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，識別語音，計算路況信息等等，但這些技術(shù)進步的背后可能意味著過多的計算量。

當(dāng)前，人工智能的發(fā)展主要依靠3個因素推進：算法創(chuàng)新、數(shù)據(jù)量，以及計算量。2018年，人工智能非營利組織OpenAI發(fā)布了一項研究稱，算法創(chuàng)新和數(shù)據(jù)往往難以跟蹤，但計算量卻可以量化，這就為測量AI發(fā)展進度提供了機會。研究跟蹤了2012年以來人工智能的計算量，得出的結(jié)論是訓(xùn)練大型模型所需的計算資源每三到四個月就會翻一番。相比之下，摩爾定律的周期為18個月。

除了OpenAI的研究外，據(jù)《MIT科技評論》報道，今年6月份，另一項研究發(fā)現(xiàn)，特別是開發(fā)大規(guī)模的自然語言處理模型可能會產(chǎn)生令人震驚的碳足跡。

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

換句話說，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)改進背后的成本增加。據(jù)專家預(yù)測，如果按照現(xiàn)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步也產(chǎn)生影響：導(dǎo)致需要大量計算資源才完成的科技成果在AI學(xué)術(shù)界享受特權(quán)。例如，這可能會將該領(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期進步項目。

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(xí)節(jié)能的新方法。AI2的研究人員建議，AI研究人員應(yīng)公布訓(xùn)練模型的財務(wù)和計算成本，以及他們的績效結(jié)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發(fā)高效機器學(xué)習(xí)算法領(lǐng)域。

艾倫人工智能研究院CEO Oren Etzioni認為，來自出版物和頂級會議的論文評審人應(yīng)該獎勵那些提高效率和準確性的研究。不過，他也指出，在人們對效率指標進行標準化之前，很難評估這種貢獻的重要性。

之所以在當(dāng)下提出這樣的方法，Etzioni稱是看到了近年來，一些科技公司研究實驗室在深度學(xué)習(xí)中投入的計算量急劇上升。

Etzioni希望人工智能研究社區(qū)能意識到這種權(quán)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@不是一個或兩件事，我們只是想在這個領(lǐng)域取得更好的平衡?！?他說。

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，專注于研究人工智能可能給人類帶來的幫助。目前主要專注于四個項目：名為Aristo的機器閱讀與推理程序、SemanticScholar語義理解搜索程序，Euclid自然語言理解程序和Plato計算機視覺程序。