El impulso para una “inteligencia artificial verde” energéticamente eficiente requiere nuevas estrategias.
Un estadounidense promedio es responsable de aproximadamente 36,000 toneladas de emisiones de CO2 por año; la capacitación y el desarrollo de un modelo de traducción automática que utiliza una técnica llamada búsqueda de arquitectura neural fue responsable de aproximadamente 626,000 toneladas de CO2.
Desafortunadamente, estos llamados proyectos pueden ser incluso peores desde una perspectiva ambiental de lo que se informa, ya que el costo total de un proyecto en tiempo, energía y dinero suele ser un orden de magnitud más que el costo de generar el resultado final.
Muchos de estos proyectos están impulsando la ciencia en el procesamiento del lenguaje natural, la visión por computadora y otras áreas importantes de la inteligencia artificial. Si bien sus costos de carbono pueden ser significativos hoy en día, el potencial de impacto social positivo también es significativo, pero esta comunidad debe apuntar a reducir el consumo de energía al construir modelos de aprendizaje profundo.
Algunas sugerencias planteadas para llevar a la industria hacia la inteligencia artificial verde son:
- Enfatizar la reproducibilidad
- Aumentar el rendimiento del hardware
- Comprender el aprendizaje profundo
- Democratizar el aprendizaje profundo
- Asociarse más
Los años 2020 pueden ver avances increíbles en inteligencia artificial, pero en términos de infraestructura y uso eficiente de la energía, todavía estamos en la era pionera. A medida que avanza la investigación de inteligencia artificial, debemos insistir en que las mejores plataformas, herramientas y metodologías para construir modelos sean de fácil acceso y reproducibles. Eso conducirá a mejoras continuas en la inteligencia artificial con eficiencia energética.