AIモデル1台をトレーニングすると、生涯で自動車5台分の二酸化炭素を排出することをご存知ですか？環境への影響を減らす5つのヒント！

マサチューセッツ大学アマースト校の研究者は、いくつかの一般的な大型AIモデルをトレーニングするためのライフサイクル評価を実施しました。その結果、このプロセスは626,000ポンド以上の二酸化炭素を排出する可能性があり、これは平均的なアメリカ車の生涯排出量（車自体の製造も含む）の約5倍に相当することがわかりました。

研究によるとAIのトレーニングに伴う二酸化炭素排出量は、モデルのトレーニングに使用されるコンピューターに電力を供給するために必要なエネルギーによるものです。AIトレーニングに関連する二酸化炭素排出量は、データセンターの電力供給に再生可能エネルギーを使用することで削減できます。

効率的なアルゴリズムは、AIモデルの訓練に必要なエネルギーを削減することで、二酸化炭素排出量を削減します。例えば、可能な限り最良の解を保証することなく問題に対する優れた解を提供する近似アルゴリズムや、データに基づいて訓練されるデータ駆動型アルゴリズムなどがあります。下の表は、2つの最適化アルゴリズムを使用した結果を示しています： フレキシブル・スタートより短いジョブのAIワークロードに柔軟に対応することができます。 一時停止と再開より長いジョブのために、しきい値に従って一時停止と再開を行います。

地域ごとの排出量が多いときにAIワークロードを一時停止することで、全体の合計を減らすことができます。この削減効果は非常に大きく、非常に長時間の運転では最大25%に達します。短時間の実行では、2倍の時間が比較的短いため、節約率は低くなります。この表は、1時間あたりの休止回数が、モデルのサイズが大きくなるにつれて増加することも示しています。これは、より大きなモデルはより多くの計算能力を必要とするため、トレーニングに時間がかかるためです。

AIトレーニングの二酸化炭素排出量を削減するための5つのヒントと革新的なテクノロジー

1. GPUを含むエネルギー効率の高いハードウェアを使用します。
   • GPUは、特定のワークロードのワットあたりの作業量を比較すると、CPUよりもエネルギー効率が優れています。GPUはAIモデルをより高速に学習させることができるため、純粋なCPU環境よりも少ないエネルギーで済みます。
   • 液冷は、コンピューティング・ハードウェアをより効率的に冷却し、データセンターにおけるエネルギー消費と排出を削減します。また、騒音を最大50%低減し、より快適な作業環境を実現できます。空冷よりもメンテナンスが簡単で、液冷クーラーは破損しにくいです。
2. エネルギー効率を高めるデータセンターの最適化 データセンターに必要なエネルギーを削減するには、PUEを低減する自由空冷を使用するなど、いくつかの方法があります。より効率的な冷却システム：従来の空冷式データセンターでは、サーバーを冷却するために大量のエネルギーを使用していました。
   • より効率的な電源：従来の電源は効率が悪く、使用するエネルギーの最大20％を浪費する可能性があります。必ずチタンまたはプラチナ電源を使用してください。
   • より効率的なサーバー：リソースを共有できるマルチノードサーバーを使用することで、サーバーあたりの全体的なエネルギー使用量を削減します。
3. 再生可能エネルギーでAIトレーニングAIトレーニングに特化したデータセンターは、太陽光発電や風力発電などの再生可能エネルギーで電力を供給することができます。
4. AIトレーニングの効率化。量子コンピューティング、スパイキング・ニューラル・ネットワーク、連合学習、転移学習、ニューラル・アーキテクチャ探索などの革新的なテクノロジーは、AIのトレーニング効率を向上させ、エネルギー使用量を削減します。
5. 訓練済みモデルの使用。事前に訓練されたモデルは、すでに大規模なデータセットで訓練されているため、エネルギーを消費するゼロから開発する必要がありません。

AIをより持続可能なものにするために、以下のヒントを参考にしてください。