Des chercheurs s’attaquent à l’empreinte carbone de l’intelligence artificielle
Le développement de l’intelligence artificielle représente un risque environnemental. Des chercheurs du MIT ont développé un système permettant ainsi de réduire la consommation d’énergie des réseaux de neurones.
Des-chercheurs-s’attaquent-à-l’empreinte-carbone-de-l’intelligence-artificielle
Le développement de l’intelligence artificielle représente un risque environnemental. Des chercheurs du MIT ont développé un système permettant ainsi de réduire la consommation d’énergie des réseaux de neurones.
L’intelligence artificielle, une révolution technologique et sociétale ? Sans doute. Elle soulève cependant aussi d’importantes questions environnementales. En 2019, une étude a cherché à estimer l’empreinte écologique d’un réseau de neurones.
Des chercheurs ont ainsi estimé qu’un tel réseau, entrainement compris, affichait des émissions de C02 considérables. Elles sont évaluées à près de cinq fois celles d’une voiture américaine moyenne sur toute sa durée de vie, fabrication incluse.
Un réseau unique pour entraîner l’IA et réduire la consommation
« Ce problème devient encore plus grave dans la phase de déploiement du modèle, où les réseaux neuronaux profonds doivent être déployés sur diverses plateformes matérielles, chacune ayant des propriétés et des ressources de calcul différentes » note encore le MIT.
Des chercheurs de l’institut de technologie ont donc jugé pertinent de s’attaquer à cette problématique de la consommation d’énergie de l’intelligence artificielle. Ils annoncent avoir mis au point un nouveau système d’IA automatisé pour l’entraînement et l’exécution de certains réseaux de neurones.
En travaillant sur l’efficacité énergétique du calcul, les experts parviennent ainsi à réduire très significativement les émissions de carbone. La baisse atteint jusqu’à trois chiffres dans certaines configurations.
Des réseaux de neurones plus petits et plus verts
Ce système est appelé par les chercheurs « réseau unique ». Il consiste à entraîner un grand réseau de neurones comprenant de nombreux sous-réseaux pré-entraînés. De tailles différentes, ceux-ci peuvent être adaptés à diverses plateformes matérielles sans devoir être réentraînés.
Cela réduit considérablement l’énergie habituellement nécessaire à l’entraînement de chaque réseau de neurones spécialisé pour les nouvelles plateformes, expliquent les experts du MIT. « L’objectif est de mettre en place des réseaux de neurones plus petits et plus verts » souligne ainsi un membre de l’équipe de recherche.
Pour concevoir ce système, le MIT s’est appuyé sur une avancée récente dans le domaine de l’IA : l’AutoML (pour automatic machine learning). Il permet d’éliminer la conception manuelle des réseaux.
