人工智能技術(shù)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(yǔ)音，計算路況信息等等，但這些技術(shù)進(jìn)步的背后可能意味著(zhù)過(guò)多的計算量。

當前，人工智能的發(fā)展主要依靠3個(gè)因素推進(jìn)：算法創(chuàng )新、數據量，以及計算量。2018年，人工智能非營(yíng)利組織OpenAI發(fā)布了一項研究稱(chēng)，算法創(chuàng )新和數據往往難以跟蹤，但計算量卻可以量化，這就為測量AI發(fā)展進(jìn)度提供了機會(huì )。研究跟蹤了2012年以來(lái)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(gè)月就會(huì )翻一番。相比之下，摩爾定律的周期為18個(gè)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，特別是開(kāi)發(fā)大規模的自然語(yǔ)言處理模型可能會(huì )產(chǎn)生令人震驚的碳足跡。

之所以會(huì )產(chǎn)生這樣的趨勢，是由于大多數的研究團隊都更看重最新技術(shù)水平的研發(fā)，而不考慮開(kāi)發(fā)成本。

換句話(huà)說(shuō)，這些研究團隊更愿意對外表明自己技術(shù)提高了多少，而不愿意透露技術(shù)改進(jìn)背后的成本增加。據專(zhuān)家預測，如果按照現有的發(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(jìn)步也產(chǎn)生影響：導致需要大量計算資源才完成的科技成果在A(yíng)I學(xué)術(shù)界享受特權。例如，這可能會(huì )將該領(lǐng)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(cháng)期進(jìn)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(xué)習節能的新方法。AI2的研究人員建議，AI研究人員應公布訓練模型的財務(wù)和計算成本，以及他們的績(jì)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(kāi)發(fā)高效機器學(xué)習算法領(lǐng)域。

艾倫人工智能研究院CEO Oren Etzioni認為，來(lái)自出版物和頂級會(huì )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(guò)，他也指出，在人們對效率指標進(jìn)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(chēng)是看到了近年來(lái)，一些科技公司研究實(shí)驗室在深度學(xué)習中投入的計算量急劇上升。

Etzioni希望人工智能研究社區能意識到這種權衡。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(chǎn)生其他收益?！斑@不是一個(gè)或兩件事，我們只是想在這個(gè)領(lǐng)域取得更好的平衡?！?他說(shuō)。

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(zhuān)注于研究人工智能可能給人類(lèi)帶來(lái)的幫助。目前主要專(zhuān)注于四個(gè)項目：名為Aristo的機器閱讀與推理程序、SemanticScholar語(yǔ)義理解搜索程序，Euclid自然語(yǔ)言理解程序和Plato計算機視覺(jué)程序。