你知道吗，训练一个人工智能模型的碳排放量相当于五辆汽车一生的排放量？减少环境影响的 5 个小窍门！

马萨诸塞大学阿默斯特分校的研究人员对训练几种常见的大型人工智能模型进行了生命周期评估。他们发现，这一过程会排放出超过 626,000 磅的二氧化碳，相当于一辆普通美国汽车（包括汽车本身的制造）生命周期排放量的大约五倍。

研究发现人工智能训练的碳足迹非常大，这是因为需要为用于训练模型的计算机提供能源。通过使用可再生能源为数据中心供电，可以减少与人工智能训练相关的碳排放。

高效算法可减少人工智能模型训练所需的能源，从而减少碳排放，例如，近似算法可为问题提供良好的解决方案，但不保证是最佳解决方案；或数据驱动算法根据数据进行训练。下表显示了使用两种优化算法的结果： 灵活启动该算法允许灵活处理人工智能工作量较短的作业，以及 暂停与恢复根据阈值暂停和恢复，适用于较长的作业。

在区域排放较高时暂停人工智能工作负荷，可以减少总排放。节省的费用可能非常可观，长时间运行可节省高达 25%的费用。短时间运行的节省率较低，因为加倍持续时间仍然相对较短。表格还显示，每小时暂停次数随模型大小而增加。这是因为较大的模型需要更多的计算能力，因此需要更长的时间来训练。

帮助减少人工智能培训碳排放的五个技巧和创新技术

1. 使用高能效硬件，包括 GPU。
   • 就某些工作负载而言，GPU 在每瓦功耗方面比 CPU 更节能。GPU 可用于更快地训练人工智能模型，因此能耗低于纯 CPU 环境。
   • 液体冷却可用于更有效地冷却计算硬件，从而降低数据中心的能耗和排放。它还能降低高达 50% 的噪音，创造更舒适的工作环境。与空气冷却相比，液体冷却器更易于维护，而且不易损坏。
2. 优化数据中心，提高能效。 有几种方法可以减少数据中心所需的能源，如使用自由空气冷却，从而降低 PUE。更高效的冷却系统：传统的风冷数据中心需要消耗大量能源来冷却服务器。
   • 更高效的电源：传统电源的效率可能很低，会浪费多达 20% 的能源。确保使用钛或白金电源。
   • 更高效的服务器：使用可共享资源的多节点服务器，从而降低每台服务器的总体能耗。
3. 利用可再生能源为人工智能培训提供动力。专注于人工智能培训的数据中心可以使用可再生能源供电：太阳能或风能。
4. 提高人工智能训练的效率。量子计算、尖峰神经网络、联合学习、迁移学习和神经架构搜索等创新技术可以提高人工智能训练的效率，降低能耗。
5. 使用预训练模型。预训练模型已在大型数据集上进行过训练，无需从头开始开发，这样会消耗能源。

遵循以下提示，让人工智能更具可持续性。