Editor Downcodes mengetahui bahwa para peneliti di Universitas Michigan telah mengembangkan perangkat lunak bernama Perseus yang dapat secara signifikan mengurangi konsumsi energi untuk pelatihan model bahasa berukuran besar. Hasil penelitian terobosan ini memberikan arah baru bagi pengembangan kecerdasan buatan yang berkelanjutan dan diharapkan dapat mengatasi kekhawatiran yang berkembang mengenai konsumsi energi pelatihan kecerdasan buatan. Dengan mengidentifikasi dan mengoptimalkan jalur kritis, Perseus mengurangi konsumsi energi sebesar 30% sambil mempertahankan kecepatan pelatihan yang sama, yang sangat penting bagi perlindungan lingkungan dan pemanfaatan sumber daya.
Para peneliti mengembangkan perangkat lunak yang disebut Perseus dengan mengidentifikasi jalur kritis, rangkaian subtugas yang membutuhkan waktu paling lama untuk diselesaikan. Perseus kemudian memperlambat prosesor pada jalur yang tidak kritis sehingga semuanya dapat menyelesaikan pekerjaannya pada saat yang sama, sehingga menghilangkan konsumsi daya yang tidak perlu.
Tim menguji Perseus dengan melatih GPT-3, tiga model bahasa besar lainnya, dan model visi komputer. Hasilnya menunjukkan bahwa Perseus dapat mengurangi konsumsi energi pelatihan AI dengan tetap mempertahankan kecepatan pelatihan yang sama.
Para peneliti mengatakan pendekatan penghematan tenaga kerja ini memiliki implikasi penting bagi keadilan penggunaan kecerdasan buatan. Jika suatu negara tidak memiliki cukup listrik untuk menjalankan model listrik berukuran besar, negara tersebut mungkin perlu menggunakan layanan jarak jauh atau dibatasi hanya untuk menjalankan model yang lebih kecil dan kurang akurat. Kesenjangan ini selanjutnya dapat memperburuk kesenjangan antar komunitas.
Studi tersebut menunjukkan bahwa dengan mengoptimalkan metode pelatihan AI, konsumsi energi dapat dikurangi dengan tetap mempertahankan kecepatan pelatihan yang sama. Hal ini memiliki implikasi penting dalam menghemat energi dan mengurangi jejak karbon Anda.
Kemunculan Perseus telah membawa harapan baru bagi pembangunan berkelanjutan di bidang AI. Strategi pengendalian konsumsi energi yang efisien tidak hanya menghemat banyak energi, tetapi juga mendorong keadilan dan inklusivitas teknologi AI, serta berkontribusi terhadap pengembangan teknologi AI. AI global. Hasil penelitian ini patut mendapat perhatian dan kajian mendalam. Saya yakin akan lebih banyak teknologi serupa yang muncul di masa depan, mendorong industri AI menuju masa depan yang lebih ramah lingkungan.