Modest, artistic, and radical solutions to the environmental impact of image-generating machine learning
Cet article critique les coûts environnementaux cachés de la génération d'images par apprentissage automatique et propose une approche multidisciplinaire combinant des innovations techniques telles que l'informatique inexacte et les modèles miniatures avec une conception éthique et une comptabilité du coût réel pour développer des alternatives radicales et durables.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Le gros problème : Le « Glouton Numérique »
Imaginez Internet et l'Intelligence Artificielle (IA) comme un monstre géant et affamé. On se persuade souvent que ce monstre est « efficace » parce qu'il fait les choses plus vite qu'un humain. Mais les auteurs de cet article soutiennent que cette efficacité est un leurre.
C'est comme une voiture qui consomme très peu d'essence (nombre de kilomètres par litre) mais qui est si peu coûteuse à faire rouler que tout le monde en achète une flotte pour la conduire 24 heures sur 24. Le résultat ? Vous utilisez plus d'essence au total, pas moins.
L'article soutient que, bien que l'IA puisse devenir légèrement meilleure pour économiser de l'énergie par tâche, les entreprises qui la construisent sont tellement concentrées sur le profit qu'elles se contentent de construire des centres de données plus grands et plus affamés pour accomplir plus de tâches. Ce monstre dévore des quantités massives d'électricité, d'eau (pour le refroidissement) et de terres. Si nous continuions à ce rythme, l'article suggère que nous devrions paver la moitié de la planète avec des centrales électriques juste pour faire fonctionner l'IA, ce qui nous tuerait tous avant même que l'IA ne puisse faire quoi que ce soit de « maléfique ».
L'expérience de pensée du « Deepfake »
Pour montrer à quel point la situation est grave, les auteurs imaginent un méchant de science-fiction (comme l'« Entité » de Mission Impossible) qui veut tromper le monde entier avec des vidéos truquées.
- Le calcul : Créer une seule fausse image génère une petite quantité de pollution carbone. Mais créer une vidéo ? C'est comme brûler une quantité massive de charbon chaque seconde.
- Le résultat : Si ce méchant essayait de tromper ne serait-ce qu'une petite fraction du monde, la pollution générée en dix secondes équivaudrait à ce qu'une centrale à charbon produit en une année entière.
Le point n'est pas que l'IA est mauvaise ; c'est que la façon dont nous la construisons actuellement est physiquement insoutenable.
L'« Effet de Rebond » : Pourquoi l'« efficacité » échoue
L'article souligne un cycle aussi amusant que triste appelé l'Effet de Rebond.
- Le cycle : Les ingénieurs fabriquent une nouvelle puce qui consomme moins d'énergie. Génial ! Mais parce qu'elle est moins chère et plus rapide, les entreprises l'utilisent pour faire tourner des programmes plus complexes. Les gens achètent plus de téléphones dotés de ces puces. Nous finissons par utiliser plus d'énergie totale qu'auparavant.
- L'analogie : C'est comme acheter un aspirateur super efficace. Au lieu de passer l'aspirateur moins souvent, vous décidez de passer l'aspirateur dans tout le quartier chaque jour parce que « c'est tellement facile ».
La solution : Une IA « Minuscule » et « Modeste »
Au lieu d'essayer de construire un monstre plus grand et plus rapide, les auteurs suggèrent de construire une « IA minuscule ». Ils proposent trois voies principales pour y parvenir :
Baisser la résolution (l'approche de la « photo floue ») :
Actuellement, l'IA essaie d'être parfaite, en calculant des chiffres avec de nombreuses décimales. Les auteurs suggèrent d'accepter des résultats « assez bons ». C'est comme prendre une photo légèrement floue plutôt qu'en 8K ultra-HD. Vous économisez énormément d'énergie, et pour beaucoup de tâches artistiques ou créatives, le flou n'a pas d'importance.Des modèles de petite taille (la « calculatrice de poche » contre le « supercalculateur ») :
Au lieu d'entraîner un modèle sur l'intégralité d'Internet (ce qui demande une énergie massive), nous pouvons entraîner un « Petit Modèle de Langage » (SLM) sur quelques sujets spécifiques. C'est comme porter une calculatrice de poche au lieu d'un supercalculateur dans sa poche. Elle ne peut pas tout faire, mais elle fait ce dont vous avez besoin sans brûler la maison.Des ingrédients éthiques (l'approche « de la ferme à la table ») :
La plupart des IA sont entraînées sur des données « collectées » — des photos et des textes volés sur Internet sans permission. Les auteurs proposent un projet de « IA lente ». Imaginez un chef qui refuse d'utiliser une grande usine industrielle. Au lieu de cela, il demande à ses voisins d'apporter leurs propres plats faits maison pour préparer un ragoût.
- Le projet : Ils construisent un générateur d'images minuscule qui utilise un ensemble de données très restreint et organisé (comme des textiles et de la calligraphie) donné par un musée et des membres de la communauté.
- Le rebondissement : Ils veulent que l'IA soit « décoloniale ». Ils prévoient de forcer l'IA à toujours inclure une référence à la Palestine (comme une image de pastèque) dans ses résultats, afin de contester les manières habituelles et biaisées dont l'IA perçoit le monde.
L'objectif artistique : « L'austérité »
Les auteurs sont des artistes et des chercheurs, pas seulement des ingénieurs. Ils veulent montrer que les limitations peuvent être belles.
- Au lieu d'une IA capable de générer un million d'images parfaites de n'importe quoi, ils veulent une IA qui génère quelques images étranges, surprenantes et uniques basées sur l'apport d'une petite communauté.
- Ils appellent cela la « dégradation gracieuse ». C'est comme un musicien de jazz qui joue une note simple et imparfaite qui semble plus humaine et honnête qu'une symphonie parfaite générée par ordinateur.
L'essentiel
L'article conclut que tant que les entreprises seront guidées uniquement par le profit et le « capitalisme actionnarial », elles continueront à construire des IA plus grandes et plus polluantes. La seule véritable solution est de changer notre mentalité :
- Arrêter d'exiger « plus » et commencer à accepter « assez ».
- Taxer l'électricité pour que les entreprises ressentent réellement le coût de la pollution qu'elles créent.
- Adopter le « Tiny Machine Learning » (apprentissage automatique minuscule) — des modèles qui sont petits, lents et spécifiques, plutôt que gigantesques, rapides et avides.
En résumé : Nous devons arrêter de nourrir le monstre numérique et commencer à cultiver un petit jardin durable.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.