विजय गडपालीMIT लिंकन प्रयोगशाला में वरिष्ठ स्टाफ सदस्य, कई परियोजनाओं का नेतृत्व करता है लिंकन प्रयोगशाला (LLSC) एक कंप्यूटिंग प्लेटफॉर्म बनाने के लिए, और कृत्रिम बुद्धिमत्ता प्रणाली जो उन पर चलती है, अधिक कुशल। यहां, एआई, इसके छिपे हुए पर्यावरणीय प्रभाव और लिंकन प्रयोगशाला और लिंकन लाइब्रेरी और लिंकन लाइब्रेरी और रोजमर्रा के उपकरणों में लिंकन लाइब्रेरी बनाने के भविष्य के लिए उत्सर्जन को कम करने के कुछ तरीके हैं।
क्यू: कंप्यूटिंग में एआई का उपयोग कैसे किया जाता है, इसके संदर्भ में आप क्या रुझान देख रहे हैं?
ए: जेनेरिक एआई एमएल सिस्टम में डेटा इनपुट के आधार पर छवियों और पाठ जैसी नई सामग्री बनाने के लिए मशीन लर्निंग (एमएल) का उपयोग करता है। LLSC में हम दुनिया के कुछ सबसे बड़े शैक्षिक कंप्यूटिंग प्लेटफार्मों को डिजाइन और बनाते हैं, और पिछले कुछ वर्षों में हमने उन परियोजनाओं का एक विस्फोट देखा है जिनके लिए AI उत्पन्न करने के लिए उच्च-प्रदर्शन कंप्यूटिंग की आवश्यकता होती है। हम यह भी देख रहे हैं कि आम तौर पर एआई सभी प्रकार के क्षेत्रों और डोमेन को कैसे बदल रहा है – उदाहरण के लिए, चैटगैप पहले से ही कक्षा को प्रभावित कर रहा है और नियम तेजी से चल रहे हैं क्योंकि नियम चल रहे हैं।
हम अगले दशक या उससे अधिक समय में एआई उत्पन्न करने के लिए सभी प्रकार के उपयोगों की कल्पना कर सकते हैं, जैसे कि बहुत सक्षम आभासी सहायकों को मजबूत करना, नई दवाओं और सामग्रियों को विकसित करना, और पैसे की बुनियादी बाधाओं की हमारी समझ में सुधार करना। हम उन सभी चीजों की भविष्यवाणी नहीं कर सकते हैं जो एआई का उपयोग किया जाएगा, लेकिन मैं निश्चित रूप से कह सकता हूं कि अधिक से अधिक जटिल एल्गोरिदम के साथ, उनकी गणना, ऊर्जा कक्ष और जलवायु प्रभाव बहुत जल्दी बढ़ जाएगा।
क्यू: इस जलवायु प्रभाव को कम करने के लिए LLSC क्या रणनीति है?
ए: हम हमेशा कंप्यूटिंग को और अधिक कुशल बनाने के तरीकों की तलाश कर रहे हैं, क्योंकि ऐसा करने से हमारे डेटा सेंटर को इसके अधिकांश संसाधन बनाने में मदद मिलती है और यह हमारे क्षेत्रों को यथासंभव कुशलता से आगे बढ़ा सकता है।
उदाहरण के लिए, हम कमरे से बाहर निकलने पर कमरे को बंद करने के लिए समान, आसान बदलाव करके अपने हार्डवेयर की शक्ति की मात्रा को कम कर रहे हैं। एक प्रयोग में, हमने पावर कैप को लागू किया, ग्राफिक्स प्रसंस्करण इकाइयों के समूह की ऊर्जा न्यूनतम खपत को 20 प्रतिशत से 30 प्रतिशत तक कम कर दिया। इस तकनीक ने हार्डवेयर ऑपरेटिंग तापमान तापमान को भी कम कर दिया, जिससे जीपीयू हो गया। ठंडा और लंबे समय तक चलने के लिए आसान।
एक और रणनीति यह है कि हम अधिक जलवायु को जागृत करने के लिए हमारे व्यवहार को बदल दें। घर पर, हम में से कुछ अक्षय ऊर्जा स्रोतों या बुद्धिमान समय सारिणी का उपयोग करने के लिए चुन सकते हैं। हम एलएलएससी में समान तकनीकों का उपयोग कर रहे हैं – जैसे कि तापमान ठंडा होने पर एआई मॉडल का प्रशिक्षण या स्थानीय ग्रिड ऊर्जा की मांग।
हमने यह भी महसूस किया कि कई ऊर्जाएं अक्सर कंप्यूटिंग में खर्च करने के लिए व्यर्थ होती हैं, जैसे कि पानी का रिसाव आपके बिल को कैसे बढ़ाता है लेकिन आपके घर को कोई लाभ नहीं होता है। हमने कुछ नई तकनीकें विकसित की हैं जो हमें कंप्यूटिंग वर्कलोड के रूप में हमें निगरानी करने की अनुमति देती हैं और फिर उन लोगों को समाप्त करती हैं जिनके पास अच्छे परिणाम नहीं होते हैं। हैरानी की बात है, कई मामलों में हम पाते हैं।
क्यू: आपके द्वारा किए गए एक प्रोजेक्ट का एक उदाहरण क्या है जो जेनेरिक एआई कार्यक्रम के ऊर्जा उत्पादन को कम करता है?
