艾倫研究所(Allen Institute)在2019年8月發(fā)表的綠色AI論文并非旨在使基于深度學習的AI更加環(huán)保。相反，該組織試圖向希望進行深度學習獨特研究的學術界提供希望。

大學可以優(yōu)化深度學習過程的效率，而不是優(yōu)化所有問題集的準確性，而這需要大量的計算資源和大量的電力公用事業(yè)預算。仔細地確定效率指標將帶來使AI研究“在認知上更加合理”的附帶好處。

作者說，總體目標不僅是使中型大學具有競爭力，而且甚至允許單個大學本科生使用筆記本電腦開發(fā)基于效率的程序，從而可以促進深度學習領域。

批評家說，這聽起來很不錯，但是根據(jù)當前趨勢，學術界將始終落后于私人數(shù)據(jù)中心，即使在效率模型中也是如此。

羅伊·施瓦茨(Roy Schwartz)和他的合著者認為，其意圖不應該是扼殺他們所謂的“紅色AI”，這是他們對公司數(shù)據(jù)中心的稱呼，它可以聚集大量資源進行蠻力嘗試以提高神經(jīng)網(wǎng)絡的準確性。學習。相反，大學可以制定高度優(yōu)化的項目，將其作為“綠色AI”的萌芽，在紅色AI準確性證明的排行榜中插入效率實驗。

AI論文傾向于以準確性而不是效率為目標。上圖顯示了來自頂級AI會議的60篇論文樣本中以準確性，效率和/或兩者為目標的論文所占的比例。

具體地說，作者建議浮點運算(FPO)是計算運算，其碳排放成本更高，用電量更大，并且實時操作有所擴展。如果學術研究人員專注于在深度學習實驗中減少FPO，那么“綠色”結果將立即可見。

必須根據(jù)其他高能耗操作(例如總內(nèi)存使用量)來考慮FPO指標。但是總體模型為實現(xiàn)綠色AI提供了第一步。