Kurz gesagt
Schauen Sie über Projekte mit dem Etikett „Green AI“ hinaus: Forschung zu effizienter KI findet in Informatik, Mathematik, Elektrotechnik und Fachwissenschaften statt, oft unter Namen wie effizientes maschinelles Lernen, nachhaltiges Rechnen oder Low-Power-Hardware. Durchsuchen Sie Graduiertenprogramme und Projektausschreibungen, lesen Sie aktuelle Veröffentlichungen, um aktive Betreuende zu finden, und fragen Sie, wie in der Arbeit der Energieverbrauch gemessen wird.
Schritte
- Durchsuchen Sie Promotionsausschreibungen und Graduiertenprogramme mit mehreren Suchbegriffen, nicht nur „Green AI“.
- Lesen Sie aktuelle Veröffentlichungen zu effizienter KI, um Gruppen und Betreuende zu finden, die in dem Bereich aktiv sind.
- Kontaktieren Sie mögliche Betreuende mit einer kurzen Nachricht zu Ihren Interessen und Ihrem Hintergrund.
- Fragen Sie, wie Energie und Rechenaufwand im Projekt gemessen und berichtet werden.
- Prüfen Sie Finanzierung, Zugangsvoraussetzungen und Fristen, die sich je nach Land und Programm unterscheiden.
Suchen Sie breit, denn die meiste Green-AI-Forschung trägt nicht das Etikett „Green AI“. Effiziente Methoden sind in vielen Fachbereichen angesiedelt und laufen unter vielen Namen.
Die Grundlagen des Fachs helfen bei den Suchbegriffen. Schwartz, Dodge, Smith und Etzioni plädierten 2020 in ihrem Aufsatz „Green AI“ dafür, Effizienz neben Genauigkeit als Bewertungskriterium zu behandeln, und Strubell, Ganesh und McCallum bezifferten 2019 die Kosten des Trainings von Sprachmodellen. Veröffentlichungen, die diese Arbeiten zitieren, sind eine gute Landkarte dafür, wer in dem Bereich arbeitet.
In welchen Fächern gibt es Promotionen zu Green AI?
- Informatik: effizientes Training und effiziente Inferenz, Modellkompression, Systeme und Scheduling.
- Mathematik und Statistik: numerische lineare Algebra, Optimierung, Sparsity, Quantifizierung von Unsicherheit.
- Elektrotechnik: stromsparende und spezialisierte Hardware, Edge-KI.
- Fachwissenschaften: Projekte in Klima, Gesundheit oder Ingenieurwesen, die teure Simulationen durch kleinere, vertrauenswürdige Modelle ersetzen.
Nützliche Suchbegriffe: effizientes maschinelles Lernen, nachhaltiges oder CO2-armes Rechnen, Modellkompression, energiebewusstes Rechnen, Edge-KI, Surrogatmodelle.
Wo werden sie ausgeschrieben?
Unser Promotionsverzeichnis listet Promotionsmöglichkeiten, das Forschungsverzeichnis listet Gruppen. Nationale Portale für Promotionsstellen und Graduiertenprogramme schreiben viele weitere aus; Finanzierungsregeln und Fristen unterscheiden sich je nach Land.
Was sollte ich eine Betreuerin oder einen Betreuer fragen?
- Wie werden Energie und Rechenaufwand gemessen und berichtet?
- Welche Hardware und welches Rechenbudget werde ich haben?
- Gibt es Partner aus der Industrie oder der Anwendung?
- Wo sind die letzten Promovierenden hingegangen?
Häufige Fehler
- Nur nach „Green AI“ suchen.
- Allein nach dem Thema wählen, ohne nach Betreuung und Rechenressourcen zu fragen.
- Betreuende mit einer allgemeinen Standardnachricht anschreiben.
Die wichtigsten Forschungsrichtungen finden Sie im Leitfaden für Forschende.
Quellen
- Green AI, Schwartz, Dodge, Smith and Etzioni, Communications of the ACM (2020)
- Energy and policy considerations for deep learning in NLP, Strubell, Ganesh and McCallum, ACL (2019)
Verwandte Themen
Grüne KI für Forschende
Ein Leitfaden für Forschende zu effizienten KI-Methoden, Energieangaben in Papers, Rechenbudgets, Förderung und dazu, wo Mathematik helfen kann.
Wie lerne ich etwas über grüne KI?
Wo Sie mit grüner KI anfangen, egal mit welchem Hintergrund: kurze Texte, kostenlose Werkzeuge zum Ausprobieren, Kurse, Communitys und Forschung.
Die Mathematik, die KI effizienter macht
Pruning, Sparsity, Sketching, Zufallsmatrixtheorie und physikinformierte Modelle: wie Mathematik Rechenaufwand, Speicher und Energie von KI senkt.
Wie berichte ich den Energieverbrauch meiner KI-Forschung?
Was zu Rechenaufwand und Energie in eine Veröffentlichung gehört: Hardware, GPU-Stunden aller Läufe, Energie, Standort, CO2, Inferenzkosten und Systemgrenze.