迈向绿色自动化机器学习：现状与未来方向
机器学习
2023-06-16 v4
摘要
自动化机器学习(AutoML)致力于自动配置机器学习算法并将其组合成整体（软件）解决方案——机器学习流水线——针对手头的学习任务（数据集）。在过去十年中，AutoML已发展成为一个独立的研究领域，有数百篇贡献。与此同时，AutoML因其高资源消耗而受到批评，因为许多方法依赖于对许多机器学习流水线的（昂贵）评估，以及跨许多数据集和方法的昂贵大规模实验。本着近期关于绿色AI的工作精神，本文提出了绿色AutoML，一种使整个AutoML过程更加环保的范式。因此，我们首先阐述了如何量化AutoML工具的环境足迹。之后，总结了关于如何设计和基准测试AutoML工具“绿色度”（即可持续性）的不同策略。最后，我们阐述了如何对环境足迹保持透明，以及什么样的研究激励可以引导社区走向更可持续的AutoML研究方向。此外，我们提出了一个可持续性检查表，附在每篇AutoML论文上，涵盖绿色AutoML的所有核心方面。
引用
@article{arxiv.2111.05850,
title = {Towards Green Automated Machine Learning: Status Quo and Future Directions},
author = {Tanja Tornede and Alexander Tornede and Jonas Hanselle and Marcel Wever and Felix Mohr and Eyke Hüllermeier},
journal= {arXiv preprint arXiv:2111.05850},
year = {2023}
}
备注
Published in Journal of Artificial Intelligence Research