Energi-effektiv AI

Viktiga resultat som projektet gav

Målet med projektet är att utveckla beräknings- (och därmed energieffektiva) algoritmer för att träna AI-modeller. Det är ett faktum att detta kommer att vara ohållbart i längden, eftersom det inte finns tillräckligt med energi för att tjäna alla som skulle vilja implementera AI. Vi har utvecklat nya algoritmer och resultaten kommer att publiceras genom minst en konferensartikel inom en av AI-fältets topp konferenser. Vi kommer att ta samarbetet till nästa steg och bygga en open-source community lik HuggingFace.

Långsiktiga effekter som förväntas

Projektet resulterade i fördjupat samarbete som förutom Prof. Stephen Boyd på Stanford inkluder Prof. Mert Pilanci och Prof. Jure Leskovic på Stanford. Vi kommer att ta samarbetet till nästa steg och bygga en open-source community lik HuggingFace. Vi har utvecklat nya algoritmer och resultaten kommer att publiceras genom minst en konferensartikel inom en av AI-fältets topp konferenser. Vi kommer även att ansöka om patent för att säkra IP. De förväntade effekterna är att vi får en global open-source community och en produkt som många företag och organisationer har användning av.

Upplägg och genomförande

Den sökande gjorde ett längre besök på Stanford och träffade professorer och började arbeta med algoritmutvecklingen med professorerna och deras studenter. Vi började med att formalisera algoritmerna, sedan började vi implementera och testa algoritmerna på både simuleringar och öppen källkod. Framgångsrika tester bekräftade överlägsenheten hos de nya algoritmerna. Vi påbörjade processen att skriva ett par vetenskapliga artiklar för att sprida resultaten till allmänheten.