绿色AI如何解决对气候变化的影响

在决定机器学习工作应该在哪里运行时，企业还必须考虑能源类型以外的其他因素。2021 年 4 月，Google Cloud 推出了绿色区域选择器，可帮助公司在选择运营地点时评估成本、延迟和碳足迹。但 Buchanan 说，并非所有云提供商都可以轻松获得此类工具。

他说，为了解决这个问题，绿色软件基金会正在开发一种名为Carbon Aware SDK的新工具，该工具将推荐最佳区域来启动资源。在接下来的几个月内应该会提供 alpha 版本。

古普塔说，如果唯一可用的计算机位于电力不畅的地区，开发人员可以使用联合学习式部署，其中训练以分布式方式在电力体制中存在的所有设备上进行。但联邦学习可能不适用于所有工作负载，例如必须遵守法律隐私考虑的工作负载。

古普塔说，另一种选择是让开发人员使用tinyML，它通过量化、知识蒸馏和其他方法来缩小机器学习模型。他说，目标是最小化模型，以便可以以更节省资源的方式部署它们，例如在边缘设备上。但由于这些模型提供的智能有限，它们可能不适合复杂的用例。

“整个行业的趋势是认为越大越好，但我们的研究表明，你可以反驳这一点，并明确表示你需要为工作选择合适的工具，”布坎南说。

布坎南说，绿色软件基金会和其他倡议在衡量和减少软件的碳足迹方面取得了进展。

例如，微软去年在 Azure 机器学习中提供了能耗指标，使开发人员能够查明他们最耗能的工作。这些指标侧重于耗电的 GPU，它比 CPU 更快，但消耗的能量是 CPU 的 10 倍以上。布坎南说，GPU 通常用于运行 AI 模型，在功耗方面通常是最大的罪魁祸首。

然而，布坎南说，仍然需要更多可互操作的工具，指的是目前可用的零碎的绿色人工智能工具。“绿色软件基金会正在做一件事情，”他说，“但我认为云提供商需要进行协同投资，以提高能源效率。”

古普塔表示，最终的目标是引发行为改变，让绿色人工智能实践成为常态。“我们这样做不仅仅是为了会计目的，”他说。