简而言之
不要只看标注为“绿色 AI”的项目:高效 AI 研究分布在计算机科学、数学、电气工程和各领域科学中,常常以高效机器学习、可持续计算或低功耗硬件等名称出现。搜索博士培养项目和项目列表,阅读近期论文找到活跃的导师,并询问研究中将如何测量能耗。
步骤
- 用多个搜索词浏览博士招生信息和博士培养项目,而不只是搜索“绿色 AI”。
- 阅读高效 AI 方面的近期论文,找到在该领域活跃的研究组和导师。
- 给潜在导师发一封简短的邮件,介绍您的兴趣和背景。
- 询问项目中将如何测量和报告能耗与算力。
- 核实资助、申请资格和截止日期,这些因国家和项目而异。
请广泛搜索,因为大多数绿色 AI 研究并没有贴上“绿色 AI”的标签。 高效方法分布在许多院系,名称也五花八门。
这个领域的奠基性论文有助于确定搜索词。Schwartz、Dodge、Smith 和 Etzioni 在 2020 年的论文《Green AI》中主张,应把效率与准确率一起作为评价标准;Strubell、Ganesh 和 McCallum 在 2019 年的论文中量化了训练语言模型的成本。引用这些论文的文献,是了解谁在这一领域工作的好地图。
哪些学科设有绿色 AI 博士项目?
- 计算机科学: 高效训练与推理、模型压缩、系统与调度。
- 数学与统计学: 数值线性代数、优化、稀疏性、不确定性量化。
- 电气工程: 低功耗和专用硬件、边缘 AI。
- 各领域科学: 气候、健康或工程领域的项目,用更小、可信的模型取代昂贵的模拟。
有用的搜索词:高效机器学习(efficient machine learning)、可持续或低碳计算(sustainable or low-carbon computing)、模型压缩(model compression)、能耗感知计算(energy-aware computing)、边缘 AI(edge AI)、代理模型(surrogate models)。
这些项目在哪里发布?
我们的博士项目目录列出了博士机会,研究目录列出了相关研究组。各国的博士招生网站和博士培养项目还会发布更多机会;资助规定和截止日期因国家而异。
应该向导师问些什么?
- 能耗和算力将如何测量和报告?
- 我将拥有哪些硬件和多少算力预算?
- 是否有业界或应用方面的合作伙伴?
- 近几届学生毕业后去了哪里?
常见错误
- 只搜索“绿色 AI”。
- 只凭课题做选择,却不询问指导方式和算力条件。
- 给导师发千篇一律的邮件。
主要研究方向请参阅研究人员指南。
来源
- 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)