AI技术的环保水平将更上一层楼

于2018年的博文指出，自2012年以来，全球超大规模AI训练所带来的计算量增长了30万倍。尽管该文没有计算模型训练带来的碳排放，但有人敏锐发现了问题核心并给出答案。根据Emma Strubel及其同事发表的论文，美国人平均每年排放二氧化碳约3万6千吨。与之对应，训练并开发一套运用神经结构搜索技术的机器翻译模型，总计将产生62万6千吨二氧化碳。

遗憾的是，从环境角度来看，这些所谓“红色AI”项目造成的实际后果可能比报告上的更加糟糕。实际上，AI项目的时间、能源以及资金总成本通常要比带来最终成果的阶段性成本高出一个数量级。

现实情况在于，红色AI项目还存在重要度、大量集中的趋势(例如开发新型对象检测模型以改善复杂环境中的自主导航能力，或者从大量非结构化Web数据中学习富文本表示等)，这意味着只有大型科技企业以及一部分学术机构才有能力掌握如此庞大的计算资源。换言之，超大的数据规模与高昂的计算成本，将导致小体量玩家完全插不上手。

那么，我们该如何推动绿色AI的发展?或者说，我们应不应该不惜代价优先推动绿色AI项目?

红色AI不一定是坏事

当今，大部分所谓“红色AI”项目，都将目标定在推动自然语言处理、计算机视觉以及其他重要AI领域的科学发展层面。虽然这类项目的碳成本确实可观，但对社会产生的积极影响同样值得期待。

例如，人类基因组计划(HGP)花费27亿美元，耗时长达13年，绘制出完整的人类基因组图。业界曾有观点，认为人类基因组计划太过复杂、成本高昂而且缺少短时间内带来科学突破的潜力。但如今，我们完全能够利用测序技术在数小时内绘制出特定个体的基因组图，成本约为100美元。而这项技术的存在，正是以人类基因组计划的主要成果(参考基因组)为前提。尽管当初的计划效率低下，但仍为未来可能全面实现的个性化医疗铺平了道路。

同样，衡量红色AI项目的成本与成果也至关重要。红

 

（编辑：揭阳站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!