MEETUP #16: AI & Environment

W swoim wystąpieniu opowiem o idei zero-waste machine learning, czyli podejściu do uczenia maszynowego inspirowanemu zasadami gospodarki cyrkularnej. Zamiast ograniczać modele przez ich zmniejszanie czy redukcję zasobów, pokażę, jak można ponownie wykorzystywać obliczenia, częściowe informacje dostępne w trakcie działania systemu czy wiedzę zdobytą we wcześniejszych etapach uczenia. To podejście otwiera nowe możliwości zwiększania efektywności modeli przy jednoczesnym zmniejszeniu ich kosztów obliczeniowych. Podzielę się przykładami badań i potencjalnych zastosowań zarówno w nauce, jak i w przemyśle.

W tle wyścigu potężnych firm, ośrodków badawczych oraz całych państw o wypracowanie coraz doskonalszej sztucznej inteligencji są koszty. I to nie tylko te dla inwestorów a te środowiskowe, które ponoszą lokalne społeczności, a w efekcie też globalny klimat. Centra danych niezbędne do zapewniania coraz większych mocy obliczeniowych potrzebują potężnej dawki energii ale także wody. I oczywiście nie ma szans na to by wycofać się z tego powodu z prac nad AI. Ale jednak coraz bardziej masowe protesty wybuchające w kolejnych miejscach od Brazylii po Hiszpanię gdzie są plany budowy takich centrów zaczynaja nagłaśniać problem z jakim się mierzymy. Czy odpowiedzią na niego będzie... jeszcze więcej AI tym razem tworzonej tak by ograniczyć energo i wodożerność prac nad AI?