Thuật toán AI giúp giảm dấu chân carbon của AI

- Huấn luyện mô hình AI GPT-3 tạo ra 502 tấn carbon, tương đương với lượng khí thải của 112 xe chạy xăng trong một năm. GPT-3 thải ra 8,4 tấn CO2 mỗi năm do quá trình suy luận.
- Từ đầu những năm 2010, nhu cầu năng lượng của các mô hình ngôn ngữ lớn AI đã tăng lên 300.000 lần.
- Mạng nơ-ron xung điện (SNN) là một giải pháp thay thế tiết kiệm năng lượng cho mạng nơ-ron nhân tạo (ANN). SNN chỉ tiêu thụ năng lượng khi xảy ra xung điện, có thể tiết kiệm năng lượng gấp 280 lần so với ANN.
- Học suốt đời (L2) là tập hợp các thuật toán cho phép mô hình AI được huấn luyện tuần tự trên nhiều tác vụ mà không bị quên kiến thức trước đó, giúp giảm nhu cầu năng lượng tổng thể.
- Tiến bộ trong điện toán lượng tử cũng sẽ cho phép huấn luyện và suy luận nhanh hơn bằng ANN và SNN, tìm ra các giải pháp tiết kiệm năng lượng cho AI ở quy mô lớn hơn nhiều.

📌 Mặc dù AI có tiềm năng lớn trong việc giải quyết vấn đề, nhưng nó cũng góp phần vào cuộc khủng hoảng khí hậu với dấu chân carbon ngày càng tăng. Tuy nhiên, các công nghệ như mạng nơ-ron xung điện, học suốt đời và điện toán lượng tử hứa hẹn sẽ giảm đáng kể mức tiêu thụ năng lượng của AI, với SNN tiết kiệm hơn ANN tới 280 lần.

Citations:
[1] https://ppl-ai-file-upload.s3.amazonaws.com/web/direct-files/131695/55d5243d-d9e9-4372-9191-663d2c747b42/paste.txt

https://www.thehindu.com/sci-tech/science/ai-has-a-big-and-growing-carbon-footprint-but-algorithms-can-help/article67916635.ece

Thảo luận

© Sóng AI - Tóm tắt tin, bài trí tuệ nhân tạo