在人工智能资源需求快速增长的情况下 AI2会让绿色变得更容易

开发更强大的人工智能模型正在彻底改变世界，但它并不便宜。在一份新发布的立场文件中，西雅图艾伦人工智能研究所的研究人员认为，在评估研究时，应该更加重视能效。

AI2研究人员呼吁他们的同事报告与开发，训练和运行模型相关的“价格标签”，以及速度和准确性等其他指标。包括AI2在内的研究排行榜会定期评估AI软件的准确性，但它们并未解决获得这些结果所需的内容。

当然，尖端研究在各种领域都是昂贵的，从数十亿美元碰撞器的粒子物理到需要数百个DNA测序仪的遗传分析。在最终的研究中通常没有提到财务成本或能源使用。但AI2的首席执行官Oren Etzioni表示，时代正在发生变化 - 特别是随着能源吞噬科学实验的碳足迹变得更加令人担忧。

“对于许多科学界来说，这是一个持续的话题，报告成本的问题，”该职位论文的作者之一Etzioni告诉GeekWire。“我认为这里有所不同的是我们在用于AI模型开发的资源中看到的惊人升级”。

OpenAI的一项研究估计，由于越来越复杂的模型的快速发展，2012至2018年间深度学习顶层研究所需的计算资源增加了30万倍。“这比摩尔定律快得多，每三到四个月翻一番，”Etzioni说。

在能源需求方面，Etzioni不希望人工智能研究成为比特币采矿的方式，这已经给电力公司带来了压力。但这不仅仅是他担心的环境。运行Google DeepMind AlphaGo游戏学习计划等项目的财务成本每小时可超过1,000美元。

“有一个重要的包容性问题，不仅来自新兴经济体的人们，甚至学生，学者和创业公司，如果你需要，比如10亿美元......就可以越来越多地被排除在最前沿之外。”做尖端的人工智能研究，“他说。

AI2的研究人员强调，他们不是要求结束高资源，高成本的方法，他们称之为“红色人工智能”。相反，他们希望将“绿色人工智能”变得更加明亮 - 这是一种旨在实现目标的方法。以更高的效率进行尖端AI。

“如果你让人工智能更环保，它不仅会更便宜，而且会为更有效的技术开辟道路，进一步推动最先进的技术，”Etzioni说。

这些技术可以更接近于匹配人类大脑的工作方式，这在一般性能和效率方面远远超过任何AI模型。

“我们思考的碳足迹是沙拉，也许是偶尔的炸玉米饼，”Etzioni开玩笑说。

他和他的同事建议将达到特定结果所需的浮点运算总数作为研究论文的常规部分。他们认为，浮点运算或FPO可以作为计算能力的原始计数，并且比碳排放，电力使用或实时流逝更合理。

研究人员还可以跟踪准确度随预算的变化而增加的程度。他们写道：“报告这条曲线将使用户能够对他们选择的模型做出更明智的决定，并强调不同方法的稳定性。”

他们还赞扬公众发布预先培训的模型(如Google的BERT和XLNet模型)作为“绿色成功”的趋势。

研究人员写道：“我们希望鼓励组织继续发布模型，以便为其他人节省再培训费用。”

Etzioni说，自本周发布立场文件以来，他得到了积极的反馈，并希望更高效的研究模型能够带来更便宜，更高效的AI应用程序。AI2的衍生产品之一XNOR.ai 已经将能效作为其产品的优先考虑事项。

“部署非常重要，”Etzioni说。“我觉得那里有一个健康的经济激励。”