解釋：生成式人工智能的環境影響
在這篇文章中，我們探討生成式人工智能的環境影響，特別是為何這項技術如此耗費資源。隨著生成式人工智能的快速發展和部署，其帶來的環境後果，包括電力需求增加和水資源消耗，已成為不容忽視的議題。
生成式人工智能的潛在好處，從提升工人效率到推進科學研究，令人興奮。然而，這股生成式人工智能的“黃金熱”所帶來的環境後果卻難以具體界定，更遑論減輕其影響。
訓練生成式人工智能模型（例如OpenAI的GPT-4）所需的計算能力，通常需要大量的電力，這導致二氧化碳排放增加並對電網造成壓力。此外，將這些模型應用於實際情況中，讓數百萬人能夠在日常生活中使用生成式人工智能，並隨後進行模型的微調，也會在模型開發後長期消耗大量能源。
除了電力需求，訓練、部署和微調生成式人工智能模型所用的硬件需要大量水來進行冷卻，這可能會對市政水源造成壓力並破壞當地生態系統。隨著生成式人工智能應用的增多，對高性能計算硬件的需求也隨之上升，這進一步增加了製造和運輸過程中的間接環境影響。
麻省理工學院材料科學與工程系教授艾爾莎·奧利維提（Elsa A. Olivetti）表示：“當我們考慮生成式人工智能的環境影響時，不僅僅是你插上電腦時消耗的電力。我們的行為會產生更廣泛的系統性後果，並持續影響。”
數據中心的需求
數據中心的電力需求是生成式人工智能環境影響的主要因素之一，因為數據中心用於訓練和運行流行工具（如ChatGPT和DALL-E）背後的深度學習模型。數據中心是控制溫度的建築，容納計算基礎設施，如伺服器、數據存儲驅動器和網絡設備。
隨著生成式人工智能的興起，數據中心的建設速度顯著加快。根據科學家的估計，2022年底北美數據中心的電力需求從2688兆瓦增至2023年底的5341兆瓦，部分原因是生成式人工智能的需求推動。根據經濟合作與發展組織的數據，全球數據中心的電力消耗在2022年達到460太瓦，這使得數據中心成為全球第11大電力消費者。
預計到2026年，數據中心的電力消耗將接近1050太瓦，這將使其在全球排名中上升至第五位。雖然並非所有數據中心的計算都涉及生成式人工智能，但這項技術的確是增加能源需求的主要推動力。
推斷的影響
一旦生成式人工智能模型訓練完成，能源需求並不會消失。每次使用模型時，執行這些操作的計算硬件都會消耗電力。研究人員估計，使用ChatGPT進行查詢所消耗的電力大約是進行簡單網絡搜索的五倍。
奧利維提和她的同事們認為，要鼓勵生成式人工智能的負責任發展，以支持環境目標，需要全面考慮生成式人工智能的所有環境和社會成本，以及其所帶來的潛在好處的詳細評估。
這篇文章的討論不僅揭示了生成式人工智能技術的環境影響，也呼籲對其進行更全面的評估。隨著這項技術的持續發展，社會應該更加關注其可持續性，並探索減少其環境足跡的可能方案。未來，如何平衡技術進步與環境保護將成為我們必須面對的挑戰。
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。
