("")

Lasse F. Wolff Anthony og Benjamin Kanding. Foto: Privat

forskning

Effektivt våben mod klimaforandringer

Det gratis open source-værktøj Carbontracker udregner, hvor stort et klimaaftryk udviklingen af såkaldte deep learning-modeller sætter.

Hvor udbredt er deep learning?

De fleste af os er i nærkontakt med deep learning i det daglige, uden at vi måske ved det. Når vi for eksempel bruger Siri og Alexa, eller når Netflix foreslår film og serier til os baseret på vores historik, eller når vi skriver med en kundeservice-chatbot på en hjemmeside, så er deep learning-algoritmer i spil.

Hvad er problemet?

Bagsiden ved deep learning, som ellers forventes at blive et effektivt våben i kampen mod klimaforandringer, er det store energiforbrug. Hvis tendensen i industrien fortsætter, kan kunstig intelligens og især deep learning blive en af de helt store klimasyndere. Fra 2012 til 2018 er behovet for regnekraft i deep learning vokset med 300.000 procent. Lige nu er der tale om en eksponentiel vækst.

Hvor ligger energiforbruget?

Selve træningen, hvor den matematiske model lærer at genkende mønstre i store mængder data, er en energitung proces, fordi den foregår i specialiseret, strømkrævende hardware, der kører i døgndrift. Samtidig bliver datasættene hele tiden større, og problemerne, som algoritmerne skal løse, mere og mere komplekse. En af de største deep learning-modeller er den avancerede sprogmodel GPT-3. På bare en enkelt træningssession estimeres den til at bruge, hvad der svarer til et års energiforbrug i 126 danske hjem, og udlede samme mængde CO2 som godt 700.000 kilometers bilkørsel.

Hvordan kan problemet løses?

Vi har opfundet softwareprogrammet Carbontracker, som kan beregne, hvor meget energi og CO2-udledning der går på at træne en deep learning model. Programmet indhenter periodevis information om, hvor meget CO2 der bliver brugt ved at producere energi i den region, som træningen foregår i, for så at kunne omregne energiforbruget til CO2-udledning. Det er vigtigt, at man i branchen kigger på, hvor og hvornår på dagen man træner sin model, da strømmen ikke er lige grøn i løbet af et døgn. Det er ikke ligegyldigt, om man træner sin model i Estland eller i Sverige, hvor CO2-aftrykket kan være over 60 gange mindre, fordi energiforsyningen er langt grønnere. Der er også stor forskel på, hvor energieffektive algoritmer er. Nogle kræver mindre regnekraft og dermed mindre energi for at opnå det samme.


Læs også...

Antallet af kvinder på IT-uddannelser er i følge Dansk Industri faldet i 2024. Det sker trods flere år med kampagner og fokus på at tiltrække kvinder…

Danmarks Radios krav om login lever ikke op til GDPR-regler. Det fastslår IT-politisk rådgiver, Ole Tange, efter at have set et svarskrift fra…

Hvor langt skal du egentlig acceptere at skulle transportere dig ekstra, når dit arbejdssted flytter? Læs med her.

Stor jubel i Landstingssalen på Christiansborg, da høring om datasuverænitet langt hen ad vejen handlede om at smide big tech på porten og lukke…

Arbejdsgiver har ansvar for at sikre arbejdsmiljøet ved hjemmearbejde. Det fastslår en ny afgørelse fra Højesteret, hvor en kvinde kom til skade under…

Kvinder tjener i snit 12,6 procent mindre end mænd, og kvinders pensionsopsparing er 26 procent mindre end mænds. Det er to af de kedelige facts, som…

Der er tilfredshed i PROSA, efter at PET-lovændring er udskudt. IT-fagforeningen sendte forleden et åbent brev til justitsministeren, som påpegede…

Vi har hørt det uendelig mange gange: Der mangler kvinder i tech. Og vi får gang på gang at vide, at det er et problem, at piger ikke er interesserede…

Hvis du er uheldig og bliver syg, imens du holder ferie, er det vigtigt, at du husker at melde dig syg. Men får du løn under sygdommen, og kan du få…

Big tech er ved at kvæle rigtige fællesskaber med zombie-scrolling. Den faglige kamp har brug for, at de unge møder op og giver en injektion af…