Esiste un modo semplice per ridurre drasticamente il consumo di energia dell’intelligenza artificiale

Essere più selettivi nei modelli di intelligenza artificiale che utilizziamo per le attività potrebbe potenzialmente far risparmiare 31,9 terawattora di energia solo quest’anno, equivalenti alla produzione di cinque reattori nucleari.

tiago da silva barros Lui e i suoi colleghi dell’Università della Costa Azzurra in Francia hanno esaminato 14 diversi compiti per i quali le persone utilizzano strumenti generici di intelligenza artificiale, che vanno dalla generazione di testo al riconoscimento vocale e alla classificazione delle immagini.

Hanno quindi esaminato le classifiche pubbliche, inclusa quella ospitata dall’hub di machine learning Hugging Face, per vedere come si comportavano i diversi modelli. L’efficienza energetica dei modelli durante l’inferenza – quando un modello AI genera una risposta – è stata misurata da uno strumento chiamato CarbonTracker e il consumo energetico totale di quel modello è stato calcolato monitorando i download degli utenti.

“Sulla base delle dimensioni del modello, abbiamo stimato il consumo energetico e su questa base possiamo provare a fare le nostre stime”, afferma da Silva Barros.

I ricercatori hanno scoperto che, in tutte e 14 le attività, il passaggio dal modello più performante a quello più efficiente dal punto di vista energetico per ciascuna attività ha ridotto il consumo di energia del 65,8%, rendendo il risultato solo del 3,9% meno utile: un compromesso che hanno suggerito potrebbe essere accettabile per il pubblico.

Poiché alcune persone utilizzano già il modello più economico, nel mondo reale le persone potrebbero ridurre il consumo energetico complessivo del 27,8% se passassero dal modello ad alte prestazioni a quello più efficiente dal punto di vista energetico. “Siamo rimasti sorpresi da quanto si sarebbe potuto risparmiare”, affermano i membri del team. Frederic Giroir Presso il Centro nazionale francese per la ricerca scientifica.

Tuttavia, da Silva Barros afferma che ciò richiederà un cambiamento sia da parte degli utenti che delle società di intelligenza artificiale. “Dobbiamo pensare a utilizzare modelli più piccoli, anche se perdiamo un po’ di prestazioni”, afferma. “E le aziende, quando sviluppano modelli, è importante che condividano alcune informazioni sul modello che consentano agli utenti di comprendere e valutare se il modello è troppo dispendioso in termini energetici.”

Alcune aziende di intelligenza artificiale stanno riducendo il consumo energetico dei loro prodotti attraverso un processo chiamato distillazione del modello, in cui modelli più grandi vengono utilizzati per addestrare modelli più piccoli. Dice che sta già avendo un impatto significativo cris prete All’Università di Bristol in Gran Bretagna. Ad esempio, Google ha recentemente affermato Miglioramento dell’efficienza energetica di 33 volte L’anno scorso in Gemelli.

Tuttavia, è improbabile che gli utenti scelgano il modello più efficiente “per limitare la crescita energetica dei data center, come suggeriscono gli autori, almeno nell’attuale bolla dell’intelligenza artificiale”. Dice il prete. “La riduzione dell’energia per segnale consentirà di servire più clienti più rapidamente con opzioni logiche più sofisticate”, afferma.

“L’utilizzo di modelli più piccoli può certamente portare a un minore consumo di energia nel breve termine, ma ci sono molti altri fattori che devono essere considerati quando si fanno qualsiasi tipo di proiezione significativa per il futuro”, afferma. Sasha Lucioni Sul viso che abbraccia. Lei avverte che gli effetti di rimbalzo, come l’aumento dell’uso, “devono essere presi in considerazione così come gli impatti più ampi sulla società e sull’economia”.

Lucioni spiega che qualsiasi ricerca in questo ambito si basa su stime e analisi esterne a causa della mancanza di trasparenza da parte delle singole aziende. “Abbiamo bisogno di maggiore trasparenza da parte delle società di intelligenza artificiale, degli operatori di data center e persino dei governi per eseguire questo tipo di analisi più complesse”, afferma. “Ciò consentirà ai ricercatori e ai responsabili politici di effettuare stime e decisioni informate”.