數據科學研究開辟了許多有希望的方法來幫助人類應對和適應氣候變化，但數據中心（容納服務器的結構）本身也是能源消耗大戶。據美國能源部調查顯示，數據中心消耗的能源約占美國能源供應的2%，且其消耗量正在快速增長。據估計，到2030 年，美國數據中心的能源需求將比2022 年翻一番，許多專家認為人工智能正在推動這一增長。強大的計算能力會消耗大量的能源。在這一點上，人工智能的可能性是巨大的。為了避免迫在眉睫的能源危機，哥倫比亞大學和長期合作伙伴IBM 計劃啟動四個獨立的研究項目，以提高數據中心的效率。 IBM 可持續(xù)計算首席科學家兼該計劃的首席研究員Tamar Eilam 與數據科學研究所臨時主任、工業(yè)工程和運籌學教授Wai T. Chang 教授Clifford Stein 討論了如何合作解決這一問題。計算機科學教授。

Tamar Eilam 表示，哥倫比亞大學的專業(yè)知識、技能和經驗與IBM 制定強有力的議程來解決可持續(xù)計算問題的目標完美契合。工業(yè)界和學術界需要共同制定標準并在該領域進行創(chuàng)新合作。鑒于數據中心的復雜性，有很多方法可以解決能源消耗問題。 IBM和哥倫比亞大學專注于專業(yè)領域，努力解決電力消耗和生產相關的碳排放問題。四大專業(yè)路徑包括：根據不同參數模擬人工智能在不同硬件上的能耗表現，通過優(yōu)化算法找到系統的最佳解決方案。優(yōu)化能源配置；設計更低功耗的芯片，特別是針對新的高需求應用；解決軟件膨脹問題，以獲得新內存和存儲技術的必要優(yōu)勢；優(yōu)化組件和系統的運行和調度。

與此同時，哥倫比亞和IBM 正在努力解決的另一個問題是專用芯片，重點關注它們在不同速度和不同功率下如何執(zhí)行的細節(jié)。協作團隊希望開發(fā)一種方法來更改算法中的設置，以利用新的效率?？死５隆に固贡硎荆擁椖糠从沉藬祿茖W方法?？沙掷m(xù)性是一項挑戰(zhàn)，需要的干預規(guī)模超出了大多數具有環(huán)保意識的人的能力。作為個人，您可以通過多種方式對氣候變化產生真正的影響。即使您盡一切努力減少個人碳足跡，也可能無濟于事。但如果你掌握了某些技能，你就有機會弄清楚你可以在更大范圍內做什么。作為一名數據科學家，我們有能力從更大規(guī)模的角度看待事物，提出見解和建議，并發(fā)現影響行業(yè)的事物的運作方式。