요약
"그린 AI"라고 붙은 프로젝트만 보지 마십시오. 효율적 AI 연구는 컴퓨터 과학, 수학, 전기 공학, 응용 과학 분야에 걸쳐 있으며, 효율적 기계학습, 지속가능한 컴퓨팅, 저전력 하드웨어 같은 이름으로 불리는 경우가 많습니다. 박사 양성 프로그램과 프로젝트 목록을 검색하고, 최근 논문을 읽어 활발히 활동하는 지도교수를 찾고, 연구에서 에너지를 어떻게 측정할지 물어보십시오.
단계
- "그린 AI"만이 아니라 여러 검색어로 박사 과정 공고와 박사 양성 프로그램을 살펴봅니다.
- 효율적 AI에 관한 최근 논문을 읽어 이 분야에서 활발히 활동하는 연구 그룹과 지도교수를 찾습니다.
- 관심사와 배경을 짧게 적어 지도교수 후보에게 연락합니다.
- 프로젝트에서 에너지와 컴퓨팅을 어떻게 측정하고 보고할지 묻습니다.
- 국가와 프로그램마다 다른 연구비, 자격 요건, 마감일을 확인합니다.
대부분의 그린 AI 연구에는 "그린 AI"라는 이름이 붙어 있지 않으므로 폭넓게 검색하십시오. 효율적 방법은 여러 학과에 걸쳐 있고 다양한 이름으로 불립니다.
이 분야의 기초 논문이 검색어를 정하는 데 도움이 됩니다. Schwartz, Dodge, Smith, Etzioni의 2020년 논문 "Green AI"는 정확도와 함께 효율을 평가 기준으로 삼자고 주장했고, Strubell, Ganesh, McCallum의 2019년 논문은 언어 모델 훈련 비용을 수치로 보여 주었습니다. 이 논문들을 인용한 논문을 보면 누가 이 분야에서 일하는지 잘 알 수 있습니다.
어떤 분야에 그린 AI 박사 과정이 있나요?
- 컴퓨터 과학: 효율적인 훈련과 추론, 모델 압축, 시스템과 스케줄링.
- 수학과 통계학: 수치 선형대수, 최적화, 희소성, 불확실성 정량화.
- 전기 공학: 저전력 및 특수 하드웨어, 엣지 AI.
- 응용 과학: 값비싼 시뮬레이션을 더 작고 믿을 수 있는 모델로 대체하는 기후, 보건, 공학 프로젝트.
유용한 검색어: efficient machine learning(효율적 기계학습), sustainable 또는 low-carbon computing(지속가능한·저탄소 컴퓨팅), model compression(모델 압축), energy-aware computing(에너지 인식 컴퓨팅), edge AI(엣지 AI), surrogate models(대리 모델).
어디에 공고가 나나요?
저희 박사 과정 디렉터리에는 박사 과정 기회가, 연구 디렉터리에는 연구 그룹이 실려 있습니다. 각국의 박사 과정 공고 사이트와 박사 양성 프로그램에는 훨씬 더 많은 공고가 올라오며, 연구비 규정과 마감일은 국가마다 다릅니다.
지도교수에게 무엇을 물어봐야 하나요?
- 에너지와 컴퓨팅을 어떻게 측정하고 보고하나요?
- 어떤 하드웨어와 컴퓨팅 예산을 쓸 수 있나요?
- 업계나 응용 분야 파트너가 있나요?
- 최근 졸업생들은 어디로 진출했나요?
흔한 실수
- "그린 AI"로만 검색하는 것.
- 지도 방식과 컴퓨팅 자원을 묻지 않고 주제만으로 고르는 것.
- 지도교수에게 일반적인 내용의 메시지를 보내는 것.
주요 연구 방향은 연구자를 위한 가이드를 참고하십시오.
출처
- 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)
관련 내용
연구자를 위한 그린 AI
효율적인 AI 방법, 논문 속 에너지 측정과 보고, 컴퓨팅 예산, 연구비, 수학이 도움이 되는 분야를 다루는 연구자용 가이드입니다.
그린 AI는 어떻게 배우면 되나요?
배경과 상관없이 그린 AI를 배우기 시작할 곳을 안내합니다. 짧은 읽을거리, 써 볼 수 있는 무료 도구, 강좌, 커뮤니티, 연구를 소개합니다.
AI를 더 효율적으로 만드는 수학
가지치기, 희소성, 스케칭, 랜덤 행렬 이론, 물리 정보 모델: 수학이 AI에 필요한 계산, 메모리, 에너지를 어떻게 줄이는지 설명합니다.
AI 연구의 에너지 사용량은 어떻게 보고해야 하나요?
논문에 컴퓨팅과 에너지에 관해 넣을 내용입니다. 하드웨어, 모든 실행의 GPU 시간, 에너지, 위치, 탄소, 추론 비용, 경계를 적으십시오.