問答環節：生成性人工智能對氣候的影響
隨著生成性人工智能的使用不斷增長，麻省理工學院林肯實驗室的Vijay Gadepally描述了研究人員和消費者可以採取哪些措施來減輕其對環境的影響。
Vijay Gadepally是林肯實驗室超級計算中心的高級員工，他負責多個項目，旨在提高計算平台及其上運行的人工智能系統的效率。以下是Gadepally對生成性人工智能在日常工具中的增長使用、其隱藏的環境影響以及林肯實驗室和更廣泛的人工智能社區如何減少排放以實現更綠色未來的一些看法。
問：您在生成性人工智能的使用趨勢方面看到了什麼？
答：生成性人工智能利用機器學習（ML）根據輸入的數據創建新內容，例如圖像和文本。在我們的超級計算中心，我們設計和構建一些世界上最大的學術計算平台，這幾年來，我們看到需要高性能計算來支持生成性人工智能的項目數量激增。我們也看到生成性人工智能正在改變各種領域，例如，ChatGPT已經在教室和工作場所迅速產生影響，超過了相關規範的跟進速度。
我們可以想像未來十年內生成性人工智能的各種用途，例如驅動功能強大的虛擬助手、開發新藥物和材料，甚至增進我們對基本科學的理解。我們無法預測生成性人工智能的所有用途，但可以肯定地說，隨著算法的日益複雜，其計算、能量和氣候影響將迅速增長。
問：LLSC正在採取哪些策略來減輕這一氣候影響？
答：我們始終在尋找提高計算效率的方法，因為這有助於我們的數據中心充分利用資源，並使我們的科學同事能夠以最有效的方式推進他們的研究領域。
例如，我們通過簡單的改變來減少硬件的功耗，就像離開房間時調暗或關閉燈光一樣。在一項實驗中，我們通過限制功率上限，使一組圖形處理單元的能量消耗降低了20%至30%，而性能幾乎沒有受到影響。此技術還降低了硬件的運行溫度，使GPU更易於冷卻且壽命更長。
另一種策略是改變我們的行為，使其更具氣候意識。在家中，我們可能會選擇使用可再生能源或智能調度。我們在LLSC也使用類似的技術，例如在氣溫較低或當地電網需求較低時訓練AI模型。
我們還意識到，許多計算所消耗的能源往往是浪費的，就像水管漏水會增加帳單，但對家庭沒有任何好處。我們開發了一些新技術，使我們能夠在計算工作負載運行時進行監控，然後終止那些不太可能產生良好結果的工作。令人驚訝的是，在許多情況下，我們發現大多數計算可以在不影響最終結果的情況下提前終止。
問：您做過的哪些項目能減少生成性人工智能程序的能量輸出？
答：我們最近建立了一個氣候意識的計算機視覺工具。計算機視覺是一個專注於將AI應用於圖像的領域；例如，在圖像中區分貓和狗、正確標記圖像中的物體或尋找感興趣的組件。
在我們的工具中，我們包含了實時碳排放監測，該系統能提供模型運行時當地電網排放的碳量。根據這些信息，我們的系統將自動切換到更節能的模型版本，通常這版本的參數較少，在碳強度高的時候，或者在碳強度低的時候使用更高保真的模型版本。
通過這樣做，我們在一到兩天的時間內看到碳排放減少了近80%。我們最近將這個想法擴展到其他生成性人工智能任務，如文本摘要，並發現了相同的結果。有趣的是，使用我們的技術後，性能有時會有所提升！
問：作為生成性人工智能的消費者，我們可以做些什麼來減輕其氣候影響？
答：作為消費者，我們可以要求我們的AI服務提供商提供更大的透明度。例如，在Google Flights上，我可以看到多種選擇，指示特定航班的碳足跡。我們應該從生成性人工智能工具中獲得類似的測量，以便根據我們的優先事項做出有意識的決定。
我們還可以努力對生成性人工智能的排放有更深入的了解。許多人對車輛排放非常熟悉，將生成性人工智能的排放以比較的方式進行討論可能會有所幫助。人們可能會驚訝地發現，例如，一次圖像生成任務大約相當於在燃油車上行駛四英里，或者充電一輛電動車所需的能量與生成約1,500個文本摘要所需的能量相同。
在許多情況下，如果客戶知道這些權衡的影響，他們會樂於做出妥協。
問：您對未來的看法是什麼？
答：減輕生成性人工智能的氣候影響是全世界許多人都在努力解決的問題，並且有著相似的目標。我們在林肯實驗室進行了大量工作，但這僅僅是剛剛開始。在長期內，數據中心、AI開發者和能源網絡需要共同合作，提供“能源審計”，以發現其他獨特的方法來提高計算效率。我們需要更多的合作夥伴關係和更多的協作，以便向前推進。
這篇文章提供了對生成性人工智能及其對環境影響的深刻見解，指出了技術進步與環保之間的平衡。隨著生成性人工智能的普及，我們作為消費者的選擇和行為將直接影響其未來的可持續性。這提醒我們在享受科技帶來的便利時，也要考慮其對地球的影響。未來的技術發展應該更加重視環境保護，這不僅是科技界的責任，也是每一位用戶的責任。我們期待看到更多的創新來解決這一挑戰，並希望能在未來的發展中看到更加環保的解決方案。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
