PHA:有没有更环保的方式来训练AI？_ALP

机器学习正在改变世界，并且正在快速改变它。在过去的几年中，它为我们带来了虚拟助手，他们能够理解语言，自动驾驶汽车，新药发现，基于AI的医学扫描分类，手写识别等。

机器学习不应该改变的一件事就是气候。

这个问题与机器学习的发展方式有关。为了使机器学习能够准确地做出决策和预测，需要对其进行“培训”。

想象一下一个在线销售鞋的市场，人们试图在网站上出售其他商品时遇到了麻烦。市场所有者决定通过构建可识别鞋子照片的AI并拒绝图片中没有鞋子的任何列表来将网站限制为仅鞋子。

美国SEC称法院应允许对 \"Let's Go Brandon\"发出传票:金色财经报道，在周四提交的法庭文件中，美国证券交易委员会要求法院驳回一项动议，该动议要求撤销有关其调查保守派memecoin \"Let's Go Brandon\"是否为证券的传票。

今年1月，该机构传唤了迈阿密对冲基金经理James Koutoulas，他也是LGBcoin基金会的受托人。在该机构今年早些时候发出传票后，Koutoulas起诉了SEC，称LGBcoin不是证券，因此不违反证券法。但SEC辩称，Koutoulas对其调查的质疑缺乏足够的理由来撤销传票。[2023/7/15 10:56:30]

该公司收集了成千上万张鞋子的照片，以及不穿鞋子的类似数量的照片。它雇用数据科学家来设计复杂的数学模型并将其转换为代码。然后他们开始训练他们的鞋检测机器学习模型。

四月加密货币衍生品市场份额创历史新高:金色财经报道，四月中心化加密货币交易所的衍生品交易量下降，但现货交易量更是大幅下降，导致衍生品市场份额达到历史新高。尽管绝对衍生品交易量下降了23.3%,至2.15万亿美元，但加密货币衍生品市场份额仍高达77.6%,达到历史新高。推动市场份额进一步上升的是现货交易量的大幅下降，降至6210亿美元。币安是最大的衍生品交易平台，占市场份额的61.4%。OKX和ByBit紧随其后，分别以15%和14.6%的市场份额位居第二和第三。[2023/5/11 14:56:24]

这是至关重要的部分：计算机模型会查看鞋子的所有图片，并尝试找出使鞋子“发亮”的原因。非鞋子图片没有什么呢？无需太费劲地浪费技术细节，此过程需要大量的计算资源和时间。训练精确的机器学习模型意味着在对模型进行训练，调整和完善后，可以全天候，连续24周或数月全天候运行多个芯片。

美国受托人对FTX聘请纽约律师事务所Sullivan and Cromwell提出异议:金色财经报道，一名美国受托人对FTX聘请纽约律师事务所Sullivan and Cromwell提出异议。

美国受托人安德鲁·瓦拉（Andrew Vara）于1月13日提交的文件称，由于Sullivan and Cromwell此前与破产的加密交易所有联系，可能存在利益冲突。它写道：“S&C提交的披露完全不足以评估S&C是否符合破产法的无冲突和无利益标准。”[2023/1/15 11:12:26]

除了时间和金钱，人工智能培训还消耗大量精力。现代计算机芯片闲置时仅使用最小的功率，但是当它们满负荷工作时，它们可能会通过电燃烧，产生大量的废热）。

任何主要的能源使用都会对气候变化产生影响，因为我们的大部分电力仍来自化石燃料，燃烧时会产生二氧化碳。一个最近的一项研究从马萨诸塞大学声称，培养一个高级语言处理AI产生的CO2626,000lb，相同数量的五辆汽车会产生在其一生！

实际上，加拿大蒙特利尔学习算法研究所的一个团队于去年12月发布了机器学习排放计算器，以帮助AI领域的研究人员估算训练他们的机器学习模型时会产生多少碳。

随着数据科学家和工程师通过向他们投入更多的精力，使用更大，更昂贵的计算来解决难题而不是专注于效率来解决更复杂的AI问题，这一问题变得越来越严重。

GPT-3是OpenAI最近发布的基于AI的语言模型，它在45TB的文本数据上进行了培训这种功能强大的机器学习技术的成本仍然未知。

公平地说，其他计算过程也处于令人担忧的轨道上。ICT专家AndersAndrae的一项研究发现，根据他最乐观的预测，到2030年，提供Internet，视频，语音和其他云服务的ICT行业将占全球能源总需求的8％，而他的现实预测将这一数字提高到21％-数据中心使用了三分之一以上的数据。

马萨诸塞州大学为减少AI培训而造成的浪费的一项重要建议是“工业界和学术界共同努力促进对计算效率更高的算法以及需要更少能源的硬件的研究”。

也可以使用软件来提高硬件效率，从而降低AI模型所需的计算能力，但最大的影响可能来自数据中心本身对可再生能源的使用。据说，Facebook的丹麦欧登塞数据中心完全使用可再生能源。Google拥有自己的节能数据中心，例如位于芬兰哈米纳的一个数据中心。

从长远来看，随着世界工业经济摆脱化石燃料的使用，计算负荷与二氧化碳生产之间的联系可能会被打破，并且所有机器学习都将实现碳中和。甚至更长期，更深入的天气和气候模式学习也可以帮助人类更好地了解如何应对甚至逆转气候变化。

但是在此之前，负责任的企业应考虑其新技术的碳影响，并采取措施通过提高开发，软件和硬件的效率来衡量其模型开发的碳成本。

标签：PHAALPHALPHAALPphala币怎么挖矿Alpha5alpha币交流群ALPACA币

FIL币热门资讯