In het kort
Kijk verder dan projecten met het label "green AI": onderzoek naar efficiënte AI zit in de informatica, wiskunde, elektrotechniek en domeinwetenschappen, vaak onder namen als efficient machine learning, duurzaam rekenen of energiezuinige hardware. Doorzoek promotieprogramma's en projectoverzichten, lees recente artikelen om actieve begeleiders te vinden, en vraag hoe energie in het werk wordt gemeten.
Stappen
- Blader door PhD-vacatures en promotieprogramma's met verschillende zoektermen, niet alleen "green AI".
- Lees recente artikelen over efficiënte AI om groepen en begeleiders te vinden die op dit gebied actief zijn.
- Neem contact op met mogelijke begeleiders met een korte notitie over uw interesses en achtergrond.
- Vraag hoe energie en rekenkracht in het project worden gemeten en gerapporteerd.
- Controleer financiering, toelatingseisen en deadlines, die per land en programma verschillen.
Zoek breed, want het meeste onderzoek naar groene AI heeft niet het label "green AI". Efficiënte methoden zitten bij veel afdelingen en hebben veel namen.
De grondslagen van het vakgebied helpen bij het kiezen van zoektermen. Het artikel "Green AI" van Schwartz, Dodge, Smith en Etzioni uit 2020 pleitte ervoor efficiëntie als evaluatiecriterium te zien naast nauwkeurigheid, en het artikel van Strubell, Ganesh en McCallum uit 2019 bracht de kosten van het trainen van taalmodellen in kaart. Artikelen die deze citeren, geven een goed beeld van wie op dit gebied werkt.
Welke vakgebieden bieden PhD's in groene AI?
- Informatica: efficiënt trainen en inferentie, modelcompressie, systemen en planning.
- Wiskunde en statistiek: numerieke lineaire algebra, optimalisatie, sparsity (ijlheid), kwantificering van onzekerheid.
- Elektrotechniek: energiezuinige en gespecialiseerde hardware, edge AI.
- Domeinwetenschappen: projecten op het gebied van klimaat, gezondheid of techniek die dure simulaties vervangen door kleinere, betrouwbare modellen.
Nuttige zoektermen: efficient machine learning, sustainable of low-carbon computing, model compression, energy-aware computing, edge AI, surrogate models (surrogaatmodellen).
Waar worden ze aangeboden?
Onze PhD-gids bevat promotieplekken, en de onderzoeksgids bevat onderzoeksgroepen. Nationale vacaturesites voor PhD's en promotieprogramma's bieden er nog veel meer aan; financieringsregels en deadlines verschillen per land.
Wat moet ik een begeleider vragen?
- Hoe worden energie en rekenkracht gemeten en gerapporteerd?
- Welke hardware en welk rekenbudget krijg ik?
- Zijn er partners uit het bedrijfsleven of uit de toepassingspraktijk?
- Waar zijn recente promovendi terechtgekomen?
Veelgemaakte fouten
- Alleen zoeken op "green AI".
- Alleen op onderwerp kiezen, zonder te vragen naar begeleiding en rekenkracht.
- Begeleiders benaderen met een algemeen bericht.
Zie de gids voor onderzoekers voor de belangrijkste onderzoeksrichtingen.
Bronnen
- 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)
Gerelateerd
Groene AI voor onderzoekers
Een gids voor onderzoekers over efficiënte AI-methoden, energie meten en rapporteren in artikelen, rekenbudgetten, financiering en wat wiskunde bijdraagt.
Hoe leer ik meer over groene AI?
Waar u begint met leren over groene AI, wat uw achtergrond ook is: korte teksten, gratis tools om te proberen, cursussen, gemeenschappen en onderzoek om te volgen.
De wiskunde die AI efficiënter maakt
Pruning, sparsiteit, sketching, randommatrixtheorie en fysica-geïnformeerde modellen: hoe wiskunde het rekenwerk, geheugen en energie van AI vermindert.
Hoe rapporteer ik het energieverbruik van mijn AI-onderzoek?
Wat u in een artikel over rekenkracht en energie vermeldt: hardware, GPU-uren voor alle runs, energie, locatie, CO2, inferentiekosten en afbakening.