机器学习正在改变世界，并且正在快速改变它。在过去的几年中，它为我们带来了虚拟助手，他们能够理解语言，自动驾驶汽车，新药发现，基于AI的医学扫描分类，手写识别等。
机器学习不应该改变的一件事就是气候。
这个问题与机器学习的发展方式有关。为了使机器学习能够准确地做出决策和预测，需要对其进行“培训”。
想象一下一个在线销售鞋的市场，人们试图在网站上出售其他商品时遇到了麻烦。市场所有者决定通过构建可识别鞋子照片的AI并拒绝图片中没有鞋子的任何列表来将网站限制为仅鞋子。
OKX 总裁 Hong：从信任中介到自托管，OKX首创MPC无私钥钱包，积极构建未来工具:金色财经报道，OKX 总裁 Hong 出席Web3香港嘉年华峰会并发表《从信任中介到自托管》主题演讲。她指出，全球金融环境正值变局，人们正在从信任金融中介机构向自托管时代过渡，OKX作为全球领先的科技公司，正基于Web3技术构建未来工具。
Hong表示，当前行业发展正在从 CeFi 向 DeFi过渡，OKX正在积极做好做两件事：一是引领CeFi走向公开、透明，除追求监管许可和审计外，还将创建更优PoR标准；二是引领DeFi 不断进化，推动Web3进入多签钱包时代，OKX Web3 钱包目前已支持57条公链，是最便捷的加密钱包之一。
据悉，OKX于本月推出了 MPC 无私钥钱包，这是市面上第一个2/3的多链无私钥钱包，现已支持37条公链。用户使用 OKX 账户即可轻松创建钱包，无需管理复杂的私钥或助记词，轻松探索去中心化的 Web3 世界，是真正意义上的去中心化自托管钱包。同时，MPC无私钥钱包首创了紧急出口功能，用户可在紧急场景下，通过完全由自己管理的两个私钥分片导出私钥提走资产。[2023/4/12 13:58:36]
该公司收集了成千上万张鞋子的照片，以及不穿鞋子的类似数量的照片。它雇用数据科学家来设计复杂的数学模型并将其转换为代码。然后他们开始训练他们的鞋检测机器学习模型。
金融科技公司Railsr招募前区块链公司SETL高管担任新CEO:4月4日消息，几周前从彻底破产边缘获救的一家支付公司Railsr正在实施转型计划。近期被出售的区块链公司SETL前CEO Philippe Morel将接任Railsr的首席执行官。就在一个月前，Railsr通过加速破产程序出售了部分资产。
根据管理人的文件，Railsr的估值接近10亿美元，但其资产以不到50万英镑的价格出售。
据内部人士透露，几个月前被聘为董事长的实业家Rick Haythornthwaite帮助指引了一条让公司走出财务困境的道路，目前他正在策划招募一个新的高管团队。
除了Morel之外，预计Railsr还将宣布任命澳大利亚国民银行（National Australia Bank）和苏格兰皇家银行（Royal Bank of Scotland）前高管Debbie Lotz为新任首席财务官。
Railsr前高管ick Charteris在Crypto.com短暂任职后，将重新加入该公司，担任首席运营官。
据悉，Railsr的资产被出售给了一家由D Squared Capital、Moneta VC和Ventura Capital支持的新控股公司Embedded Finance。（Sky News）[2023/4/4 13:43:59]
这是至关重要的部分：计算机模型会查看鞋子的所有图片，并尝试找出使鞋子“发亮”的原因。非鞋子图片没有什么呢？无需太费劲地浪费技术细节，此过程需要大量的计算资源和时间。训练精确的机器学习模型意味着在对模型进行训练，调整和完善后，可以全天候，连续24周或数月全天候运行多个芯片。
过去24小时加密市场总交易量556.71亿美元:金色财经报道，据 CoinGecko 数据显示，过去24小时加密市场总交易量556.71亿美元，比特币市值占比为37.7%，以太坊市值占比为18.3%。[2023/1/12 11:07:35]
除了时间和金钱，人工智能培训还消耗大量精力。现代计算机芯片闲置时仅使用最小的功率，但是当它们满负荷工作时，它们可能会通过电燃烧，产生大量的废热）。
任何主要的能源使用都会对气候变化产生影响，因为我们的大部分电力仍来自化石燃料，燃烧时会产生二氧化碳。一个最近的一项研究从马萨诸塞大学声称，培养一个高级语言处理AI产生的CO2626,000lb，相同数量的五辆汽车会产生在其一生！
实际上，加拿大蒙特利尔学习算法研究所的一个团队于去年12月发布了机器学习排放计算器，以帮助AI领域的研究人员估算训练他们的机器学习模型时会产生多少碳。
随着数据科学家和工程师通过向他们投入更多的精力，使用更大，更昂贵的计算来解决难题而不是专注于效率来解决更复杂的AI问题，这一问题变得越来越严重。
GPT-3是OpenAI最近发布的基于AI的语言模型，它在45TB的文本数据上进行了培训这种功能强大的机器学习技术的成本仍然未知。
公平地说，其他计算过程也处于令人担忧的轨道上。ICT专家AndersAndrae的一项研究发现，根据他最乐观的预测，到2030年，提供Internet，视频，语音和其他云服务的ICT行业将占全球能源总需求的8％，而他的现实预测将这一数字提高到21％-数据中心使用了三分之一以上的数据。
马萨诸塞州大学为减少AI培训而造成的浪费的一项重要建议是“工业界和学术界共同努力促进对计算效率更高的算法以及需要更少能源的硬件的研究”。
也可以使用软件来提高硬件效率，从而降低AI模型所需的计算能力，但最大的影响可能来自数据中心本身对可再生能源的使用。据说，Facebook的丹麦欧登塞数据中心完全使用可再生能源。Google拥有自己的节能数据中心，例如位于芬兰哈米纳的一个数据中心。
从长远来看，随着世界工业经济摆脱化石燃料的使用，计算负荷与二氧化碳生产之间的联系可能会被打破，并且所有机器学习都将实现碳中和。甚至更长期，更深入的天气和气候模式学习也可以帮助人类更好地了解如何应对甚至逆转气候变化。
但是在此之前，负责任的企业应考虑其新技术的碳影响，并采取措施通过提高开发，软件和硬件的效率来衡量其模型开发的碳成本。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。