In breve
Guardi oltre i progetti etichettati "IA verde": la ricerca sull'IA efficiente si trova in informatica, matematica, ingegneria elettronica e scienze applicate, spesso con nomi come apprendimento automatico efficiente, calcolo sostenibile o hardware a basso consumo. Cerchi nei programmi di formazione dottorale e negli elenchi di progetti, legga articoli recenti per trovare supervisori attivi e chieda come verrà misurata l'energia nel lavoro.
Passaggi
- Consulti gli annunci di dottorato e i programmi di formazione dottorale usando diversi termini di ricerca, non solo "IA verde".
- Legga articoli recenti sull'IA efficiente per trovare gruppi e supervisori attivi nel settore.
- Contatti i potenziali supervisori con una breve nota sui Suoi interessi e sul Suo percorso.
- Chieda come verranno misurati e rendicontati l'energia e il calcolo nel progetto.
- Verifichi finanziamenti, requisiti e scadenze, che variano a seconda del paese e del programma.
Cerchi in modo ampio, perché la maggior parte della ricerca sull'IA verde non porta l'etichetta "IA verde". I metodi efficienti si trovano in molti dipartimenti e hanno molti nomi.
Le basi del settore aiutano a scegliere i termini di ricerca. L'articolo "Green AI" di Schwartz, Dodge, Smith ed Etzioni del 2020 sosteneva di trattare l'efficienza come criterio di valutazione accanto all'accuratezza, e l'articolo di Strubell, Ganesh e McCallum del 2019 ha quantificato il costo dell'addestramento dei modelli linguistici. Gli articoli che li citano sono una buona mappa di chi lavora nel settore.
Quali discipline ospitano dottorati sull'IA verde?
- Informatica: addestramento e inferenza efficienti, compressione dei modelli, sistemi e pianificazione dei carichi.
- Matematica e statistica: algebra lineare numerica, ottimizzazione, sparsità, quantificazione dell'incertezza.
- Ingegneria elettronica: hardware a basso consumo e specializzato, IA sui dispositivi periferici (edge AI).
- Scienze applicate: progetti su clima, salute o ingegneria che sostituiscono simulazioni costose con modelli più piccoli e affidabili.
Termini di ricerca utili: efficient machine learning (apprendimento automatico efficiente), calcolo sostenibile o a basse emissioni, compressione dei modelli, energy-aware computing (calcolo attento all'energia), edge AI, modelli surrogati.
Dove vengono pubblicati?
Il nostro elenco dei dottorati raccoglie opportunità di dottorato, e l'elenco della ricerca riporta i gruppi. I siti nazionali di annunci di dottorato e i programmi di formazione dottorale ne pubblicano molti altri; regole di finanziamento e scadenze variano da paese a paese.
Che cosa devo chiedere a un supervisore?
- Come verranno misurati e rendicontati l'energia e il calcolo?
- Di quale hardware e di quale budget di calcolo disporrò?
- Ci sono partner industriali o applicativi?
- Dove sono andati gli studenti recenti?
Errori comuni
- Cercare solo "IA verde".
- Scegliere solo in base all'argomento, senza chiedere della supervisione e delle risorse di calcolo.
- Contattare i supervisori con un messaggio generico.
Veda la guida per i ricercatori per le principali direzioni di ricerca.
Fonti
- 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)
Correlati
IA verde per i ricercatori
Guida per i ricercatori su metodi di IA efficienti, misura e rendicontazione dell'energia negli articoli, budget di calcolo, finanziamenti e ruolo della matematica.
Come posso imparare qualcosa sull'IA verde?
Da dove iniziare a conoscere l'IA verde, qualunque sia il Suo percorso: letture brevi, strumenti gratuiti da provare, corsi, comunità e ricerca da seguire.
La matematica che rende l'IA più efficiente
Pruning, sparsità, sketching, teoria delle matrici aleatorie e modelli informati dalla fisica: come la matematica riduce calcolo, memoria ed energia dell'IA.
Come riporto il consumo di energia della mia ricerca sull'IA?
Che cosa inserire in un articolo su calcolo ed energia: hardware, ore-GPU di tutte le esecuzioni, energia, luogo, carbonio, costo d'inferenza e perimetro.