在人工智能資源需求快速增長的情況下 AI2會讓綠色變得更容易

開發(fā)更強大的人工智能模型正在徹底改變世界，但它并不便宜。在一份新發(fā)布的立場文件中，西雅圖艾倫人工智能研究所的研究人員認為，在評估研究時，應該更加重視能效。

AI2研究人員呼吁他們的同事報告與開發(fā)，訓練和運行模型相關的“價格標簽”，以及速度和準確性等其他指標。包括AI2在內(nèi)的研究排行榜會定期評估AI軟件的準確性，但它們并未解決獲得這些結果所需的內(nèi)容。

當然，尖端研究在各種領域都是昂貴的，從數(shù)十億美元碰撞器的粒子物理到需要數(shù)百個DNA測序儀的遺傳分析。在最終的研究中通常沒有提到財務成本或能源使用。但AI2的首席執(zhí)行官Oren Etzioni表示，時代正在發(fā)生變化 - 特別是隨著能源吞噬科學實驗的碳足跡變得更加令人擔憂。

“對于許多科學界來說，這是一個持續(xù)的話題，報告成本的問題，”該職位論文的作者之一Etzioni告訴GeekWire。“我認為這里有所不同的是我們在用于AI模型開發(fā)的資源中看到的驚人升級”。

OpenAI的一項研究估計，由于越來越復雜的模型的快速發(fā)展，2012至2018年間深度學習頂層研究所需的計算資源增加了30萬倍。“這比摩爾定律快得多，每三到四個月翻一番，”Etzioni說。

在能源需求方面，Etzioni不希望人工智能研究成為比特幣采礦的方式，這已經(jīng)給電力公司帶來了壓力。但這不僅僅是他擔心的環(huán)境。運行Google DeepMind AlphaGo游戲學習計劃等項目的財務成本每小時可超過1,000美元。

“有一個重要的包容性問題，不僅來自新興經(jīng)濟體的人們，甚至學生，學者和創(chuàng)業(yè)公司，如果你需要，比如10億美元......就可以越來越多地被排除在最前沿之外。”做尖端的人工智能研究，“他說。

AI2的研究人員強調，他們不是要求結束高資源，高成本的方法，他們稱之為“紅色人工智能”。相反，他們希望將“綠色人工智能”變得更加明亮 - 這是一種旨在實現(xiàn)目標的方法。以更高的效率進行尖端AI。

“如果你讓人工智能更環(huán)保，它不僅會更便宜，而且會為更有效的技術開辟道路，進一步推動最先進的技術，”Etzioni說。

這些技術可以更接近于匹配人類大腦的工作方式，這在一般性能和效率方面遠遠超過任何AI模型。

“我們思考的碳足跡是沙拉，也許是偶爾的炸玉米餅，”Etzioni開玩笑說。

他和他的同事建議將達到特定結果所需的浮點運算總數(shù)作為研究論文的常規(guī)部分。他們認為，浮點運算或FPO可以作為計算能力的原始計數(shù)，并且比碳排放，電力使用或實時流逝更合理。

研究人員還可以跟蹤準確度隨預算的變化而增加的程度。他們寫道：“報告這條曲線將使用戶能夠對他們選擇的模型做出更明智的決定，并強調不同方法的穩(wěn)定性。”

他們還贊揚公眾發(fā)布預先培訓的模型(如Google的BERT和XLNet模型)作為“綠色成功”的趨勢。

研究人員寫道：“我們希望鼓勵組織繼續(xù)發(fā)布模型，以便為其他人節(jié)省再培訓費用。”

Etzioni說，自本周發(fā)布立場文件以來，他得到了積極的反饋，并希望更高效的研究模型能夠帶來更便宜，更高效的AI應用程序。AI2的衍生產(chǎn)品之一XNOR.ai 已經(jīng)將能效作為其產(chǎn)品的優(yōu)先考慮事項。

“部署非常重要，”Etzioni說。“我覺得那里有一個健康的經(jīng)濟激勵。”