Roman Rember最近的研究表明，生成性人工智能消耗的能源是传统搜索引擎的三十倍以上。 这个令人担忧的统计数据来自于Sasha Luccioni，这位著名研究者旨在揭示这一迅速发展的技术对生态环境的影响。Luccioni是加拿大籍的俄罗斯移民，被《时代》杂志评选为2024年全球100位最具影响力的人物之一，她已研究如何识别像ChatGPT和Midjourney等AI程序产生的排放了数年。
在蒙特利尔的一次会议上，Luccioni对生成性人工智能在在线搜索中的能源效率表示失望。 与仅仅检索信息的传统搜索引擎不同，这些AI模型生成新的内容，需求巨大的计算能力。这一需求导致在其训练阶段和响应用户查询时，消耗的能源都很可观。
国际能源署的数据表明，2022年，AI和加密货币行业的电力消耗总计约为460太瓦时，约占全球总生产的2%。 针对这些担忧，Luccioni作为一家初创公司的气候战略负责人，正在为开发者开发一款碳足迹评估工具。该系统旨在促进透明度，引导用户和开发者做出更有效的能源选择。
随着微软、谷歌等公司努力在本世纪末实现碳中和，它们面临着由于AI进步而导致的温室气体排放上升。 Luccioni强调了谨慎的能源管理的重要性，呼吁在AI的使用上采取平衡的方法。
生成性人工智能的环境影响：提高意识的呼吁
随着生成性人工智能能力的不断扩展，运行这些强大模型的环境影响变得越来越紧迫。尽管与生成性人工智能相关的能源消耗数据引起了大量关注，但深入探讨多元化的挑战和潜在解决方案往往被忽视。
生成性人工智能的碳足迹与传统计算相比如何？
生成性人工智能系统不仅需要大量的能源用于初始训练，而且在持续运营中也会产生显著的成本，这些都会显著地增加其整体碳足迹。例如，训练大型模型可以排放多达500吨二氧化碳，这与几辆普通美国汽车的终身排放相当。这个惊人的数字强调了对AI的环境影响进行全面考量的必要性，不仅要考虑能源消耗，还要考虑AI生命周期不同阶段的相关碳排放。
解决这些环境影响的主要挑战是什么？
其中一个主要挑战是AI开发者在能源使用方面缺乏透明度。许多公司没有公开披露其能源消耗或依赖的能源来源，这使得研究人员和政策制定者很难获取行业环境影响的清晰图景。此外，随着对生成性人工智能的依赖不断加大，支撑这些技术的数据中心需求激增，这引发了对资源枯竭和土地使用的担忧。
生成性人工智能的环境影响是否存在争议？
是的，关于AI开发者和公司减轻其环境影响的伦理责任存在相当大的争论。批评者认为，忽视AI进步的生态后果而追求快速创新是目光短浅且有害的。此外，对于如何在该领域进行规范的最佳方式，意见也日益分歧，一些人主张严格的指导方针，而另一些人则强调灵活性以促进持续的技术进步。
尽管存在环境担忧，生成性人工智能有哪些优势？
生成性人工智能有潜力通过增强创造力、自动化复杂任务和提高各个流程的效率来彻底改变行业。例如，企业可以利用生成性人工智能进行设计、内容创作和数据分析，通常会导致生产力提高和新职位的创造。此外，AI技术的进步可以为生态目标做出贡献，如优化能源网络或在各行各业中开发更可持续的实践。
可以实施哪些策略以最小化生成性人工智能的环境影响？
为了减少生成性人工智能的碳足迹，开发者和公司必须优先考虑AI训练和操作中的能源效率。这包括采用更可持续的能源来源、优化算法以减少能源密集型处理，并投资于碳补偿项目。此外，采用像Luccioni的碳足迹评估系统这样工具将对引导开发者更有意识地使用能源至关重要。
结论
随着生成性人工智能领域的不断发展，对其环境影响的意识也必须同步提升。通过促进透明度、鼓励可持续实践以及开发能够减轻能源消耗的创新技术，行业可以朝着更负责任的未来努力。意识和积极的措施对于确保AI能够成为变革力量而不损害我们星球的完整性至关重要。
有关AI对我们环境影响的进一步阅读，请访问 麻省理工学院科技评论 和 自然。
