Una búsqueda se ajusta a todos: selección de modelos ecológica de Pareto-óptimo

Resumen: El impacto ambiental de la inteligencia artificial (IA) está surgiendo como una preocupación global significativa, particularmente con respecto a la capacitación de modelos. En este documento, presentamos verdes (recomendaciones guiadas de redes de eficiencia energética), un enfoque novedoso de inferencia para recomendar configuraciones del modelo de IA óptimos de Pareto que optimizan el rendimiento de la validación y el consumo de energía en diversos dominios y tareas de IA. Nuestro enfoque aborda directamente las limitaciones de los métodos actuales de búsqueda de arquitectura neuronal ecoeficiente, que a menudo se limitan a arquitecturas o tareas específicas. El centro de este trabajo es Ecotaskset, un conjunto de datos que comprende dinámicas de capacitación de más de 1767 experimentos a través de la visión por computadora, el procesamiento del lenguaje natural y los sistemas de recomendación utilizando arquitecturas de vanguardia ampliamente utilizadas y de vanguardia. Aprovechando este conjunto de datos y un modelo de predicción, nuestro enfoque demuestra efectividad en la selección de la mejor configuración del modelo basada en las preferencias del usuario. Los resultados experimentales muestran que nuestro método identifica con éxito configuraciones de eficiencia energética al tiempo que garantiza el rendimiento competitivo.