要点
「グリーン AI」と銘打ったプロジェクト以外にも目を向けましょう。効率的な AI の研究は、計算機科学、数学、電気工学、各分野の科学にあり、効率的な機械学習、持続可能なコンピューティング、低消費電力ハードウェアといった名前で呼ばれることがよくあります。博士課程の教育プログラムやプロジェクトの一覧を探し、最近の論文を読んで活発な指導教員を見つけ、研究のなかでエネルギーをどう測るかを尋ねましょう。
手順
- 「グリーン AI」だけでなく複数の検索語を使って、PhD の募集や博士課程の教育プログラムを調べます。
- 効率的な AI に関する最近の論文を読み、この分野で活発な研究グループや指導教員を見つけます。
- 指導教員の候補に、自分の関心と経歴を短くまとめて連絡します。
- プロジェクトで、エネルギーと計算量をどのように測定し報告するかを尋ねます。
- 資金、応募資格、締め切りを確認します。これらは国やプログラムによって異なります。
幅広く探しましょう。グリーン AI の研究の多くは「グリーン AI」と銘打たれていないからです。 効率的な手法は多くの学科にまたがり、さまざまな名前で呼ばれています。
この分野の基礎となる論文は、検索語を考えるのに役立ちます。Schwartz、Dodge、Smith、Etzioni の 2020年の論文「Green AI」は、精度と並んで効率を評価基準として扱うべきだと論じ、Strubell、Ganesh、McCallum の 2019年の論文は言語モデルの学習にかかるコストを定量化しました。これらを引用している論文は、この分野で誰が研究しているかを知るよい地図になります。
グリーン AI の PhD を受け入れているのはどの分野ですか?
- 計算機科学: 効率的な学習と推論、モデル圧縮、システムとスケジューリング。
- 数学と統計学: 数値線形代数、最適化、スパース性、不確実性の定量化。
- 電気工学: 低消費電力の専用ハードウェア、エッジ AI。
- 各分野の科学: 気候、医療、工学などで、コストの高いシミュレーションを、より小さく信頼できるモデルに置き換えるプロジェクト。
役に立つ検索語:efficient machine learning(効率的な機械学習)、sustainable / low-carbon computing(持続可能・低炭素なコンピューティング)、model compression(モデル圧縮)、energy-aware computing(エネルギーを意識したコンピューティング)、edge AI(エッジ AI)、surrogate models(代理モデル)。
どこで募集されていますか?
当サイトの PhD ディレクトリには博士課程の機会を、研究ディレクトリには研究グループを掲載しています。各国の PhD 募集サイトや博士課程の教育プログラムには、さらに多くの募集があります。資金の規則や締め切りは国によって異なります。
指導教員には何を聞けばよいですか?
- エネルギーと計算量をどのように測定し、報告しますか?
- どんなハードウェアと計算予算を使えますか?
- 産業界や応用分野のパートナーはいますか?
- 最近の学生はどこに進みましたか?
よくある間違い
- 「グリーン AI」だけで検索すること。
- 指導体制や計算資源について尋ねずに、テーマだけで選ぶこと。
- 指導教員に定型的なメッセージで連絡すること。
主な研究の方向性については、研究者向けガイドをご覧ください。
出典
- 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)
関連
研究者のためのグリーン AI
研究者向けのガイドです。効率的な AI の手法、論文でのエネルギーの測定と報告、計算予算、研究資金、数学が役立つ場面を解説します。
グリーン AI について学ぶには?
経歴を問わず、グリーン AI を学び始める方法:短い読み物、試せる無料ツール、講座、コミュニティ、注目すべき研究を紹介します。
AI をより効率的にする数学
枝刈り、スパース性、スケッチング、ランダム行列理論、物理情報モデル。数学が AI に必要な計算、メモリ、エネルギーをどう減らすかを説明します。
AI 研究のエネルギー使用量は論文でどう報告すればいい?
論文に載せるべき計算量とエネルギーの項目です。ハードウェア、全実行の GPU 時間、エネルギー、場所、炭素、推論コスト、算定範囲を示します。