Một nghiên cứu được công bố trên tạp chí Nature Machine Intelligence đã hé lộ một phương pháp mới mang tên "Green Backprop", cho phép giảm đáng kể lượng điện năng tiêu thụ trong quá trình huấn luyện các mô hình AI lớn. Nhóm nghiên cứu do tiến sĩ Elena Rodriguez lãnh đạo tại MIT đã phát hiện ra rằng việc điều chỉnh tốc độ cập nhật trọng số theo chu kỳ, kết hợp với kỹ thuật nén tham số thông minh, có thể tiết kiệm tới 70% năng lượng so với phương pháp lan truyền ngược (backpropagation) truyền thống.
Thử nghiệm thực tế trên mô hình có 100 tỷ tham số cho thấy Green Backprop không chỉ giảm chi phí năng lượng mà còn rút ngắn thời gian huấn luyện từ 3 tuần xuống còn 5 ngày, nhờ vào việc tránh được các điểm tắc nghẽn tính toán thông thường. Điều này đặc biệt quan trọng trong bối cảnh các trung tâm dữ liệu AI toàn cầu đang đối mặt với áp lực về hạn ngạch carbon và chi phí vận hành ngày càng tăng.
Bài báo cũng trình bày một công cụ mã nguồn mở tên là "EcoTrainer", tích hợp trực tiếp thuật toán Green Backprop vào các framework phổ biến, giúp bất kỳ ai cũng có thể áp dụng phương pháp tiết kiệm năng lượng này. Các công ty lớn như Google và Microsoft đã xác nhận sẽ hợp tác với MIT để tích hợp Green Backprop vào cơ sở hạ tầng đám mây của họ trong năm 2027.
Nhà khoa học hàng đầu trong lĩnh vực AI bền vững, Giáo sư David Chen từ Đại học Oxford, nhận định đây là bước tiến quan trọng hướng tới một ngành AI "xanh" hơn, nơi hiệu suất không còn đánh đổi với tác động môi trường.