Da tempo è in corso una discussione sulle emissioni prodotte dal deep learning, per la precisione dall’impatto ambientale delle risorse computazionali usate per addestrare i moderni modelli AI. Basti pensare che per addestrare il modello di NLP GPT-3, con i suoi 175 miliardi di parametri, sarebbe servita una potenza di 36400 petaflop/s al giorno (vedere la tabella a pag. 46). 1 petaflop/s al giorno equivale a far girare 8 GPU V100 a piena efficienza per un giorno intero.
Ora tre ricercatori hanno presentato Green Algorithms, un motore che consente di calcolare l’impatto ambientale dei propri modelli di machine learning (qui la ricerca). Il servizio calcola il fabbisogno energetico di qualsiasi algoritmo considerando il suo “tempo di funzionamento, il numero, il tipo e il tempo di elaborazione dei core, la quantità di memoria mobilitata e l’assorbimento di queste risorse”.
Il modello tiene conto anche dell’efficienza energetica del centro dati, come l’illuminazione, il riscaldamento o la corrente. L’impatto ambientale viene valutato calcolando l’intensità di carbonio, ovvero l’impronta di carbonio nella produzione di 1 kWh di energia.
Per provarlo: Green Algorithms – How green are your computations?
Maggiori info: Green Algorithms: Quantifying the Carbon Emissions of Computation (Research Summary)