ए: हमने हाल ही में एक जलवायु-जागरूकता कंप्यूटर विजन उपकरण बनाया है। कंप्यूटर विजन एक डोमेन है जो एआई को छवियों पर लागू करने पर केंद्रित है; इसलिए, छवि में बिल्लियों और कुत्तों के बीच का अंतर, छवि के अंदर ठीक से लेबलिंग या बग, या छवि में रुचि के तत्व।
हमारे उपकरण में, हम वास्तविक समय कार्बन टेलीमेट्री को शामिल करते हैं, इस बारे में जानकारी देते हैं कि एक मॉडल के रूप में हमारे स्थानीय ग्रिड द्वारा कार्बन कितना निकला है। इस जानकारी के आधार पर, हमारा सिस्टम स्वचालित रूप से मॉडल के अधिक ऊर्जा-कुशल संस्करण पर स्विच करेगा, जिसमें आमतौर पर उच्च कार्बन तीव्रता के समय में कम पैरामीटर होते हैं, या कम कार्बन तीव्रता के समय मॉडल के अधिक-फ्लेक्सिबल संस्करण होते हैं।
ऐसा करने से, हमने एक से दो दिनों की अवधि में कार्बन उत्सर्जन में लगभग 80 प्रतिशत की कमी देखी। हमने हाल ही में अन्य जनरेटिंग एआई कार्यों जैसे कि पाठ सारांश और समान परिणाम प्राप्त करने के लिए विचार का विस्तार किया। दिलचस्प बात यह है कि हमारी तकनीक का उपयोग करने के बाद कभी -कभी ऑपरेशन में सुधार हुआ!
क्यू: इसके जलवायु प्रभाव को कम करने में मदद करने के लिए हम जेनेरिक एआई ग्राहकों के रूप में क्या कर सकते हैं?
ए: उपभोक्ताओं के रूप में, हम अपने एआई प्रदाताओं को अधिक पारदर्शिता प्रदान करने के लिए कह सकते हैं। उदाहरण के लिए, Google उड़ानों पर, मैं विभिन्न विकल्प देख सकता हूं जो विशेष उड़ान के कार्बन पदचिह्न को इंगित करते हैं। हमें AI टूल उत्पन्न करने से उसी प्रकार के माप प्राप्त करना चाहिए ताकि हम अपनी प्राथमिकताओं के आधार पर किस उत्पाद या मंच का उपयोग करने के लिए एक सचेत निर्णय ले सकें।
हम आमतौर पर AI उत्सर्जन उत्पन्न करने पर अधिक शिक्षित होने की कोशिश कर सकते हैं। हम में से कई वाहन उत्सर्जन से परिचित हैं, और तुलनीय शब्दों में एआई उत्सर्जन उत्पन्न करने के बारे में बात करने में मदद कर सकते हैं। लोगों को यह जानकर आश्चर्य हो सकता है, उदाहरण के लिए, एक छवि-भुगतान पीढ़ी का कार्य गैस कार में चार मील की दूरी पर चलने के बराबर है, या लगभग 1,500 पाठ का उत्पादन करने के लिए इलेक्ट्रिक कार को चार्ज करने के लिए समान ऊर्जा लेता है। सारांश।
ऐसे कई मामले हैं जहां उपभोक्ता व्यापार-प्रभाव के मज़े के प्रभाव को जानते हैं, वे व्यापार करने के लिए खुश होंगे।
क्यू: आप भविष्य के लिए क्या देखते हैं?
ए: एआई उत्पन्न करने के जलवायु प्रभाव को कम करना उन समस्याओं में से एक है, जिन पर दुनिया भर के लोग काम कर रहे हैं, और उसी लक्ष्य के साथ। हम यहां लिंकन प्रयोगशाला में बहुत काम कर रहे हैं, लेकिन केवल इसकी सतह पर खुजली कर रहे हैं। लंबे समय में, डेटा सेंटर, एआई डेवलपर्स और एनर्जी ग्रिड को अन्य अनूठे तरीकों को उजागर करने के लिए “एनर्जी इट्स डिट्स” प्रदान करने के लिए एक साथ काम करने की आवश्यकता होगी, जिससे हम कंप्यूटिंग की दक्षता में सुधार कर सकें। हमें आगे बढ़ने के लिए अधिक भागीदारी और अधिक सहयोग की आवश्यकता है।
यदि आप इन प्रयासों पर अधिक सीखने या लिंकन प्रयोगशाला के साथ सहयोग करने में रुचि रखते हैं, तो कृपया संपर्क करें विजय गडपाली।
