AI的碳足跡：AI如何打擊氣候目標
AI公司並沒有告訴我們建造和使用AI的真正碳成本。
由阿倫·戈登撰寫
2024年12月5日
大型科技公司將其氣候足跡視為無限預算的購物者。像Google、Meta和微軟這樣的公司越來越多地消耗能源，同時利用其巨額利潤購買清潔能源信用，以“抵消”這些消耗。這使得這些公司能夠聲稱自己是碳中和的，儘管他們自己明白這並不是電力排放的實際運作方式。實際上，電力消耗與氣候影響之間存在著權衡。
這一點在推動AI的過程中表現得尤為明顯。科技公司似乎將AI的氣候影響視為在一家沒有價格標籤的商店裡，用別人的信用卡隨意消費。他們並沒有向我們展示收據。在我們最新的有關AI氣候影響的視頻中，我們探討了我們知道的——以及不知道的——有關我們AI查詢的氣候影響。
到2021年，Google、Meta和OpenAI等公司的研究人員對訓練其生成模型的能源需求實際上是透明的。他們與其他研究一起發佈了這些信息。2021年，Google的研究人員在一項研究中寫道：“我們認為機器學習（ML）從業人員計算能源消耗是相當簡單的。”他們解釋說，這不過是對訓練小時數、處理器數量和數據中心效率統計等簡單數據點進行基本的數學運算。然後，他們就停止了這樣的做法，與大多數同行一樣。
公司並不披露其數據中心能力中有多少比例是專門用於AI的，AI計算的碳強度是什麼，或最近電力使用激增的多少比例是由於AI擴展造成的。 他們也沒有回應我們對這些信息的請求。
成分
假設
生成AI程序在製造、訓練和運行時消耗大量電力，但製造這些程序的公司並未披露其環境影響。
樣本量
我們審查了19篇學術文章，訪問了六位專家，並審查了來自Huggingface的一項實驗數據，該實驗使用40個生成AI模型進行了1,681次獨立測試。
技術
我們比較了2022年之前Huggingface、OpenAI和Google測試的AI模型的電力消耗和碳足跡。
關鍵發現
訓練GPT-3所排放的二氧化碳相當於254次紐約和洛杉磯之間的往返車程。
限制
主要的AI製造商自2021年以來並未披露新模型的能源需求。獨立研究人員依賴於通過研究可比模型生成的估算。
儘管如此，我們還是能夠拼湊出一些數據，儘管這是一幅不完整的畫面。例如，訓練GPT-3——這是ChatGPT、微軟的Copilot和即將推出的蘋果設備中的模型的較小前身——排放的二氧化碳相當於254次紐約和洛杉磯之間的往返車程。
實際使用這些模型的能量影響則更難估算，因為公司不會說他們的模型每天有多少查詢，或每次查詢需要多少電力。但根據Huggingface與卡內基梅隆大學研究人員合作進行的研究結果，我們可以得出一些粗略的估算：每次查詢大約消耗半瓦時。如果我們估算一個模型每天大約有1000萬次查詢，那麼這樣的生成文本模型每天排放的二氧化碳約為2.1噸，這相當於你駕駛汽車從紐約到洛杉磯，再到西雅圖，然後到丹佛所消耗的排放量。而這還不包括製造訓練和運行這些模型所需的特殊芯片的氣候成本。
要明確的是，這些都是基於我們目前擁有的最佳信息的有根據的猜測。有時候，記者在故事中掙扎，因為主要的結論是我們知道的太少。但這裡的主要結論是，我們應該知道更多。如果AI真如這些公司所說的那樣具啟發性，並且將很快變得無處不在並改變世界，那麼他們是否應該披露這項技術的氣候成本，以便我們可以決定這是否值得付出這樣的代價？在我們購買之前，難道不應該知道價格嗎？
這篇文章引發了對AI技術環境影響的深思，特別是在當前全球面臨氣候變化挑戰的背景下。科技公司在推廣其技術時，往往忽略了其背後的環境代價，這不僅是對消費者的不負責任，更是對整個地球的忽視。隨著AI技術的迅速擴展，公眾對其環境影響的關注也應隨之上升。政府、企業與消費者必須共同承擔責任，確保在享受科技帶來的便利時，亦不忘其對環境的影響，這將是未來可持續發展的關鍵所在。
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。
