Machine Learning Experts 播客:Hugging Face 研究员 Sasha Luccioni 谈 ML 模型的伦理与碳足迹
Hugging Face 播客 Machine Learning Experts 本期嘉宾为 Hugging Face 研究科学家 Sasha Luccioni,她负责研究机器学习模型与数据集的伦理和社会影响,并担任 Big Science Workshop 碳足迹工作组联合主席。
Hugging Face 播客 Machine Learning Experts 本期嘉宾为 Hugging Face 研究科学家 Sasha Luccioni,她负责研究机器学习模型与数据集的伦理和社会影响,并担任 Big Science Workshop 碳足迹工作组联合主席。
Hugging Face 发布机器学习总监访谈系列第二部分,聚焦 SaaS 领域,收录 Salesforce、Amplitude、ZoomInfo 等公司机器学习总监关于 ML 影响、挑战与未来的观点。
Hugging Face 推出系列专访,邀请多位机器学习总监分享 ML 对医疗、金融、电商、SaaS、研究、媒体等行业的影响与趋势。
Hugging Face 播客 Machine Learning Experts 本期嘉宾为 Hugging Face 机器学习工程师 Lewis Tunstall。
Hugging Face 播客 Machine Learning Experts 本期嘉宾为 Margaret Mitchell,她曾创立并共同领导 Google 的 Ethical AI Team,发表 50 多篇论文,现于 Hugging Face 负责制定伦理 AI 研究协议、包容性招聘与文化建设。
Hugging Face 质疑 Megatron-Turing NLG 530B 这类超大模型趋势,认为其训练需数百台 $199,000 的 DGX A100 服务器、成本接近 $100 million,且碳足迹巨大(训练 BERT 相当于一次跨美飞行),但 benchmark 提升相对有限。
Hugging Face 认为机器学习应像普通 IT 负载一样被工程化管理,企业更应招聘懂 ML 的软件与 DevOps 工程师而非更多数据科学家。Kaggle 调查显示 75% 受访者使用云服务、超过 45% 使用企业级 ML 平台,Amazon SageMaker、Databricks 和 Azure ML Studio 排名前三。
OpenAI 表示其 Dota 2 结果表明,在算力充足时自博弈能把机器学习系统从远低于人类水平推到超人水平。系统在一个月内从勉强匹配高分玩家进步到击败顶尖职业选手,并在此后持续提升;作者指出监督学习受限于训练数据质量,而自博弈系统中可用数据会随智能体变强而自动改善。
推荐理由:原文点明自博弈让训练数据随智能体变强而自动变好,解释了为何系统能在一个月内快速超越职业选手。