来自档案
人工智能效率值得在价值讨论中占有一席之地。
成本、能源和有用性应该一起考虑。
回顾专栏准备此存档于 版本日期确定了它在每周系列中的位置。
国际能源署的能源和人工智能报告将人工智能部署与能源系统中的电力需求和机会联系起来。我的业务要点很简单：人工智能工作负载应该有足够强大的目的，以证明运行它所需的资源是合理的。
选择任务所需的能力
常规分类或搜索任务可能与复杂的分析练习有不同的要求。我会要求团队将合适的方法与商定的质量目标进行比较，而不是自动选择最大的可用模型。比较应包括完整的工作流程以及检查其结果所需的工作。
减少可避免的重复
重复请求、不必要的处理和管理不善的源材料可能会产生成本，而不会改善结果。检查工作流程的每一步是否都在做有用的工作。在适当重用的情况下，应尊重信息的新鲜度、权限和目的。效率决策仍然需要适应业务环境。
小心环境声明
我不希望在没有相关证据的情况下将简单的成本节省作为经过验证的环境效益来呈现。能源使用取决于工作量和操作安排，广泛的比较可能会产生误导。从组织可以理解和证实的措施开始。负责任的合作伙伴关系会询问如何合理利用资源来提供所需的结果，然后明确评估的基础。
Genellipse如何提供帮助
Genellipse 可以帮助将人工智能方法与定义的工作负载、质量目标和运营成本进行比较。我们的工程团队可以检查可避免的处理和支持数据流的设计。任何环境评估都应使用适当的证据来进行部署；效率建议可以从可衡量的工作量和资源决策开始。
从思考到实践
与 Genellipse 讨论这个问题
