部署期间消耗的能源

bapp125

寻找可持续发展机会的宝贵工具但它也可能成为缓解全球气候紧急情况的集体努力的拖累。管理人员知道准确的指标是解决任何问题的起点但估计人工智能和机器学习模型的能耗并不容易。大多数人工智能公司不会测量和披露这个参数。比训练期间消耗的能源更难以理解。获取有关人工智能和数据领先的最新动态每月深入了解人工智能如何影响您的组织以及它对您的。

公司和客户意味着什么。你的电子邮件是什么报名隐私政策有一些工具可以提供帮助。绿色软件基金会的软件碳强度规范概述了一种确定碳排放基线的可靠方法然后可用于随时间或跨应用程序进行比较。绿色算法项目提供了一个简单 墨西哥电话号码数据 的计算器来估算人工智能项目的总排放量。和提供特定于其云服务的碳核算工具。斯坦福大学的研究人员与行业利益相关者合作发布了一个轻量级框架用于可。



靠简单和精确地报告机器学习系统的能源计算和碳影响。采用生命周期方法进行缓解虽然衡量可以揭示现状并帮助组织跟踪其改进工作的进展但实际上要减少与人工智能相关的碳排放需要解决开发实施和采用生命周期的每个步骤。减少与人工智能相关的碳排放需要解决开发实施和采用生命周期的每个步骤。不同的框架正在出现以满足这种需求。和加州大学伯克利分校的一项联合研究表明。