[ad_1]
Институт искусственного интеллекта AIRI представил открытую библиотеку Eco4cast, которая поможет снизить выбросы углекислого газа при обучении нейронных сетей. Это решение может уменьшить эмиссию CO2 до 90% в ресурсоемких вычислениях на Python, включая обучение больших ИИ-моделей.
Eco4cast прогнозирует временные интервалы, в которые происходят вычисления, и выбирает регионы с наименьшей углеродной стоимостью электроэнергии для проведения операций. Точность прогнозов обеспечивается нейронной сетью, которая анализирует данные об эмиссии и 20 погодных показателей в регионах.
Одной из ключевых особенностей Eco4cast является ее гибкость. Библиотеку можно запустить как локально, так и с помощью облачных сервисов, что позволяет перемещать вычисления между географическими зонами и минимизировать выбросы углекислого газа.
Институт AIRI предоставил доступ к исходному коду библиотеки на своем GitHub-профиле, что позволяет разработчикам изучать и использовать его для своих проектов.
Этот проект является значимым в развитии экологически ответственного подхода к использованию искусственного интеллекта. Иван Оселедец, СЕО Института искусственного интеллекта AIRI, подчеркнул важность энергетической эффективности процессов обучения алгоритмов. Он отметил, что использование технологий искусственного интеллекта должно не только стремиться к достижению качественных результатов работы моделей, но также оптимизировать сам процесс обучения с точки зрения энергопотребления. Eco4cast рассчитывает фактическое энергопотребление центральных и графических процессоров, а также устройств хранения данных и оценивает углеродный след с учетом региональных норм углеродной стоимости вырабатываемой электроэнергии.
Библиотека Eco4cast была создана при поддержке «Сбера», ученые использовали совместно разработанный ранее пакет мониторинга динамики энергопотребления ИИ-моделей под названием Eco2AI.
Изображение: Freepik
[ad_2]
Источник
