Microsoft et AI2 se sont associés à la Green Software Foundation sur des outils de création d'applications sensibles au carbone

Pendant longtemps, les scientifiques se sont inquiétés de l’empreinte carbone toujours croissante. L’Organisation météorologique mondiale a récemment déclaré que la température mondiale avait 50 % de chances de dépasser 1,5 degré Celsius au cours des cinq prochaines années. Les scientifiques pensent que cela devrait être la limite supérieure pour éviter un changement climatique catastrophique. Ils croient que même si les humains atteignent ce seuil à long terme, la qualité de vie humaine et les autres écosystèmes de soutien subiront d’énormes bouleversements. On pense que l’IA durable a la capacité de minimiser les émissions de carbone. Cela peut être accompli en incorporant des énergies renouvelables dans le réseau électrique ou en réduisant le coût de la capture du carbone. Plusieurs personnes ont aujourd’hui un accès sans précédent à la puissance de calcul, grâce à l’essor de l’apprentissage automatique. Cependant, les exigences informatiques de ces charges de travail peuvent avoir un coût élevé en termes d’énergie. En conséquence, des recherches en cours sont menées pour garantir que les modèles d’IA utilisent mieux les ressources informatiques et énergétiques. Étant donné que les émissions de carbone se produisent lorsque l’électricité n’est pas sans carbone, l’énergie est similaire à une empreinte carbone réelle. L’intensité carbone d’un réseau peut varier selon le lieu et le temps et est sensible à de légers changements dans une génération à forte intensité de carbone. En raison des fluctuations de la consommation électrique, cette intensité carbone varie considérablement au fil du temps et des saisons. Cela ouvre la possibilité de profiter de tels écarts. C’est ce qu’on appelle l’informatique sensible au carbone.

Savoir quelles activités sont possibles et leur influence peut aider les utilisateurs à prendre des décisions éclairées sur la réduction de l’empreinte carbone de leur charge de travail. La Green Software Foundation est un groupe intersectoriel travaillant à définir un ensemble de personnes, de normes et de technologies qui rendront cela possible. Les utilisateurs et les fournisseurs de cloud ne peuvent pas agir efficacement sans un cadre uniforme pour mesurer les émissions de carbone opérationnelles à un niveau granulaire. Pour résoudre ce problème, les chercheurs de Microsoft et AI2 ont travaillé avec l’Université hébraïque, l’Université Carnegie Mellon et Hugging Face pour utiliser la définition de la Green Software Foundation pour mesurer l’intensité carbone du logiciel (SCI) afin de calculer les émissions de carbone opérationnelles des charges de travail Azure AI. À l’aide des données de WattTime, cela a été accompli en multipliant la consommation d’énergie d’une charge de travail cloud par l’intensité carbone du réseau qui alimente le centre de données. Le SCI utilise une technique de comptabilisation du carbone « conséquentielle », qui cherche à quantifier la variation marginale des émissions résultant de décisions, d’interventions ou d’activités. Pour comprendre le SCI relatif d’un large éventail de modèles ML, 11 expériences distinctes ont été réalisées sur des estimations de sources égales d’émissions. Un examen d’une variété d’activités qu’un utilisateur peut entreprendre pour réduire son SCI en utilisant des tactiques soucieuses du carbone a également été effectué. Il a été découvert que la sélection d’une région géographique appropriée est le facteur le plus crucial, car elle peut minimiser le SCI de plus de 75 %. Il a également été montré que l’heure de la journée a une influence primordiale puisqu’il existe un potentiel de réduction considérable pour capitaliser sur les fluctuations diurnes de l’intensité carbone en fonction de la durée du travail. Pour réduire l’impact carbone, les charges de travail peuvent être dynamiquement suspendues lorsque l’intensité carbone est élevée et reprises lorsque les émissions sont faibles.

Il convient de noter que ces estimations d’économies et de carbone d’exploitation sont basées sur un seul cycle d’entraînement. Pour calculer l’empreinte carbone globale de l’IA, il faut examiner l’ensemble du cycle de vie d’un modèle ML. Les premières phases de formation exploratoire, le réglage des hyperparamètres, le déploiement et la surveillance du modèle final entreraient tous dans cette catégorie. Les principaux fournisseurs de cloud computing, tels que Microsoft, utilisent déjà des mécanismes basés sur le marché tels que les crédits d’énergie renouvelable (REC) et les accords d’achat d’électricité pour alimenter leurs centres de données de cloud computing avec une énergie neutre en carbone (PPA). Alors que les entreprises et les développeurs se mobilisent, des outils centralisés et interopérables sont nécessaires pour rendre cela possible à grande échelle. Le SDK Carbon-Aware Core de la Green Software Foundation est un nouveau projet open source qui vise à créer un noyau flexible, agnostique et ouvert. En conséquence, des capacités natives sensibles au carbone peuvent être intégrées dans les logiciels et les systèmes. “Measuring the Carbon Intensity of AI in Cloud Instances”, une étude des chercheurs, montre comment les fournisseurs de cloud offrant des informations sur l’intensité carbone des logiciels de manière exploitable permettraient aux développeurs et aux consommateurs de réduire l’empreinte carbone de leurs charges de travail d’IA. Cela nécessite le développement d’outils de mesure interopérables ; ce n’est qu’alors que des politiques efficaces de gestion du carbone pourront être élaborées. Étant donné que le potentiel de ce projet s’étend au-delà des charges de travail d’apprentissage automatique, l’équipe invite les développeurs et d’autres universitaires à contribuer à l’open source.

This Article is written as a summary article by Marktechpost Staff based on the paper 'Measuring the Carbon Intensity of AI in Cloud Instances'. All Credit For This Research Goes To Researchers on This Project. Checkout the paper, article.

Please Don't Forget To Join Our ML Subreddit