研究人员提出了衡量和鼓励生命力的方法

常规的AI增长管道需要处理能量-远不止这些。据估计，AI分析数据库每两个或三个月就翻一番，在2012年至2018年之间提高了300倍。尽管这促成了类似于极其专业的机器人和扑克娱乐算法的进步，但环境价格却有所上涨具有纪念意义。最新研究发现，单个人体模型在行驶过程中产生的碳足迹为284吨，相当于平均汽车寿命的5次。

这就是艾伦AI研究所，卡内基·梅隆学院和华盛顿学院的科学家主张加强对缺乏经验或环境友好的“包容性” IA进行分析的原因。他们建议使有效性成为一种更为频繁的分析标准。关于AI的教程文章，以及准确性和相关的测量方法，都要求建立一个参考数据库，以供不同研究人员使用。

共同作者写道，“缺乏综合智能的时间段”是指对AI的分析，它提供了新的结果而又没有提高计算价格，或者理想情况下不会降低计算价格。“很可能希望这些论文主要根据计算价格和教练组的大小来绘制准确性，从而为知识主体内的额外环境友好分析提供基准。”

研究人员观察到，高级AI方式的复杂性日益增加，首先是用于纯语言处理的Google BERT-large。BERT-large在30亿短语知识集(包括64个张量处理项目)上熟练掌握了4天，这是专门为此功能设计的AI加速器芯片。OpenAI表现最佳的文本内容制造模特GPT-2-XL吸收了400亿个短语。至于类似于DeepMind的AlphaGo的专业化时尚，它们更多地依赖于高效的PC进行指导和推理：AlphaGo希望1,920个处理器和280个GPU能够单独玩转Go，每小时价格超过1,000美元。

该文件的共同作者提到，记录想要产生AI结果的工作(处理模式，汇编一组指导知识和进行实验所花费的时间之和)是一种凭经验衡量有效性的方法。他们将浮动级别操作(FPO)等同于可能的度量，该度量提供对计算过程所产生的开销量的估计。FPO有缺陷，因为它忽略了与回忆消费和人体模型实现类似的元素，但它肯定会立即计算出工作机器在执行案件时所执行的劳动量。特定的方式，并随后对应于所消耗的电量。另外，它是运行时装的硬件的公正代表，

研究人员承认，仅靠OPS不足以帮助缺乏综合智能的事件。这就是为什么他们鼓励研究人员报告在指导时尚时注意到的资金/准确性曲线的原因，他们认为这将使制造商能够对他们的模特替代品做出更多有见地的选择，从而突出完全不同方法的稳定性。同时，他们提倡在主要的AI会议上正式使用有效性，并协助公众推出锻炼前时尚，以阻止其他人支付费用。他们的回收。

“当创建一个全新的人体模型时，很多分析过程都需要在一组教练上形成人体模型的许多变体，并在一个小的增长集合上做出推断。在这种情况下，可能会产生额外的环境友好教练程序研究人员写道：“在更好的财务节省方面，而在制造业中，更简单的推断也可能是特别重要的。“我们倡导一种富有想象力和先见之明的个人电脑节省技术，它不会牺牲确保在其他领域取得进步的机会……您将需要记住的是，我们将经验不足的IA视为合法的可能性，而不是唯一的任务……我们AI需要强调缺乏经验的生态系统的普遍性。AI强调其优势[并]提倡一种典型的有效性度量方法。”