「20個人工智能系統的碳排放量超過137個國家」——人工智能對環境的真正代價令人震驚
在英國，特別是東南部，巨型而不起眼的建築物如雨後春筍般出現。這些建築雖然龐大，卻無明顯標誌告訴你它們是什麼。現時已有477座，未來五年還將新增約100座。在紐卡素附近的布萊思，前布萊思發電廠原址將建造10座這類建築，佔地54公頃，耗資100億英鎊，工程預計於2031年開始。
這些看似倉庫的建築，其實是「倉庫中的超級電腦」。BBC節目主持人Tom Heap在《Rare Earth》節目中形容：「裡面有數以百萬計的電腦，與我們日常使用的電腦相似，但組成伺服器，整齊排列在巨大的架子上。」
這些數據中心由亞馬遜、谷歌、微軟等巨企擁有，處理從簡單網絡搜尋、串流服務、雲端存儲、網上銀行到加密貨幣等各種網絡流量。
隨著人工智能（AI）需求激增，全球數據中心的數量迅速增加。模擬人類語言和行為非常複雜，需龐大計算能力，因此興建了這些耗電巨大的「倉庫」。
麻省理工學院研究指出，一次對ChatGPT（OpenAI開發的熱門AI程序）的查詢，比一次簡單的網絡搜尋消耗約五倍電力。訓練像GPT-3這樣的大型語言模型，耗電量相當於130戶美國家庭一年的用電。
Heap解釋：「電腦本質上就是高效的電熱器。每次查詢ChatGPT，都需要一品脫水來冷卻系統。」
為何如此耗電？因為ChatGPT-3.5擁有約1750億個參數——AI用來預測和生成輸出的內部變數。參數越多，模型越強大，但所需計算能力也越大。據估計，ChatGPT-4擁有多達1.8萬億個參數，訓練時的碳排放量是前代的12倍。
全球層面上，Heap表示：「數據中心消耗全球電力的2%至4%。」隨著AI被政府、企業和個人廣泛應用，且應用日益複雜，這數字正急速攀升。
由於缺乏統一的測量標準，準確量化AI的能源需求困難，但中國浙江大學研究發現，2022年20個AI系統的碳排放量，超過了137個國家的總和。
人工智能能否助力解決環境與社會問題？
能源消耗只是問題之一。數據中心佔用大量土地，原本可用於建造住房。更令人擔憂的是，耗能巨大的AI是氣候變化的重要推手。然而，有人相信AI也能幫助解決環境和社會問題。
以有機農業為例，目標是盡量可持續生產食物。AI有潛力協助農民模擬天氣和害蟲對作物的影響，找到不用化肥或農藥改善土壤健康的方法。
但土壤協會的Adrian Steele提醒要謹慎：「AI正在大規模推動化石燃料的生產和消耗。我們農民面臨的問題是，如何利用這項新技術：是促進大規模單一作物生產，減少人手，還是幫助小型農戶重建本地供應鏈？」
大型數據公司已意識到環境問題。谷歌利用AI優化數據中心冷卻系統，降低能耗，減少碳排放。微軟曾試驗海底數據中心，包括2018年至2020年在奧克尼群島附近的重大項目，海底環境有助冷卻處理器並維持系統穩定。當然，電力越來越多由可再生能源供應。
浙江大學一研究員表示：「AI有潛力通過更有效的資源管理、推動可再生能源技術和改善氣候變化模型，顯著造福環境。但同時它也是一把雙刃劍。」
—
評論與啟示：
這篇報道深刻揭示了人工智能背後隱藏的巨大能源消耗和環境成本，這是一般用戶甚少關注的議題。AI雖然帶來便利和創新，但其背後的碳排放規模令人震驚，甚至超過許多國家整體排放。這提醒我們，在推崇AI技術的同時，必須正視其對地球的負擔。
尤其值得注意的是，AI系統的規模和複雜度不斷提升，意味著未來能源消耗只會更大。此時，如何找到平衡點，不僅是技術挑戰，更是政策和社會責任的重大考驗。企業和政府應加強推動綠色數據中心、提升能源效率及使用可再生能源，否則AI的發展可能會加劇氣候危機。
此外，報道提及AI在農業等領域的潛力，提醒我們技術本身無善惡，關鍵在於應用方向。AI能否成為支持可持續發展的工具，取決於人類如何設計和利用它。這也啟示我們，未來的AI政策應兼顧環境、經濟與社會利益，推動技術與生態和諧共生。
總括而言，這篇文章不僅是對AI環境成本的警示，更是呼籲我們重新思考科技進步的真正意義和代價。面對AI時代，香港及全球社會都應該保持警醒，用更全面和可持續的視角來審視和規劃未來發展。
以上文章由GPT 所翻譯及撰寫。而圖片則由GEMINI根據內容自動生成。
🎨 Nano Banana Pro 圖像生成器｜打幾句說話就出圖
想畫人像、產品圖、插畫？SSFuture 圖像生成器支援 Flux 同 Gemini Nano Banana Pro 改圖 / 合成， 打廣東話都得，仲可以沿用上一張圖繼續微調。
