> On 24 Feb 2022, at 17:41, Stefano Quintarelli <[email protected]> wrote:
>
> quanti di questi studi sono stati finanziati da G ?
Lo studio pubblicato su IEEE è *di* Google, in collaborazione con David
Patterson, di Berkeley, un notissimo informatico, inventore del RISC.
L’articolo ribatte a delle affermazioni simili a quelle che sono state discusse
anche in questa lista:
The answers are grim: Training such a model would cost US$100 billion
and would produce as much carbon emissions as New York City does in a month.
e tenta di
Explain why published faulty estimates and extrapolations are
100x–100,000x higher than the real carbon footprints.
Il blog cita un lavoro dall’Università del Massachusetts, che include Andrew
McCallum, un professore che conosco personalmente, ed è finanziato da fondi
pubblici oltre che dalla fondazione Chan Zuckerberg.
Sappiamo bene che i modelli di Deep Learning continuano a crescere notevolmente
di dimensioni: nel 2018 segnalai il problema a Cedric Villani, che
stava.lavorando al rapporto Ai for Humanity per Macron, che rimase stupito
delle mie previsioni.
L’articolo sostiene che a fronte di questa crescita notevole, si riesce a
contenere la crescita dei consumi con i miglioramenti introdotti nella
tecnologia (algoritmi, TPU, efficienza dei datacenter)
Tuttavia queste tecnologie rimangono appannaggio di pochi e rendono più
difficile ad altri ricercatori di restare al passo.
Sottolineo a questo proposito quanto dicono proprio in questo secondo articolo,
dove chiedono la costituzione di risorse cloud pubbliche per la ricerca:
Academic researchers need equitable access to computation resources.
It is more cost effective for academic researchers, who often work for
non-profit educational institutions and whose research is funded by government
entities, to pool resources to build shared compute centers at the level of
funding agencies, such as the U.S. National Science Foundation.
Unlike money spent on cloud compute, however, that invested in centralized
resources would continue to pay off as resources are shared across many
projects. A government-funded academic compute cloud would provide equitable
access to all researchers.
https://arxiv.org/pdf/1906.02243.pdf
Le tecnologia dell’AI avranno effetti dirompenti, e quindi dovremmo porci
l’obiettivo di democratizzarla, ossia di renderla disponibile a tutti,
investendo nel suo sviluppo e padroneggiandola, anziché stare a guardare e
lamentarsi di quanto fanno gli altri.
— Beppe
> il problema con i finanziamenti non pienamente disclosed e' che ti erodono il
> trust nella ricerca citata da chi finanzia...
>
> On 24/02/22 13:03, Giuseppe Attardi wrote:
>> Trasmetto per conoscenza (ambasciator non porta pene) la risposta di Google
>> alle critiche sui costi energetici del ML:
>> https://ai.googleblog.com/2022/02/good-news-about-carbon-footprint-of.html
>> <https://ai.googleblog.com/2022/02/good-news-about-carbon-footprint-of.html>
>> — Beppe
>> _______________________________________________
>> nexa mailing list
>> [email protected]
>> https://server-nexa.polito.it/cgi-bin/mailman/listinfo/nexa
_______________________________________________
nexa mailing list
[email protected]
https://server-nexa.polito.it/cgi-bin/mailman/listinfo/nexa
