惊人:用AI模型生成一张图片,相当于给手机充满电
日期:2023-12-05 10:57:52 / 人气:281
惊人:用AI模型生成一张图片,相当于给手机充满电。“每次使用人工智能生成图像、写邮件或者向聊天机器人提问,都会消耗一定的资源(能量)。
事实上,根据人工智能初创公司Hugging Face和卡内基梅隆大学的研究人员最近的一项研究,使用人工智能模型生成的图像所消耗的能量与智能手机充满电所需的能量类似。
然而,他们发现使用人工智能模型生成文本消耗的能量要少得多。创作1000条文字所消耗的能量只能给手机充电16%左右。
他们的研究成果还有待同行评议。这项研究表明,尽管训练大规模人工智能模型是一项令人难以置信的能量密集型工作,但这只是挑战的一部分。他们的碳足迹大部分来自实际使用。
领导这项工作的拥抱脸人工智能研究员萨沙·卢乔尼(Sasha Luccioni)表示,这项研究是学术界首次计算使用人工智能模型执行不同任务所产生的碳排放。
她希望了解这些排放可以帮助我们做出明智的决定,并决定如何以更环保的方式使用人工智能。
Luccioni和她的团队研究了拥抱脸平台上10个最热门的人工智能任务的排放,如问答、文本生成、图像分类、字幕和图像生成。他们对88种不同的模型进行了实验。
对于每项任务,比如文本生成,Luccioni运行1000个提示,并使用她开发的名为Code Carbon的工具来测量所用的能源。Code Carbon通过查看计算机运行模型时消耗的能源来计算碳排放量。
该团队还使用了八个生成模型来计算完成这些任务所产生的排放,这些任务最初是为了完成不同的任务而训练的。
图像生成是能耗和碳密度最高的人工智能任务。使用强大的人工智能模型(如Stable Diffusion XL)生成1000张图像,产生的二氧化碳相当于开燃油车行驶4.1英里。
相比之下,他们发现碳密度最低的文本生成模型产生的二氧化碳相当于一辆汽车行驶0.0006英里。Stability AI是Stable Diffusion XL背后的公司,没有回应置评请求。
(来源:资料图)
德国海蒂学院(Hetty College)计算机科学和公共政策助理教授林恩·卡克(Lynn Kaack)没有参与这项研究,但她表示,这项研究通过给出具体数字,为人工智能的碳足迹提供了宝贵的见解,并揭示了一些令人担忧的上升趋势。
这些碳排放加起来很多。生成式人工智能的繁荣促使大型科技公司将强大的人工智能模型集成到许多不同的产品中,从电子邮件到文字处理。今天,这些生成式人工智能模型每天都被使用数百万甚至数十亿次。
这项研究发现,使用大型生成模型来创建输出,远比使用为特定任务量身定制的小型人工智能模型更耗能。
例如,在评估电影评论是正面还是负面并对其进行分类的任务中,大模型消耗的能量大约是专门为该任务创建的微调模型的30倍。
生成式人工智能模型消耗更多的能量,因为它们试图同时做很多事情,比如生成、分类和总结文本,而不是只做其中的一件事。
Luccioni表示,她希望这项研究能够鼓励人们在使用生成式人工智能时更加谨慎,尽量选择更专业、碳密集度更低的模型。
她说,“如果你正在开发一个特定的应用程序,比如在电子邮件中搜索……你真的需要这些可以做任何事情的大模型吗?”?我不这么认为。"
艾伦人工智能研究所的研究科学家杰西·道奇(Jesse Dodge)表示,研究与使用人工智能工具相关的能源消耗是了解其真实碳足迹的重要组成部分,但现在却缺失了。他没有参与这项研究。
他补充说,将更新更大的生成模型与旧的人工智能模型的碳排放进行比较也很重要。他说:“这凸显了一种观点,即新一波人工智能系统比我们两三年前看到的要碳密集得多。”
谷歌曾经估计,平均在线搜索将消耗0.3瓦时的电力,这相当于0.0003英里的车辆行驶。
麻省理工学院林肯实验室的研究科学家Vijay Gadepally没有参与这项研究,他说,今天的数字可能要高得多,因为谷歌已经将生成式人工智能模型集成到了搜索中。
研究人员不仅发现每项任务的排放量远高于他们的预期,还发现与使用人工智能相关的日常排放量远远超过了训练这些模型的排放量。
Luccioni测试了不同版本的拥抱脸多语言人工智能模型BLOOM,以了解需要使用多少次才能超过训练成本。
结果显示,超过5.9亿次使用可以达到训练其最大模型的碳成本。Luccioni表示,对于ChatGPT等非常受欢迎的模型,它们的使用排放只需要几周时间就可以超过它们的训练排放。
这是因为大型人工智能模型只训练一次,但可以在几十亿次后使用。根据一些估计,像ChatGPT这样受欢迎的模型每天有多达1000万用户,其中许多人不止一次地向模型发送提示。
Gedepali表示,这样的研究使得与人工智能相关的能源消耗和排放更加具体,并有助于提高人们对使用人工智能产生的碳足迹的认识。他补充道:“如果这成为消费者开始问的问题,我会非常高兴。”
道奇说,他希望这样的研究可以帮助我们让公司对他们的能源使用和排放承担更多的责任。他说:“需要对此负责的公司是那些正在创造模型并从中获利的公司。”
关于作者:梅丽莎·海基勒?)是《麻省理工科技评论》的资深记者。她专注于人工智能以及它如何改变我们的社会。此前,她在POLITICO上撰写了关于人工智能政策和政治的文章。她还为《经济学人》工作,并担任新闻主播。
支持:任”
