如何有效减少 AI 模型的数据中心能源消耗？

在让人工智能变得更好的竞赛中，麻省理工学院（MIT）林肯实验室正在开发降低功耗、高效训练和透明能源使用的方法。

在 Google 上搜索航班时，您可能已经注意到，现在每个航班的碳排放量估算值都显示在其成本旁边。这是一种告知客户其对环境影响的方式，并让他们将这些信息纳入决策中。

尽管计算机行业的碳排放量超过了整个航空业的碳排放量，但这种透明度尚不存在。这种能源需求不断升级的是人工智能模型。像ChatGPT这样巨大的流行模型预示着大规模人工智能的趋势，预测到2030年，数据中心将消耗全球21%的电力供应。

麻省理工学院（MIT）林肯实验室超级计算中心（LLSC）正在开发技术，以帮助数据中心控制能源使用。他们的技术范围从简单但有效的更改，如调整硬件的功率上限，到采用可以在早期停止人工智能训练的新工具。至关重要的是，他们发现这些技术对模型性能的影响最小。

从更广泛的角度来看，他们的工作是动员绿色计算研究并促进透明文化。“能源感知计算并不是一个真正的研究领域，因为每个人都在保留他们的数据，”领导能源感知研究工作的LLSC高级职员Vijay G