Die Datenverarbeitung erfordert viel Energie, und Forscher der University of Massachusetts in Amhurst stellten fest, dass das Erlernen eines einzelnen Algorithmus für maschinelles Lernen so viel Kohlendioxid ausstoßen kann. Kohlenstoff von fünf durchschnittlichen amerikanischen Autos über ihren gesamten Lebenszyklus (einschließlich ihrer Herstellung).
In einem kürzlich veröffentlichten Artikel sagt das Team, dass das Verfahren mehr als 626,000 Pfund CO2-Äquivalent produzieren kann.
Prozessoren verbrauchen viel Saft, aber die gesamte Kühlung, die erforderlich ist, um eine Überhitzung zu vermeiden.
Wie das Team betont, umfassen Algorithmen für maschinelles Lernen häufig die Verwendung von Supercomputern über Wochen oder sogar Monate hinweg. Ein Teil der verbrauchten Energie könnte aus erneuerbaren Energien (Sonne, Wind und Gezeiten) stammen, die überwiegende Mehrheit jedoch nicht.
Es ist auch nicht möglich, die Produktion erneuerbarer Energien plötzlich zu erhöhen, um die gestiegene Nachfrage zu befriedigen. Wenn ein Supercomputer Energie verbraucht, müssen die Lieferanten mehr fossile Brennstoffe verbrennen, um diese zu befriedigen.
Gehirn-Exodus
Insbesondere hat das Team Algorithmen für maschinelles Lernen für die Verarbeitung natürlicher Sprache untersucht, die zunehmend an Bedeutung gewinnen, da sich die Schnittstellen von Tastaturen und Displays wegbewegen, um von der Spracherkennung zur Spracherkennung zu gelangen. Sprachsynthese auf Geräten wie Smart-Lautsprechern.
Und dies ist nur die Erstausbildung; Durch die Weiterentwicklung des Algorithmus wird mehr CO2 erzeugt.
"Wir empfehlen eine konzertierte Anstrengung von Industrie und Wissenschaft, um die Suche nach effizienteren Algorithmen für die Datenverarbeitung sowie nach Geräten mit geringerem Stromverbrauch zu fördern", schloss Dr. # 39; Mannschaft.
Durch technologische Überprüfung.
