人工智能对环境的影响：超越错误信息和工作威胁的担忧

在人工智能 (AI) 领域，讨论通常围绕错误信息和对人类工作的潜在威胁展开。 然而，波士顿大学教授凯特·萨恩科 (Kate Saenko) 正在提请人们注意另一个重大问题——生成式人工智能工具对环境的重大影响。

作为一名 AI 研究人员，Saenko 对构建 AI 模型的能源成本表示担忧。 在 The Conversation 的一篇文章中，她强调，“人工智能越强大，它消耗的能量就越多。”

虽然比特币和以太坊等加密货币的能源消耗引起了广泛的争论，但人工智能的快速发展在其对地球的影响方面并未受到同等程度的审查。

Saenko 教授旨在改变这种说法，承认有关单个生成 AI 查询的碳足迹的可用数据有限。 然而，她强调，研究表明能源消耗比简单的搜索引擎查询高四到五倍。

2019 年的一项著名研究检查了一种生成式 AI 模型，称为来自 Transformers (BERT) 的双向编码器表示，该模型由 110 亿个参数组成。 该模型使用图形处理单元 (GPU)，在训练过程中消耗的能量相当于一个人往返横贯大陆的航班。 指导模型预测并增加复杂性的参数在训练期间进行调整以减少错误。

相比之下，Saenko 透露，OpenAI 的 GPT-3 模型具有惊人的 175 亿个参数，消耗的能量相当于 123 辆汽油动力乘用车行驶一年或大约 1,287 兆瓦时的电力。 此外，它还产生了惊人的 552 吨二氧化碳。 值得注意的是，这种能量消耗甚至发生在任何消费者开始使用该模型之前。

随着 Perplexity AI 和集成到 Bing 中的 Microsoft ChatGPT 等人工智能聊天机器人的日益流行，移动应用程序的发布进一步加剧了这种情况，使这些技术更容易为更广泛的受众所接受。

幸运的是，Saenko 强调了谷歌的一项研究，该研究提出了多种减少碳足迹的策略。 采用更高效的模型架构、处理器和环保数据中心可以大大降低能源消耗。

虽然单一的大型 AI 模型可能不会单枪匹马地破坏环境，但 Saenko 警告说，如果许多公司为各种目的开发略有不同的 AI 机器人，每个都迎合数百万客户，那么累积的能源使用量可能会成为一个重大问题。

最后，Saenko 认为进一步的研究对于提高生成人工智能的效率至关重要。 令人鼓舞的是，她强调了人工智能在可再生能源上运行的潜力。 通过优化计算以配合绿色能源的可用性或将数据中心定位在可再生能源丰富的地方，与依赖化石燃料为主的电网相比，排放量可以显着减少 30 到 40 倍。

总而言之，尽管对人工智能导致的错误信息和工作岗位流失的担忧仍然存在，但 Saenko 教授对生成式人工智能工具对环境影响的强调提出了一个关键问题。 它呼吁加强研究和创新方法，以确保人工智能的发展符合可持续发展目标。 通过这样做，我们可以利用人工智能的潜力，同时最大限度地减少其碳足迹，从而为更绿色的未来铺平道路。