人工智能(AI)技術背后的碳足跡驚人，研究人員呼吁提高創(chuàng)新效率

人工智能(AI)可以幫助我們識別罪犯，識別某些疾病，識別語音，計算路況信息等等，但這些技術進步的背后可能意味著過多的計算量。

 

當前，人工智能的發(fā)展主要依靠3個因素推進：算法創(chuàng)新、數(shù)據量，以及計算量。2018年，人工智能非營利組織OpenAI發(fā)布了一項研究稱，算法創(chuàng)新和數(shù)據往往難以跟蹤，但計算量卻可以量化，這就為測量AI發(fā)展進度提供了機會。研究跟蹤了2012年以來人工智能的計算量，得出的結論是訓練大型模型所需的計算資源每三到四個月就會翻一番。相比之下，摩爾定律的周期為18個月。

 

除了OpenAI的研究外，據《MIT科技評論》報道，今年6月份，另一項研究發(fā)現(xiàn)，特別是開發(fā)大規(guī)模的自然語言處理模型可能會產生令人震驚的碳足跡。

 

之所以會產生這樣的趨勢，是由于大多數(shù)的研究團隊都更看重最新技術水平的研發(fā)，而不考慮開發(fā)成本。

 

換句話說，這些研究團隊更愿意對外表明自己技術提高了多少，而不愿意透露技術改進背后的成本增加。據專家預測，如果按照現(xiàn)有的發(fā)展速度，到2025年，人工智能的用電量將占世界用電量的十分之一。

 

在一篇新論文中，艾倫人工智能研究所(AI2)認為，這樣的趨勢對于人工智能的多樣性和進步也產生影響：導致需要大量計算資源才完成的科技成果在AI學術界享受特權。例如，這可能會將該領域的發(fā)展局限于更符合公司激勵的短期項目，而不是有利于公眾的長期進步項目。

 

為了改變這樣的情況， AI2研究人員提出了一種激勵機器學習節(jié)能的新方法。AI2的研究人員建議，AI研究人員應公布訓練模型的財務和計算成本，以及他們的績效結果。研究人員希望提高透明度，從而激勵更多的投資投入到開發(fā)高效機器學習算法領域。

 

艾倫人工智能研究院CEO Oren Etzioni認為，來自出版物和頂級會議的論文評審人應該獎勵那些提高效率和準確性的研究。不過，他也指出，在人們對效率指標進行標準化之前，很難評估這種貢獻的重要性。

 

之所以在當下提出這樣的方法，Etzioni稱是看到了近年來，一些科技公司研究實驗室在深度學習中投入的計算量急劇上升。

 

Etzioni希望人工智能研究社區(qū)能意識到這種權衡。另外，投資更高效的算法可以從可用的資源中獲得更多的利潤，并產生其他收益。“這不是一個或兩件事，我們只是想在這個領域取得更好的平衡。” 他說。

 

2014年，艾倫人工智能研究所由微軟聯(lián)合創(chuàng)始人保羅·艾倫(Paul Allen)與他人共同創(chuàng)立，專注于研究人工智能可能給人類帶來的幫助。目前主要專注于四個項目：名為Aristo的機器閱讀與推理程序、SemanticScholar語義理解搜索程序，Euclid自然語言理解程序和Plato計算機視覺程序。