นักวิจัยที่มหาวิทยาลัยมิชิแกนได้พัฒนาเครื่องมือซอฟต์แวร์ที่เรียกว่า Perseus ซึ่งช่วยลดการใช้พลังงานของการฝึกอบรมแบบจำลองภาษาขนาดใหญ่อย่างมีนัยสำคัญ การศึกษาที่ก้าวหน้านี้แสดงให้เห็นว่าโดยการเพิ่มประสิทธิภาพการจัดสรรทรัพยากรในระหว่างการฝึกอบรมการใช้พลังงานสามารถลดลงได้ 30% โดยไม่ส่งผลกระทบต่อความเร็วในการฝึกอบรม เทคโนโลยีนี้ไม่เพียง แต่มีประโยชน์ทางเศรษฐกิจที่สำคัญ แต่ยังสามารถให้การสนับสนุนที่ดีต่อสาเหตุการคุ้มครองสิ่งแวดล้อม
การศึกษาใหม่โดยมหาวิทยาลัยมิชิแกนพบว่าวิธีการประหยัดแรงงานสำหรับการฝึกอบรมแบบจำลองภาษาขนาดใหญ่สามารถทำได้ภายในเวลาเดียวกัน แต่การใช้พลังงานสามารถลดลงได้ 30% วิธีการนี้สามารถประหยัดพลังงานเพียงพอที่จะใช้พลังงาน 1.1 ล้านบ้านในสหรัฐอเมริกาภายในปี 2569
นักวิจัยได้พัฒนาเครื่องมือซอฟต์แวร์ที่เรียกว่า Perseus ที่ระบุเส้นทางวิกฤตชุดย่อยที่ใช้เวลานานที่สุดในการดำเนินการให้เสร็จสมบูรณ์ จากนั้น Perseus จะชะลอความเร็วของโปรเซสเซอร์บนเส้นทางที่ไม่สำคัญเพื่อให้พวกเขาทำงานในเวลาเดียวกันกำจัดการใช้พลังงานที่ไม่จำเป็น
ทีมทดสอบ Perseus โดยการฝึกอบรม GPT-3 รูปแบบภาษาขนาดใหญ่อีกสามรุ่นและโมเดลการมองเห็นคอมพิวเตอร์ ผลการวิจัยพบว่า Perseus สามารถลดการใช้พลังงานของการฝึกอบรม AI ในขณะที่ยังคงความเร็วในการฝึกอบรมเดียวกัน
นักวิจัยกล่าวว่าวิธีการประหยัดแรงงานนี้มีความสำคัญอย่างยิ่งต่อการใช้ปัญญาประดิษฐ์อย่างยุติธรรม หากประเทศมีอำนาจไม่เพียงพอที่จะเรียกใช้โมเดลขนาดใหญ่พวกเขาอาจจำเป็นต้องใช้บริการระยะไกลหรือสามารถเรียกใช้รุ่นที่เล็กกว่าและแม่นยำน้อยกว่าเท่านั้น ช่องว่างนี้อาจทำให้ช่องว่างระหว่างชุมชนต่าง ๆ รุนแรงขึ้น
การศึกษาครั้งนี้แสดงให้เห็นว่าโดยการเพิ่มประสิทธิภาพวิธีการฝึกอบรม AI การใช้พลังงานสามารถลดลงได้ในขณะที่ยังคงความเร็วในการฝึกอบรมเท่ากัน นี่เป็นสิ่งสำคัญอย่างยิ่งสำหรับการประหยัดพลังงานและลดปริมาณการปล่อยก๊าซคาร์บอนไดออกไซด์
การศึกษาครั้งนี้เป็นวิธีการแก้ปัญหาที่มีประสิทธิภาพต่อปัญหาประสิทธิภาพการใช้พลังงานในด้านปัญญาประดิษฐ์ปูทางไปสู่การพัฒนาปัญญาประดิษฐ์ที่ยั่งยืนมากขึ้นและให้การรับประกันที่สำคัญสำหรับความยุติธรรมและความครอบคลุมของปัญญาประดิษฐ์ในอนาคต Perseus มีโอกาสในการใช้งานที่กว้างขวางและคาดว่าจะส่งเสริมความก้าวหน้าของเทคโนโลยีปัญญาประดิษฐ์และแอปพลิเคชันที่กว้างขึ้น