[SUS301] Sustainable machine learning for protecting natural resources（AI/ML）
投稿日: 2022/12/09
気候変動、汚染、違法な収穫は、世界中の森林と海の健康を脅かしています。AWS のお客様は、大規模な天然資源データセットと、AWS AI と機械学習 (AI/ML) サービスをエッジで使用して、これらの課題を解決しています。
データの複雑さと規模が増加するにつれて、分析、モデリング、シミュレーションを加速するとともに、ML処理の環境的影響を減らすために最適化が不可欠です。このセッションでは、組織がAI / MLを使用して環境の脅威を予測し、対応する方法を学び、MLライフサイクルのあらゆる段階でモデルの炭素排出量を減らすために実装できる実践的な措置について説明します。
本日行われたセッションのAgendaは以下の通りです。
- 持続可能な技術と持続可能な技術に対するAWSの取り組み
- 天然資源ビジネスインテリジェンスのためのImpact Computing：海、森
- 最先端のMLとサプライチェーンの回復力のための革新
- MLワークロードの炭素排出量の削減
- MLライフサイクルによる最適化
- 行動を促す
AWS GravitonとInferentiaは、クラウド用に構築された最新世代のAWS設計プロセッサです。Graviton 3ベースのAmazon EC2インスタンスは、同じパフォーマンスで比較可能なインスタンスよりも最大60％少ないエネルギーを使用します。Inferentiaは、最も電力効率の高い推論プロセッサの1つです。
AmazonとGlobal Optimismは、パリ協定の目標を10年早く達成し、2040年まで純ゼロ炭素を達成するという約束である気候公約を発表しました。これを達成するために、エネルギー効率の高いデータ処理ステップを紹介しました。
- Trainiumは、学習段階で最もエネルギー効率の高いAWSプロセッサの1つになると予想されます。
- Inf1（Inferentia）は、g4dnよりも1ワットあたりのパフォーマンスが50％高く、Amazon EC2が提供する最も持続可能なMLアクセラレータの1つです。
- Graviton3は、Amazon EC2のワットあたりのパフォーマンスが最も優れた製品の一部であり、比較可能なEC2インスタンスよりもエネルギーが最大60％少なくなります。
- Amazon Sustainability Data Initiative（ASDI）は、大規模なデータセット分析に関連するコスト、時間、および技術の障壁を大幅に削減し、持続可能性に関する洞察を作成します。
Impact Computingは、モデリング、シミュレーション、データ豊富なコンピューティングソリューションを使用して、顧客が人間以外の種や自然生態系の生活を向上させるのに役立ちます。
- 気候変動のリスクを特定し復元する
- 健康公平性分析
- 生態系循環
- 天然資源の保存
- 環境、社会、企業支配構造（ESG）分析
- 責任あるAI
AWSは、2025年までに100％の再生可能エネルギーで運用を強化するよう努めています。Amazonの再生可能エネルギープロジェクト地域の近く、特にグリッドの炭素強度が他の場所（または地域）より低い場合を選択しました。
Electronic Monitoringのためのデータアーキテクチャの特徴は次のとおりです。
- ガバナンス、セキュリティ、データウェアハウス、収集、APIなどを概略的に説明するデータモデルを含む
- 企業、RFMOなどが使用できるオープンソーススタック
- メンバーがデータの追加と検索に参加できるPaaS型サービス
モデル開発段階でのエネルギー効率を高めるための方法は次のとおりです。
[モデルビルドステップ]
- 受け入れるのに十分なパフォーマンス基準を定義します。
- エネルギー効率の高いアルゴリズムを選択してください。
- 全部または一部の事前学習済みモデルを使用します。
【モデル学習＆チューニングステップ】
- 学習環境リソースを最適化します。
- ハイパーパラメータ最適化のための効率的なクロス検証技術を使用します。
- デバッガを使用してください。
セッションを聞きながら、その間、ML業務を遂行しながら考慮しなかった部分だったことがわかりました。学習環境を例にとり、最適化された環境を選択するより余裕のあるリソースを使用しましたが、今回のセッションで省エネルギーMLについて学び、今後は意識と責任を持って取り組んでいきたいと思います。
