机器学习专家访谈 Sasha Luccioni——关于伦理 AI 与气候影响的要点

TL;DR

Sasha Luccioni 是 Hugging Face 的研究科学家，她阐述了自己如何衡量 AI 的碳足迹，领导 Big Science 碳足迹工作组，并构建工具，使大语言模型的开发更加透明且对环境负责。

背景与动机

Sasha 通往 Hugging Face 的道路始于语言学本科学位、以语言学为重点的计算机科学博士学位，以及一段金融工作经历。她离开高薪的金融岗位，转而从事“对社会有益的 AI”研究，最终在与创始人 Thom 和 Clem 会面后加入 Hugging Face，因为她相信他们的价值观与自己相符。

“我辞职是因为再多的钱也不值得仅仅为了 AI 本身而工作；我想做得更多。”

重要的当前项目

Big Science 透明计划

  • Big Science 项目旨在将大语言模型的开发从“黑箱”转变为“玻璃箱”。
  • Sasha 主持 carbon‑footprint 工作组，该工作组将影响评估范围从 GPU 使用时长扩展到包括制造成本，甚至一封电子邮件的碳成本。
  • 她还参与数据策划工作组，重点关注多语言数据、审慎的策划以及去除不良的互联网内容。

碳足迹工具

  • ML CO₂ calculator – 一个在线工具，用户输入硬件、训练时长和地点，即可获得估算的 CO₂ 排放量。
  • code‑carbon – 一个 Python 包，在模型训练期间实时流式输出排放估算。
  • 对主动减排的研究，例如在低碳地区（水电发达的魁北克 vs. 煤炭密集的澳大利亚）安排训练，可将排放降低至多 100 倍。

“选择低碳云区域是一个简单的提示，能够显著减少排放。”

为什么地理位置对排放很重要

Sasha 强调，全球各地的电力生产结构各不相同（例如法国的核能、加拿大的水电、澳大利亚的煤炭）。默认的云实例选择往往忽视这一点，导致隐藏的环境成本。

对机器学习团队的实用建议

  1. 先测量 – 使用 ML CO₂ calculator 或 code‑carbon 来显现排放情况。
  2. 选择低碳计算资源 – 许多供应商现在会标记地区的碳强度。
  3. 更改默认设置 – 将低碳选项设为默认，以利用提示效应。
  4. 连接到真实工作流 – 确保模型输出可解释且可操作（例如，基于卫星的野火警报必须触发实际警报，而不仅仅是预测）。

机器学习在气候解决方案中的应用

Sasha 合著了 《用机器学习应对气候变化》 论文（约 100 页，25 位作者），内容包括：

  • 可再生能源预测 – 机器学习预测短期能源需求，以降低对柴油发电机的依赖。
  • 电池充电优化 – 基于天气预报进行预充电。
  • 遥感 – 自动检测卫星影像中的森林砍伐和野火。

这些例子说明机器学习可以 抵消 而非仅仅 增加 排放。

克服数据稀缺

  • 在蒙特利尔一家汤厨房的黑客马拉松中，Sasha 发现非政府组织往往缺乏任何数据。她组织了 数字素养工作坊，教授基本的数据收集（电子表格、食物浪费追踪）。一年后，厨房采用了简单的库存系统，在不依赖重度 AI 的情况下减少了浪费。
  • 关键教训：在部署复杂模型之前，先做好数据卫生和教育。

常见陷阱

  • “AI 能解决一切” 思维 – 团队可能构建高精度模型，却忽视集成（例如缺少 UI、邮件提醒），导致解决方案停滞。
  • 缺乏跨学科合作 – 成功的气候影响项目常常需要超出学术圈的网络（例如，与航空业的联系以开发减排算法）。

有意义的工作与个人哲学

Sasha 遵循日本概念 Ikigai（热爱、擅长、世界需求、可获报酬的交叉点）。这指引她从金融转向 Hugging Face，在那里开源模型共享满足了这四大支柱。

AI 可及性的愿景

  • 为非专家（记者、医生、面包师）民主化 AI 是首要任务。她举例说一位面包店朋友好奇 AI 能否提升面包质量——这体现了未被开发的领域。
  • 类似 AutoTrain 的项目和简易网页 UI 能让生物多样性研究者在无需深度机器学习专业知识的情况下，对相机陷阱图像进行分类。

喜爱的研究方向

  • AI 伦理 – Abeba Birhane 的论文探讨研究者价值观（准确性 vs. 效率）如何影响模型开发。
  • 整体评估 – Sasha 当前的工作将模型评估从单纯准确率扩展到包括效率、碳排放以及对数据子群体（如性别、肤色）的公平性分析。

快速洞见

  • 数学基础 – Sasha 希望自己更早投入数学学习；扎实的数学基础能加速模型构建直觉。
  • 动手学习 – 从笔记本和个人数据集（例如花卉图片）开始，而不是使用 MNIST 等通用基准。
  • 社区影响 – 小规模项目（如为蒙特利尔昆虫馆开发的蝴蝶分类应用）可以将研究转化为具体的公众体验。

个人兴趣

在 AI 之外，Sasha 正在培育家庭花园，与孩子们一起种植番茄、辣椒和黄瓜——这与她的计算工作形成了扎实的对比。

在哪里可以找到 Sasha：Twitter @SashaMTL 和她的个人网站 www.sashaluccioni.com。

如果您需要专职的机器学习专家来加速项目，请访问 Hugging Face 的 ML Experts 项目，网址为 hf.co/support。

Sources