Создан открытый инструмент для оценки углеродного следа моделей искусственного интеллекта

Библиотека определяет доступные устройства центральных и графических вычислительных процессоров, позволяет задать региональные нормы углеродной стоимости генерации электроэнергии и рассчитывает энергию во время исполнения кода на устройствах.

Знание энергетического баланса позволяет рассчитать, сколько каждый сеанс обучения той или иной модели искусственного интеллекта требует ресурсов и какой оставляет эквивалентный углеродный след. Библиотека Еco2AI позволяет отслеживать энергопотребление и углеродный след в процессе обучения моделей искусственного интеллекта, что создаёт дополнительную возможность для оптимизации и удешевления процессов их обучения.

Отслеживание динамики потребления энергоресурсов поможет исследователям оценивать количество необходимых для работы моделей параметров, максимально облегчать их архитектуры и развивать более оптимальные модели машинного обучения с точки зрения вычислительной сложности.

"Сбер в повестке устойчивого развития активно развивает инициативу Green AI, которая фокусируется на оптимизации ресурсов для глубокого обучения. Наша библиотека помогает отслеживать эффективность с точки зрения вычислительной сложности. Разумеется, наша разработка находится в открытом доступе, поскольку Сбер является одним из драйверов ESG-трансформации страны и заинтересован в том, чтобы и другие компании с огромными вычислительными мощностями могли воспользоваться нашей методикой и снизить свой углеродный след", - сказал Александр Ведяхин, первый заместитель Председателя Правления Сбербанка.

Заметили неточность или опечатку в тексте? Выделите её мышкой и нажмите: Ctrl + Enter. Спасибо!