Auf der Konferenz werden wissenschaftliche Arbeiten diskutiert, die von Forschenden aus der ganzen Welt eingereicht werden. Die besten und interessantesten Arbeiten werden zur Präsentation auf der Konferenz ausgewählt – in diesem Jahr gehörte auch die Arbeit von HPI-Doktorand Nicolas Alder dazu.
Nicolas präsentierte in Wien sein Paper „Energy-Efficient Gaussian Processes Using Low-Precision Arithmetic“. Er beschäftigt sich dabei mit Ideen, wie sich bei der Nutzung von künstlicher Intelligenz Energie sparen lässt. Dieses Forschungsfeld wird angesichts der wachsenden Nutzung von KI-Modellen immer wichtiger. Die spezielle Methode der Gaußprozess-Regression hat sich der HPI-Doktorand in diesem Rahmen genauer angesehen. Das ist eine Methode, die hilft, im Bereich der künstlichen Intelligenz Vorhersagen zu machen. Man kann sie sich wie ein besonders kluges Raten vorstellen, das auf vergangenen Beobachtungen basiert.
Nicolas Alder untersucht, was passiert, wenn man dabei mit weniger genauen Zahlen rechnet. Ebenso erforscht er, wie sich diese geringere Genauigkeit auf die Ergebnisse der Gaußprozess-Regression auswirkt und wie die Eigenschaften der Daten, die Art der Implementierung, die Leistung des Modells und der Energieverbrauch zusammenhängen.
Seine Ergebnisse zeigen, dass unter bestimmten Voraussetzungen der Energieverbrauch um
bis zu 89,01 % für nahezu alle Rechenoperationen reduziert werden kann, ohne die Leistung des Modells zu beeinträchtigen. Das heißt: auch mit weniger genauen Zahlen bleibt die Genauigkeit der Vorhersagen fast gleich. Damit könnten Anwendungen der künstlichen Intelligenz deutlich energie-effizienter gestaltet werden.
Wer sich für die Arbeit von Nicolas Alder interessiert, hier ist der Link zu seinem Paper: https://proceedings.mlr.press/v235/alder24a.html
Letzte Änderung: 04.09.2024