طور الباحثون في جامعة ميشيغان أداة برمجية تسمى Perseus والتي تقلل بشكل كبير من استهلاك الطاقة في تدريب نماذج اللغة الكبيرة. تُظهر هذه الدراسة التي اخترقت ذلك أنه من خلال تحسين تخصيص الموارد أثناء التدريب ، يمكن تقليل استهلاك الطاقة بنسبة 30 ٪ دون التأثير على سرعة التدريب. هذه التكنولوجيا ليس لها فوائد اقتصادية مهمة فحسب ، بل يمكنها أيضًا تقديم مساهمات كبيرة في قضية حماية البيئة.
وجدت دراسة جديدة أجرتها جامعة ميشيغان أنه يمكن إكمال طريقة لتوفير العمالة لتدريب نماذج اللغة الكبيرة في نفس الوقت ، ولكن يمكن تقليل استهلاك الطاقة بنسبة 30 ٪. يمكن أن يوفر هذا النهج ما يكفي من الطاقة لتشغيل 1.1 مليون منزل الولايات المتحدة بحلول عام 2026.
قام الباحثون بتطوير أداة برمجية تسمى Perseus التي تحدد المسارات الحرجة ، وهي سلسلة من المهام الفرعية التي تستغرق أطول وقت لإكمالها. ثم يبطئ Perseus سرعات المعالج على المسارات غير الحرجة حتى يقوموا جميعًا بالمهمة في نفس الوقت ، مما يلغي استهلاك القوة غير الضروري.
قام الفريق باختبار Perseus من خلال تدريب GPT-3 ، وثلاثة نماذج لغة كبيرة أخرى ونموذج رؤية الكمبيوتر. أظهرت النتائج أن Perseus يمكن أن يقلل من استهلاك الطاقة في تدريب الذكاء الاصطناعي مع الحفاظ على نفس سرعة التدريب.
يقول الباحثون إن هذا النهج لتوفير العمل له أهمية كبيرة للاستخدام العادل للذكاء الاصطناعي. إذا لم يكن لدى أي بلد طاقة كافية لتشغيل نماذج كبيرة ، فقد يحتاجون إلى استخدام الخدمات عن بُعد أو يمكنهم تشغيل نماذج أصغر وأقل دقة فقط. قد تؤدي هذه الفجوة إلى تفاقم الفجوة بين المجتمعات المختلفة.
توضح هذه الدراسة أنه من خلال تحسين أساليب تدريب الذكاء الاصطناعي ، يمكن تقليل استهلاك الطاقة مع الحفاظ على نفس سرعة التدريب. هذا له أهمية كبيرة لتوفير الطاقة وتقليل بصمة الكربون.
توفر هذه الدراسة حلاً فعالاً لمشكلة كفاءة الطاقة في مجال الذكاء الاصطناعي ، وتمهد الطريق لتنمية أكثر استدامة للذكاء الاصطناعي ، وتوفر ضمانات مهمة للإنصاف وشمولية الذكاء الاصطناعي في المستقبل. لدى Perseus آفاق تطبيق واسعة ومن المتوقع أن يعزز تقدم تكنولوجيا الذكاء الاصطناعي والتطبيق الأوسع.