علم محرر موقع Downcodes أن الباحثين في جامعة ميشيغان قاموا بتطوير أداة برمجية تسمى Perseus يمكنها تقليل استهلاك الطاقة بشكل كبير في التدريب على نماذج اللغة الكبيرة. توفر هذه النتيجة البحثية الرائدة اتجاهًا جديدًا للتنمية المستدامة للذكاء الاصطناعي، ومن المتوقع أن تحل المخاوف المتزايدة بشأن استهلاك الطاقة في تدريب الذكاء الاصطناعي. من خلال تحديد المسارات الحرجة وتحسينها، يقلل Perseus من استهلاك الطاقة بنسبة 30% مع الحفاظ على نفس سرعة التدريب، وهو أمر ذو أهمية كبيرة لحماية البيئة واستخدام الموارد.
قام الباحثون بتطوير أداة برمجية تسمى Perseus من خلال تحديد المسار الحرج، وهي سلسلة المهام الفرعية التي تستغرق وقتًا أطول لإكمالها. يقوم Perseus بعد ذلك بإبطاء المعالجات على المسارات غير الحرجة حتى يتمكنوا جميعًا من إكمال عملهم في نفس الوقت، مما يلغي استهلاك الطاقة غير الضروري.
اختبر الفريق بيرسيوس من خلال تدريب جي بي تي-3، وثلاثة نماذج لغوية كبيرة أخرى، ونموذج رؤية حاسوبية. تظهر النتائج أن بيرسيوس يمكنه تقليل استهلاك الطاقة لتدريب الذكاء الاصطناعي مع الحفاظ على نفس سرعة التدريب.
ويقول الباحثون إن هذا النهج الموفر للعمالة له آثار مهمة على الاستخدام العادل للذكاء الاصطناعي. إذا لم يكن لدى بلد ما ما يكفي من الكهرباء لتشغيل نموذج كبير، فقد يحتاج إلى استخدام الخدمات عن بعد أو يقتصر على تشغيل نماذج أصغر وأقل دقة. وقد يؤدي هذا التفاوت إلى تفاقم الفوارق بين المجتمعات المختلفة.
وتظهر الدراسة أنه من خلال تحسين أساليب تدريب الذكاء الاصطناعي، يمكن تقليل استهلاك الطاقة مع الحفاظ على نفس سرعة التدريب. وهذا له آثار مهمة على توفير الطاقة وتقليل البصمة الكربونية.
لقد جلب ظهور بيرسيوس أملًا جديدًا للتنمية المستدامة في مجال الذكاء الاصطناعي. لا يمكن لاستراتيجيتها الفعالة للتحكم في استهلاك الطاقة توفير الكثير من الطاقة فحسب، بل يمكنها أيضًا تعزيز عدالة وشمولية تكنولوجيا الذكاء الاصطناعي، مما يساهم في تطويرها. الذكاء الاصطناعي العالمي. تستحق نتيجة البحث هذه اهتمامنا ودراستنا المتعمقة، وأعتقد أن المزيد من التقنيات المماثلة ستظهر في المستقبل، مما يدفع صناعة الذكاء الاصطناعي نحو مستقبل أكثر خضرة.