Tek bir AI modelini eğitmenin, ömürleri boyunca beş araba kadar karbon saldığını biliyor muydunuz? Çevresel Etkiyi Azaltmak İçin 5 İpucu!
Son araştırmalar, AI eğitiminin karbon ayak izinin önemli olduğunu göstermiştir. Çevresel etkiyi nasıl azaltacağınız aşağıda açıklanmıştır.
Amherst’teki Massachusetts Üniversitesi’ndeki araştırmacılar, birkaç yaygın büyük yapay zeka modelini eğitmek için bir yaşam döngüsü değerlendirmesi gerçekleştirdi. Sürecin, ortalama bir Amerikan arabasının ömür boyu emisyonunun yaklaşık beş katına eşdeğer olan 626.000 libreden fazla karbondioksit yayabileceğini buldular (arabanın kendisinin üretimi dahil).
Çalışmalar şunları bulmuştur: AI eğitiminin karbon ayak izi önemlidir ve modelleri eğitmek için kullanılan bilgisayarlara güç sağlamak için gereken enerjiden kaynaklanmaktadır. Yapay zeka eğitimiyle ilişkili karbon emisyonları , veri merkezlerine güç sağlamak için yenilenebilir enerji kullanılarak azaltılabilir .
Mümkün olan en iyi çözümü garanti etmeden sorunlara iyi çözümler sağlayan Yaklaşık algoritmalar veya veriler üzerinde eğitilmiş Veriye dayalı algoritmalar gibi verimli algoritmalar , AI modellerini eğitmek için gereken enerjiyi azaltarak karbon emisyonlarını azaltır. Aşağıdaki tablo, iki optimizasyon algoritmasının kullanımının sonuçlarını göstermektedir: Daha kısa işlerin yapay zeka iş yükleri için esneklik sağlayan Esnek Başlatma ve daha uzun işler için bir Eşiğe göre duraklatan ve devam ettiren Duraklat ve Devam Et.
Bölgesel emisyonlar yüksek olduğunda bir yapay zeka iş yükünü duraklatmak genel toplamları azaltabilir. Tasarruf, çok uzun vadede %25’e kadar önemli olabilir. Kısa tirajlar için tasarruflar daha düşüktür, çünkü ikiye katlanan süre hala nispeten kısadır. Tablo ayrıca, modelin boyutuyla birlikte saat başına duraklama sayısının arttığını da göstermektedir. Bunun nedeni, daha büyük modellerin daha fazla bilgi işlem gücü gerektirmesi ve bu nedenle eğitilmesinin daha uzun sürmesidir.
AI eğitiminin karbon emisyonlarını azaltmaya yardımcı olacak beş ipucu ve yenilikçi teknolojiler
- GPU’ları içerebilen, enerji tasarruflu donanım kullanın.
- Belirli iş yükleri için watt başına çalışma karşılaştırmasında GPU’lar, CPU’lardan daha enerji verimlidir. GPU’lar, AI modellerini daha hızlı eğitmek için kullanılabilir ve böylece saf bir CPU ortamından daha az enerji kullanır.
- Sıvı soğutma, bilgi işlem donanımını daha verimli bir şekilde soğutmak için kullanılabilir, böylece veri merkezlerindeki enerji tüketimini ve emisyonları azaltır. Ve gürültüyü %50’ye kadar azaltabilir ve daha rahat bir çalışma ortamı yaratabilir. Bakımı hava soğutmaya göre daha kolaydır ve Sıvı soğutucuların hasar görme olasılığı daha düşüktür.
- Enerji verimliliği için veri merkezlerini optimize edin. PUE’yi azaltan serbest hava soğutma kullanmak gibi, veri merkezlerinin ihtiyaç duyduğu enerjiyi azaltmanın birkaç yolu vardır. Daha verimli soğutma sistemleri: Geleneksel hava soğutmalı veri merkezleri, sunucuları soğutmak için önemli miktarda enerji kullanır.
- Daha verimli güç kaynakları: Geleneksel güç kaynakları, kullandıkları enerjinin %20’sini israf ederek verimsiz olabilir. Titanyum veya Platin güç kaynakları kullandığınızdan emin olun.
- Daha verimli sunucular: Kaynakları paylaşarak sunucu başına genel enerji kullanımını azaltan çok düğümlü sunucular kullanın.
- AI eğitimine güç sağlamak için yenilenebilir enerji kullanın. Yapay zeka eğitimine odaklanan veri merkezleri, yenilenebilir enerji kaynaklarıyla çalıştırılabilir: güneş veya rüzgar enerjisi.
- AI eğitiminin verimliliğini artırın. Kuantum hesaplama, nöral ağları artırma, birleştirilmiş öğrenme, transfer öğrenme ve nöral mimari arama gibi yenilikçi teknolojiler, yapay zeka eğitiminin verimliliğini artırabilir ve enerji kullanımını azaltabilir.
- Önceden eğitilmiş modelleri kullanın. Önceden eğitilmiş modeller zaten büyük bir veri kümesi üzerinde eğitilmiştir ve sıfırdan geliştirilmeleri gerekmez, bu da enerji tüketir.
