人工智能(AI)技能的环境影响，近期引发了人们的遍及重视——我深信，这也将成为AI在未来十年内的一大中心难题。这场对话始于艾伦AI研讨所的最新研讨，他们建议优先考虑“绿色AI”的完结通道，即更多重视AI系统的动力功率。

这项研讨的动机在于，艾伦研讨所发现现在AI范畴的各类严重前进背面，都有惊人的碳排放量作为支撑。OpenAI宣布于2018年的博文指出，自2012年以来，全球超大规划AI练习所带来的核算量增长了30万倍。尽管该文没有核算模型练习带来的碳排放，但有人敏锐发现了问题中心并给出答案。依据Emma Strubel及其搭档宣布的论文，美国人均匀每年排放二氧化碳约3万6千吨。与之对应，练习并开发一套运用神经结构查找技能的机器翻译模型，总计将发生62万6千吨二氧化碳。

惋惜的是，从环境视点来看，这些所谓“赤色AI”项目形成的实践成果或许比陈述上的愈加糟糕。实践上，AI项目的时刻、动力以及资金总本钱一般要比带来终究效果的阶段性本钱高出一个数量级。

现实状况在于，赤色AI项目还存在重要度、很多会集的趋势(例如开发新式方针检测模型以改进杂乱环境中的自主导航才干，或许从很多非结构化Web数据中学习富文本表明等)，这意味着只要大型科技企业以及一部分学术组织才有才干把握如此巨大的核算资源。换言之，超大的数据规划与昂扬的核算本钱，将导致小体量玩家彻底插不上手。

那么，咱们该怎么推进绿色AI的开展?或许说，咱们应不应该不惜代价优先推进绿色AI项目?

赤色AI纷歧定是坏事

当今，大部分所谓“赤色AI”项目，都将方针定在推进自然语言处理、核算机视觉以及其他重要AI范畴的科学开展层面。尽管这类项目的碳本钱的确可观，但对社会发生的活跃影响相同值得等待。

例如，人类基因组计划(HGP)花费27亿美元，耗时长达13年，制作出完好的人类基因组图。业界曾有观念，以为人类基因组计划过分杂乱、本钱昂扬并且短少短时刻内带来科学打破的潜力。但现在，咱们彻底可以使用测序技能在数小时内制作出特定个别的基因组图，本钱约为100美元。而这项技能的存在，正是以人类基因组计划的首要效果(参阅基因组)为条件。尽管最初的计划功率低下，但仍为未来或许全面完结的个性化医疗铺平了路途。

相同，衡量赤色AI项目的本钱与效果也至关重要。赤色AI试验带来的很多产出(例如，用于方针辨认的图画表明，以及自然语言处理中的单词嵌入)也有望在更广泛的使用中发挥巨大的推进效果。

通往绿色AI的路途

但不管具有怎样的潜在科学报答，赤色AI项目都注定存在不行持续性，由此带来的环境问题终将扼杀全部。依然以之条件到的项目为例，人类基因组计划尽管成功完结了人类基因测序作业，但只要本钱更低的新式DNA猜测技能才有或许使其真实得到推行。换言之，AI社区有必要在构建深度学习模型时，充沛考虑到彻底能耗的必要性。

下面我同享一点个人拙见，聊聊推进职业转向绿色AI的几个可行过程：

着重可重复性：可重复性与中心效果的同享，关于前进AI开发功率至关重要。AI研讨效果一般不会揭露代码，不然其他研讨人员会发现自己即便把握相同的代码也无法完结成果重现。此外，研讨人员在开源作业中或许面临种种内部妨碍。正是这些要素，导致现在人工智能范畴的开展依然以赤色AI项目为主导——这类项目可以用“暴力”处理可重复性问题，一起阻挠全部有用同享。但状况正在缓慢改变，NeruIPS等主影响力会议现已在要求参会者提交可重复的代码与研讨论文。

前进硬件功能：最近几年，专用型硬件迎来了一大波迅猛开展，它们不仅在深度学习使命傍边带来更佳的功能水平，一起也明显增强了动力功率(即每瓦功能产出)。AI社区关于GPU的旺盛需求，促进谷歌公司开宣布TPU，并将其面向芯片商场协助用户打造归于自己的专用计划。在接下来的几年内，信任英伟达、英特尔、SambaNova、Mythic、Graphcore以及Cerebras等厂商都将把硬件规划方针会集在AI类作业负载层面。

了解深度学习：咱们都知道深度学习技能行之有用，但这项现已具有数十开展前史的技能之上，依然笼罩着层层迷雾。现在的研讨集体并不彻底了解深度学习为何有用以及怎么起效。揭开深度学习背面的根底科学，并对其优势及局限性做出正确表征，无疑有助于协助从业者开宣布愈加精确高效的模型计划。

深度学习民主化：将深度学习的精确度极限面向新的高度当然令人兴奋，但俗语常说，“完美是优异的天敌。”现有模型在广泛对接使用场景时现已具有足够的精确度，并且简直各个职业及科学范畴都可以从深度学习东西中获益。假如各个范畴的人们都能接触到这项技能，咱们肯定可以在功能与能效等层面迎来很多令人惊奇的立异。

加强协作：世界上大多数企业都没有构建AI技能系统的才干，但这些企业的领导者现已意识到，他们有必要将AI甚至深度学习技能介入未来的产品与服务傍边。企业应当活跃与草创公司、孵化器项目以及高校树立协作伙伴关系，防止孤军独战面临AI开展战略这一强敌。

尽管今日咱们常常能在硅谷的大街上看到跑来跑去的无人驾驶轿车，并心生一种技能顶峰已然到来的幻觉——但请醒醒，咱们的AI探索之旅才刚刚迈出第一步。

在航空范畴，二十世纪初的飞翔“前锋年代”表现出重要项目散布于世界各地，但全体开展十分缓慢的特征。而到五十年后的飞翔“喷气年代”，航空业阅历了新的持续开展新周期——飞机变得更大、更安全、更快也更省油。为什么?由于工程学(例如涡轮发动机)与社会结构(例如监管组织)的根本性前进，为飞翔的民主化前进带来了必要的完结条件与推行根底。

2020年代，AI技能有望取得更令人难以置信的前进。但就根底设施与动力使用功率来看，咱们恐怕仍处于“前锋年代”。跟着AI研讨的开展，咱们有必要尽力为模型打造出最佳渠道、东西与办法，保证其易于拜访且可以轻松重现。只要这样，高能效AI才干取得不断前进的动力。