हाल ही में, मिशिगन विश्वविद्यालय के एक नए अध्ययन ने पाया कि एक बड़े भाषा मॉडल को प्रशिक्षित करने के लिए एक श्रम-गहन विधि समान समय में पूरा किया जा सकता है, लेकिन ऊर्जा की खपत 30% तक कम हो जाती है। यह विधि इतनी ऊर्जा बचा सकती है कि 2026 तक यह 11 लाख अमेरिकी परिवारों को बिजली प्रदान कर सकती है।
शोधकर्ताओं ने Perseus नामक एक सॉफ़्टवेयर टूल विकसित किया, जो प्रमुख पथ की पहचान करके काम करता है, अर्थात्, वह श्रृंखला के उप-कार्य जिन्हें पूरा करने में सबसे अधिक समय लगता है। फिर, Perseus गैर-प्रमुख पथ पर प्रोसेसर की गति को कम करता है ताकि सभी कार्य एक ही समय में पूरे हो सकें, जिससे अनावश्यक ऊर्जा खपत समाप्त हो जाती है।
टीम ने Perseus का परीक्षण GPT-3, अन्य तीन बड़े भाषा मॉडलों और एक कंप्यूटर विज़न मॉडल को प्रशिक्षित करके किया। परिणाम बताते हैं कि Perseus AI प्रशिक्षण की ऊर्जा खपत को कम कर सकता है, जबकि प्रशिक्षण की गति समान रहती है।
शोधकर्ताओं ने कहा कि यह श्रम-गहन विधि कृत्रिम बुद्धिमत्ता के न्यायपूर्ण उपयोग के लिए महत्वपूर्ण है। यदि किसी देश में बड़े मॉडलों को चलाने के लिए पर्याप्त बिजली नहीं है, तो उन्हें दूरस्थ सेवाओं का उपयोग करना पड़ सकता है, या केवल छोटे, कम सटीक मॉडलों को चलाना पड़ सकता है। यह अंतर विभिन्न समुदायों के बीच की खाई को और बढ़ा सकता है।
यह अध्ययन दर्शाता है कि AI प्रशिक्षण विधियों का अनुकूलन करके ऊर्जा की खपत को कम किया जा सकता है, जबकि प्रशिक्षण की गति समान रहती है। यह ऊर्जा बचाने और कार्बन पदचिह्न को कम करने के लिए महत्वपूर्ण है।
