音乐vi设计的设计目的在于代表企业或品牌的形象，良好的音乐vi设计建立起品牌和客户之间的联系：

音乐vi设计思路：

计算机科学的基础材料之一是一段没有尽头的磁带。艾伦图灵是这样描述他1936年的数学模型的，他是计算机的鼻祖。根据图灵的模型，机器将在环形磁带上的单个单元中读写符号，这将决定机器的行为。"这样的磁带是不存在的，"艺术家、作家和教育家英格丽德伯灵顿指出，她向我介绍了图灵机显然是无限的资源。"我们没有无限的事物。我们生活在一个有限物体的世界里。无限的资源、能源和创新的假设给人一种印象，即我们能够而且应该保持增长、保持建设和保持扩张。"

近十年来，伯灵顿一直致力于让支撑我们数字世界的系统和基础设施变得可见。她关于图灵磁带的论断听起来不言自明，但在运行全球计算系统（比如网站)及其相关基础设施（比如数据中心)所需的材料和能源往往被隐藏起来的时代，这些论断值得重复。像"云"这样的术语进一步强化了数字世界中的无形感；正如伯灵顿在《建筑设计》中所写的，"将数据误解为纯粹的资源，而不是依赖于资源"。

过程研究在维也纳马克举办的"不可思议的价值"展览海报在现实中，我们的数字活动对物理世界产生了明显的影响，并带来了实实在在的环境成本。近年来，亚马逊、脸书，尤其是谷歌的碳足迹受到了越来越多的关注。尽管谷歌自2007年以来一直是一家碳中和公司，但它依赖碳抵消来维持这一形象的做法正受到自己员工的批评。

与此同时，围绕人工智能和机器学习模型的发展，一场平行的讨论开始发生，这是这些公司和独立计算机科学家的下一个计算可能性前沿。麻省大学(麻省理工学院)的艾玛斯特鲁贝尔、安娜亚加内什和安德鲁麦卡勒姆的一篇研究论文在今年6月发表时引起了轩然大波，该论文报告称，训练一个大型人工智能模型可以产生超过60万磅的二氧化碳排放，是普通汽车在其一生中产生的排放量的五倍。一个月后，西雅图艾伦人工智能研究所(艾伦人工智能研究所)发表的另一篇题为《绿色人工智能》(绿色AI)的论文描述了2012年至2019年间，随着研究的增加，深度学习研究所需的计算量增加了30万倍。这些报告的发表和他们收到的媒体报道表明，需要就使用人工智能的环境影响进行更细致入微的对话，特别是在早期，并拆除数字过程在某种程度上是短暂的文化假设。

像"云"这样的术语进一步强化了数字世界中的无形感。

那么，这给这个领域以及开始将机器学习作为实践一部分的设计师们带来了什么呢？在人工智能派对刚刚开始之前，是时候收手了吗？没那么快。

"你必须意识到，人工智能不仅仅意味着一件事，"宾夕法尼亚大学的研究员、气候变化人工智能的创始人大卫罗尔尼克说，这是一个由学术界和工业界志愿者组成的组织，旨在探索如何应用机器学习和人工智能来解决气候变化问题罗尼克。热衷于揭穿围绕麻省理工学院论文发表的一些误解，该论文专注于自然语言处理(NLP)模型。"这几乎是你能拥有的最大的人工智能模型，它被设计用来学习所有的人类语言，"他说。换句话说，NLP模型的训练比大多数其他可以在普通笔记本电脑上完成的较小模型的训练需要更多的时间和精力，例如罗尼克正在研究的跟踪碳排放的模型。

芬兰国家广播公司Yle的人工智能和个性化负责人亚诺科波宁一直在研究人工智能在不断变化的数字媒体领域的应用。他表示，人工智能在消费者应用程序中最常见的用途——例如，在新闻应用程序上为我们提供内容——使用非常特定和狭窄的人工智能模型，因此需要的计算机处理能力要少得多。也就是说科波宁认识到，在人工智能研究的这个阶段，缺乏对人工智能相关排放的讨论，需要将其纳入更广泛的意识。"我们仍处于理解围绕人工智能驱动的消费者应用的整个生态系统的早期阶段，"他说。"基于这些早期发现，越来越明显的是，可持续设计和开发的原则需要更新，以适应人工智能应用的时代。"

室内蔓延从玛丽大冢和尼克舒曼的项目潜在空间的书。对于罗尔尼克和麻省理工学院论文的作者来说，这里至关重要的一步将是一种更关键的训练和再训练人工智能模型的方法。不管规模有多大，人工智能模型的训练（例如，教机器从一大组照片中识别人脸)总是比简单地运行它要耗费更多的资源，后者可以在瞬间发生。这意味着开发人员在重新训练已经运行的系统以进行小的改进之前，应该清楚他们想要达到的目标。"我不认为这是减少人工智能使用的任何理由，只

音乐vi设计文章总结：