事实上,根据人工智能初创公司Hugging Face和卡内基梅隆大学的研究人员最近的一项研究,使用人工智能模型生成的图像所消耗的能量与智能手机充满电所需的能量类似。
然而,他们发现使用人工智能模型生成文本消耗的能量要少得多。创作1000条文字所消耗的能量只能给手机充电16%左右。
他们的研究成果还有待同行评议。这项研究表明,尽管训练大规模人工智能模型是一项令人难以置信的能量密集型工作,但这只是挑战的一部分。他们的碳足迹大部分来自实际使用。
领导这项工作的拥抱脸人工智能研究员萨沙·卢乔尼(Sasha Luccioni)表示,这项研究是学术界首次计算使用人工智能模型执行不同任务所产生的碳排放。
她希望了解这些排放可以帮助我们做出明智的决定,并决定如何以更环保的方式使用人工智能。
Luccioni和她的团队研究了拥抱脸平台上10个最热门的人工智能任务的排放,如问答、文本生成、图像分类、字幕和图像生成。他们对88种不同的模型进行了实验。
对于每项任务,比如文本生成,Luccioni运行1000个提示,并使用她开发的名为Code Carbon的工具来测量所用的能源。Code Carbon通过查看计算机运行模型时消耗的能源来计算碳排放量。
该团队还使用了八个生成模型来计算完成这些任务所产生的排放,这些任务最初是为了完成不同的任务而训练的。
图像生成是能耗和碳密度最高的人工智能任务。使用强大的人工智能模型(如Stable Diffusion XL)生成1000张图像,产生的二氧化碳相当于开燃油车行驶4.1英里。
相比之下,他们发现碳密度最低的文本生成模型产生的二氧化碳相当于一辆汽车行驶0.0006英里。Stability AI是Stable Diffusion XL背后的公司,没有回应置评请求。
(来源:资料图)
德国海蒂学院(Hetty College)计算机科学和公共政策助理教授林恩·卡克(Lynn Kaack)没有参与这项研究,但她表示,这项研究通过给出具体数字,为人工智能的碳足迹提供了宝贵的见解,并揭示了一些令人担忧的上升趋势。
这些碳排放加起来很多。生成式人工智能的繁荣促使大型科技公司将强大的人工智能模型集成到许多不同的产品中,从电子邮件到文字处理。今天,这些生成式人工智能模型每天都被使用数百万甚至数十亿次。
这项研究发现,使用大型生成模型来创建输出,远比使用为特定任务量身定制的小型人工智能模型更耗能。
例如,在评估电影评论是正面还是负面并对其进行分类的任务中,大模型消耗的能量大约是专门为该任务创建的微调模型的30倍。
生成式人工智能模型消耗更多的能量,因为它们试图同时做很多事情,比如生成、分类和总结文本,而不是只做其中的一件事。
Luccioni表示,她希望这项研究能够鼓励人们在使用生成式人工智能时更加谨慎,尽量选择更专业、碳密集度更低的模型。
她说,“如果你正在开发一个特定的应用程序,比如在电子邮件中搜索……你真的需要这些可以做任何事情的大模型吗?”?我不这么认为。"
艾伦人工智能研究所的研究科学家杰西·道奇(Jesse Dodge)表示,研究与使用人工智能工具相关的能源消耗是了解其真实碳足迹的重要组成部分,但现在却缺失了。他没有参与这项研究。
他补充说,将更新更大的生成模型与旧的人工智能模型的碳排放进行比较也很重要。他说:“这凸显了一种观点,即新一波人工智能系统比我们两三年前看到的要碳密集得多。”
谷歌曾经估计,平均在线搜索将消耗0.3瓦时的电力,这相当于0.0003英里的车辆行驶。
麻省理工学院林肯实验室的研究科学家Vijay Gadepally没有参与这项研究,他说,今天的数字可能要高得多,因为谷歌已经将生成式人工智能模型集成到了搜索中。
研究人员不仅发现每项任务的排放量远高于他们的预期,还发现与使用人工智能相关的日常排放量远远超过了训练这些模型的排放量。
Luccioni测试了不同版本的拥抱脸多语言人工智能模型BLOOM,以了解需要使用多少次才能超过训练成本。
结果显示,超过5.9亿次使用可以达到训练其最大模型的碳成本。Luccioni表示,对于ChatGPT等非常受欢迎的模型,它们的使用排放只需要几周时间就可以超过它们的训练排放。
这是因为大型人工智能模型只训练一次,但可以在几十亿次后使用。根据一些估计,像ChatGPT这样受欢迎的模型每天有多达1000万用户,其中许多人不止一次地向模型发送提示。
Gedepali表示,这样的研究使得与人工智能相关的能源消耗和排放更加具体,并有助于提高人们对使用人工智能产生的碳足迹的认识。他补充道:“如果这成为消费者开始问的问题,我会非常高兴。”
道奇说,他希望这样的研究可以帮助我们让公司对他们的能源使用和排放承担更多的责任。他说:“需要对此负责的公司是那些正在创造模型并从中获利的公司。”
关于作者:梅丽莎·海基勒?)是《麻省理工科技评论》的资深记者。她专注于人工智能以及它如何改变我们的社会。此前,她在POLITICO上撰写了关于人工智能政策和政治的文章。她还为《经济学人》工作,并担任新闻主播。
支持:任”
作者:杏鑫娱乐
新闻资讯 News
- 年薪百万起不封顶!陶天凯抢ai顶...12-05
- Redmi K70E评测:青春版机身中...12-05
- 产能利用率低,台积电7nm降价10...12-05
- OpenAI内斗更多细节!奥特曼未...12-05