I ett nytt forskningsprojekt på Mälardalens universitet (MDU) tas nya energieffektiva Deep Learning-modeller fram som kommer minska klimatavtrycket. Idag används Deep Learning (DL) i stor utsträckning vid inlärning och tolkning av större mängder data, så som vid hälsoövervakning och robotik, men även i sociala medier. Dagens DL-modeller kräver hög energiförbrukning vilket leder till stora miljökostnader. Som ett exempel kan en DL-modell generera koldioxidutsläpp som motsvarar den totala livslängden för fem bilar, enligt MDU.
– Det ser ut som att Deep Learning kommer stå för en betydande del av koldioxidproduktionen det kommande decenniet. Det vill vi ändra på, säger professor Masoud Daneshtalab som forskar om Deep Learning och artificiell intelligens (AI) på MDU i ett pressmeddelande.
Deep Learning är en form av maskininlärning och artificiell intelligens som imiterar hur den mänskliga hjärnan fungerar och lär sig. Det är ett viktigt element i datavetenskap och inkluderar statistik och prediktiv modellering. Deep Learning är användbart till exempel vid automatiserad körning för att upptäcka fotgängare och minska olyckor.
– Inom AI-forskningen har forskarna främst fokuserat på att förbättra tillförlitligheten i resultaten och ägnat relativt lite uppmärksamhet åt energieffektivitet. Med det här forskningsprojektet har vi möjlighet att bidra till FN:s globala mål inom hållbarhet samtidigt som utvecklingen av Deep Learning inte äventyras, säger Masoud Daneshtalab.
Skalbara energieffektiva DL-modeller
Forskningsprojektet finansieras av Vetenskapsrådet och går under namnet GreenDL: Grön djupinlärning för kantenheter och löper under fyra år, 2022–2025. Projektet kommer bland annat att ta fram nya teoretiska grunder och algoritmer för att designa skalbara och energieffektiva DL-modeller. För att skapa störst genomslagskraft kommer kunskap kring vikten av att använda gröna DL-modeller att spridas i samhället.
– Vi kommer redan från start tillgängliggöra källkoden i programvaran genom att skapa ett open-source-projekt där näringsliv och andra forskare kan ta del av våra resultat, säger Masoud Daneshtalab.