Институт искусственного интеллекта AIRI при поддержке Сбера разработал открытую библиотеку Eco4cast для снижения выбросов углекислого газа при обучении нейронных сетей. Об этом рассказал первый заместитель председателя правления Сбербанка Александр Ведяхин на ВЭФ-2023.

       Инновационное решение поможет уменьшить эмиссию CO2 (в отдельных сценариях – до 90%) при выполнении ресурсоемких вычислений на Python, в том числе при обучении больших моделей искусственного интеллекта (ИИ). Библиотека прогнозирует временные интервалы, в которые происходят вычисления, а также предлагает для проведения операций регионы с наименьшей текущей косвенной углеродной стоимостью электроэнергии. Точность прогнозов обеспечивает нейронная сеть. Она анализирует данные об эмиссии и 20 погодных показателей в регионах.

       Eco4cast для снижения углеродного следа можно запустить как локально, так и с помощью облачных сервисов, перемещая вычисления между географическими зонами для минимизации выбросов.

       При создании библиотеки ученые использовали совместно разработанный ранее пакет мониторинга динамики энергопотребления ИИ-моделей под названием Eco2AI.

       ？Современный мир невозможно представить без искусственного интеллекта. Он используется в медицине, образовании, транспорте, строительстве, банковском деле и во многих других сферах. Но обучение нейросетей на суперкомпьютерах сопровождается большим расходом электроэнергии и, следовательно, высоким углеродным следом, – отметил Александр Ведяхин. – Одна из важнейших задач климатической повестки – сокращение выбросов парниковых газов, в том числе в ИТ-сфере. Понимая это, мы поддержали Институт AIRI в перспективной ESG-разработке？.

       ？Чтобы использовать технологии искусственного интеллекта во благо, важно не только стремиться к качественным результатам работы моделей, но и оптимизировать сам процесс достижения целей, – подчеркнул Иван Оселедец, доктор физико-математических наук, СЕО Института искусственного интеллекта AIRI. – В том числе – следить за энергетической эффективностью процессов обучения алгоритмов. При выполнении кода наша библиотека рассчитывает фактическое энергопотребление центральных и графических процессоров, а также устройств хранения данных и оценивает углеродный след с учетом региональных норм углеродной стоимости вырабатываемой электроэнергии？.