Tháng 6 năm ngoái, các nhà nghiên cứu tại Đại học Massachusetts tại Amherst đã công bố một nghiên cứu gây sửng sốt ước tính rằng lượng năng lượng cần thiết cho việc đào tạo và tìm kiếm một kiến trúc mạng thần kinh nhất định có liên quan đến việc phát thải khoảng 626.000 pound carbon dioxide. Điều đó tương đương với gần năm lần lượng khí thải trung bình của một chiếc xe của Hoa Kỳ, bao gồm cả khâu sản xuất xe.

Vấn đề này thậm chí còn nghiêm trọng hơn trong giai đoạn triển khai mô hình, trong đó các mạng thần kinh sâu cần được triển khai trên các nền tảng phần cứng khác nhau, mỗi nền tảng có các thuộc tính và tài nguyên tính toán khác nhau.

Các nhà nghiên cứu MIT đã phát triển một hệ thống AI tự động mới để đào tạo và chạy các mạng thần kinh nhất định. Kết quả chỉ ra rằng, bằng cách cải thiện hiệu quả tính toán của hệ thống theo một số cách chính, hệ thống có thể cắt giảm lượng khí thải carbon có liên.

Hệ thống của các nhà nghiên cứu, đào tạo một mạng lưới thần kinh lớn bao gồm nhiều mạng con có kích thước khác nhau có thể được điều chỉnh theo các nền tảng phần cứng đa dạng mà không cần đào tạo lại. Điều này làm giảm đáng kể năng lượng thường được yêu cầu để đào tạo từng mạng thần kinh chuyên biệt cho các nền tảng mới - có thể bao gồm hàng tỷ thiết bị internet (vạn vật). Sử dụng hệ thống này để huấn luyện một mô hình thị giác máy tính, họ ước tính rằng quá trình này cần khoảng 1 / 1.300 lượng khí thải carbon so với các phương pháp tìm kiếm kiến trúc thần kinh hiện đại nhất hiện nay trong khi đó giảm thời gian suy luận xuống 1,5-2,6 lần.

Công việc được thực hiện trên Satori, một cụm máy tính hiệu quả do IBM tặng cho MIT, có khả năng thực hiện 2 triệu triệu phép tính mỗi giây.

ctngoc