Dansk forsker: Neurale netværks kompleksitet kan sluge al energi i verden - »begræns anvendelsen«
Illustration: yelantsevv / BigStock.
Deep learning-algoritmer tilhører kompleksitetsklassen ∃R, viser ny dansk forskning. Det betyder, at der ikke er nogen øvre grænse for energiforbrug. Anvendelsen af højtydende neurale netværk må derfor begrænses til vigtige områder, mener dansk forsker. I mellemtiden vokser modellerne eksponentielt.
Artiklen er ældre end 30 dage
Man kan bruge ligeså meget strøm, som det skal være, hvis man skal presse de sidste procentpoints ydelse ud af et neuralt netværk.
Det er konsekvensen af ny dansk forskning.
Mikkel Abrahamsen fra DIKU har sammen med kolleger fra tyske og hollandske universiteter vist, at træning af deep learning-systemer er et problem i kompleksitetsklassen ∃R, ‘existential theory of the reals’ (ETR).
Den indsigt giver anledning til bekymring hos Mikkel Abrahamsen, med tanke på dagens klima- og energiforsyningsproblemer.
Læs hele artiklen
DataTech er til professionelle, der arbejder med data og analytics.
Få 3 ugers gratis prøveabonnement. Betalingskort er ikke påkrævet, og du bliver ikke flyttet til et betalt abonnement efterfølgende.
Du kan også få tilsendt et tilbud til dig.
Abonnementsfordele
Fuld adgang til DataTech
Alt indhold på DataTech er åbent for dig, så du kan nyde det fra din computer, tablet eller mobil.
Kuraterede nyhedsbreve
Nyheder, interviews, tendenshistorier og meget mere, leveret til din indbakke.
Adgang til andre medier
Hver måned får du 6 klip, som kan bruges til permanent at låse op for indhold på vores andre medier.
Adgang til debatten
Deltag i debatten med andre professionelle.
