持續(xù)的發(fā)展道路。

根據(jù)微軟和艾倫人工智能研究所，以及希伯來(lái)大學(xué)、卡耐基梅隆大學(xué)和人工智能社區(qū)hugsFace的共同作者上個(gè)月發(fā)表的研究，環(huán)境成本很高。微軟Azure機(jī)器學(xué)習(xí)產(chǎn)品經(jīng)理、綠色軟件基金會(huì)成員、該研究的合著者威爾·布坎南(WillBuchanan)表示，該研究推斷數(shù)據(jù)表明，對(duì)于一個(gè)60億參數(shù)的ML模型(一個(gè)大型語(yǔ)言模型)，一個(gè)訓(xùn)練實(shí)例產(chǎn)生的二氧化碳相當(dāng)于在一輛大型火車車廂里燃燒所有的煤。

弗雷斯特研究公司(Forrester Research)分析師阿比吉特·蘇尼爾(AbhijitSunil)說(shuō)，過(guò)去，代碼是在受限于有限資源的嵌入式系統(tǒng)中優(yōu)化的，比如手機(jī)、冰箱或衛(wèi)星。然而，AI和ML等新興技術(shù)不受這些限制，他說(shuō)。

“當(dāng)我們擁有看似無(wú)限的資源時(shí)，優(yōu)先考慮的是編寫盡可能多的代碼，”Sunil 說(shuō)。

人工智能是適合這項(xiàng)工作的工具嗎?

綠色人工智能，也就是讓人工智能發(fā)展更可持續(xù)的過(guò)程，正在成為解決算法耗電問(wèn)題的可能方案。布坎南說(shuō):“這都是為了降低技術(shù)發(fā)展本身的隱性成本?！?/p>

蒙特利爾人工智能倫理研究所創(chuàng)始人兼首席研究員、綠色軟件基金會(huì)標(biāo)準(zhǔn)工作組主席阿布謝克·古普塔(AbhishekGupta)表示，任何開發(fā)人員的出發(fā)點(diǎn)都是要了解人工智能是否適合這項(xiàng)工作，并弄清楚為什么首先要部署機(jī)器學(xué)習(xí)。

“你并不總是需要機(jī)器學(xué)習(xí)來(lái)解決問(wèn)題，”古普塔說(shuō)。

古普塔表示，開發(fā)人員在部署 ML 時(shí)還應(yīng)該考慮進(jìn)行成本效益分析。例如，如果使用機(jī)器學(xué)習(xí)將平臺(tái)的滿意度從 95% 提高到 96%，那么這可能不值得為環(huán)境付出額外的代價(jià)，他說(shuō)。

選擇碳友好地區(qū)

布坎南說(shuō)，一旦開發(fā)人員決定使用人工智能，那么選擇在碳友好地區(qū)部署模型會(huì)對(duì)運(yùn)營(yíng)排放產(chǎn)生最大影響，將軟件碳強(qiáng)度率降低約 75%。

布坎南說(shuō):“這是當(dāng)今任何開發(fā)者都可以使用的最有影響力的杠桿?！?/p>

古普塔舉了一個(gè)例子：開發(fā)商可以選擇在加拿大魁北克省運(yùn)營(yíng)，而不是在美國(guó)中西部地區(qū)運(yùn)營(yíng)，因?yàn)槟抢锏碾娏χ饕獊?lái)自化石燃料。而加拿大魁北克省90%以上的電力來(lái)自水力發(fā)電。

在決定機(jī)器學(xué)習(xí)工作應(yīng)該在哪里運(yùn)行時(shí)，企業(yè)還必須考慮能源類型以外的其他因素。2021 年 4 月，Google Cloud推出了綠色區(qū)域選擇器，可幫助公司在選擇運(yùn)營(yíng)地點(diǎn)時(shí)評(píng)估成本、延遲和碳足跡。但 Buchanan 說(shuō)，并非所有云提供商都可以輕松獲得此類工具。

他說(shuō)，為了解決這個(gè)問(wèn)題，綠色軟件基金會(huì)正在開發(fā)一種名為Carbon AwareSDK的新工具，該工具將推薦最佳區(qū)域來(lái)啟動(dòng)資源。在接下來(lái)的幾個(gè)月內(nèi)應(yīng)該會(huì)提供 alpha 版本。

其他環(huán)保的方法

古普塔說(shuō)，如果唯一可用的計(jì)算機(jī)位于電力不暢的地區(qū)，開發(fā)人員可以使用聯(lián)合學(xué)習(xí)式部署，其中訓(xùn)練以分布式方式在電力體制中存在的所有設(shè)備上進(jìn)行。但聯(lián)邦學(xué)習(xí)可能不適用于所有工作負(fù)載，例如必須遵守法律隱私考慮的工作負(fù)載。

古普塔說(shuō)，另一種選擇是讓開發(fā)人員使用tinyML，它通過(guò)量化、知識(shí)蒸餾和其他方法來(lái)縮小機(jī)器學(xué)習(xí)模型。他說(shuō)，目標(biāo)是最小化模型，以便可以以更節(jié)省資源的方式部署它們，例如在邊緣設(shè)備上。但由于這些模型提供的智能有限，它們可能不適合復(fù)雜的用例。

“整個(gè)行業(yè)的趨勢(shì)是認(rèn)為越大越好，但我們的研究表明，你可以反駁這一點(diǎn)，并明確表示你需要為工作選擇合適的工具，”布坎南說(shuō)。

消費(fèi)指標(biāo)可能是解決方案

布坎南說(shuō)，綠色軟件基金會(huì)和其他倡議在衡量和減少軟件的碳足跡方面取得了進(jìn)展。

例如，微軟去年在 Azure 機(jī)器學(xué)習(xí)中提供了能耗指標(biāo)，使開發(fā)人員能夠查明他們最耗能的工作。這些指標(biāo)側(cè)重于耗電的 GPU，它比 CPU更快，但消耗的能量是 CPU 的 10 倍以上。 布坎南說(shuō)，GPU 通常用于運(yùn)行 AI 模型，在功耗方面通常是最大的罪魁禍?zhǔn)住?/p>

然而，布坎南說(shuō)，仍然需要更多可互操作的工具，指的是目前可用的零碎的綠色人工智能工具?！熬G色軟件基金會(huì)正在做一件事情，”他說(shuō)，“但我認(rèn)為云提供商需要進(jìn)行協(xié)同投資，以提高能源效率?！?/p>

古普塔表示，最終的目標(biāo)是引發(fā)行為改變，讓綠色人工智能實(shí)踐成為常態(tài)?！拔覀冞@樣做不僅僅是為了會(huì)計(jì)目的，”他說(shuō)。