人工智能對環境的影響：超越錯誤信息和工作威脅的擔憂

在人工智能 (AI) 領域，討論通常圍繞錯誤信息和對人類工作的潛在威脅展開。 然而，波士頓大學教授凱特·薩恩科 (Kate Saenko) 正在提請人們注意另一個重大問題——生成式人工智能工具對環境的重大影響。

作為一名 AI 研究人員，Saenko 對構建 AI 模型的能源成本表示擔憂。 在 The Conversation 的一篇文章中，她強調，“人工智能越強大，它消耗的能量就越多。”

雖然比特幣和以太坊等加密貨幣的能源消耗引起了廣泛的爭論，但人工智能的快速發展在其對地球的影響方面並未受到同等程度的審查。

Saenko 教授旨在改變這種說法，承認有關單個生成 AI 查詢的碳足蹟的可用數據有限。 然而，她強調，研究表明能源消耗比簡單的搜索引擎查詢高四到五倍。

2019 年的一項著名研究檢查了一種生成式 AI 模型，稱為來自 Transformer 的雙向編碼器表示 (BERT)，該模型包含 110 億個參數。 該模型使用圖形處理單元 (GPU)，在訓練過程中消耗的能量相當於一個人往返橫貫大陸的航班。 指導模型預測並增加複雜性的參數在訓練期間進行調整以減少錯誤。

相比之下，Saenko 透露，OpenAI 的 GPT-3 模型具有驚人的 175 億個參數，消耗的能量相當於 123 輛汽油動力乘用車行駛一年或大約 1,287 兆瓦時的電力。 此外，它還產生了驚人的 552 噸二氧化碳。 值得注意的是，這種能量消耗甚至發生在任何消費者開始使用該模型之前。

隨著 Perplexity AI 和集成到 Bing 中的 Microsoft ChatGPT 等人工智能聊天機器人的日益流行，移動應用程序的發布進一步加劇了這種情況，使這些技術更容易為更廣泛的受眾所接受。

幸運的是，Saenko 強調了谷歌的一項研究，該研究提出了多種減少碳足蹟的策略。 採用更高效的模型架構、處理器和環保數據中心可以大大降低能源消耗。

雖然單一的大型 AI 模型可能不會單槍匹馬地破壞環境，但 Saenko 警告說，如果許多公司為各種目的開發略有不同的 AI 機器人，每個都迎合數百萬客戶，那麼累積的能源使用量可能會成為一個重大問題。

最後，Saenko 認為進一步的研究對於提高生成人工智能的效率至關重要。 令人鼓舞的是，她強調了人工智能在可再生能源上運行的潛力。 通過優化計算以配合綠色能源的可用性或將數據中心定位在可再生能源豐富的地方，與依賴化石燃料為主的電網相比，排放量可以顯著減少 30 到 40 倍。

總而言之，儘管對人工智能導致的錯誤信息和工作崗位流失的擔憂仍然存在，但 Saenko 教授對生成式人工智能工具對環境影響的強調提出了一個關鍵問題。 它呼籲加強研究和創新方法，以確保人工智能的發展符合可持續發展目標。 通過這樣做，我們可以利用人工智能的潛力，同時最大限度地減少其碳足跡，從而為更綠色的未來鋪平道路。