AI沉重的气候成本不仅限于空气污染——它需要更多资源

人工智能有一个鲜为人知但常被讨论的阴暗面，那就是其气候成本。

尽管AI充满兴奋和潜力，但训练AI模型需要消耗大量能源，即使你用它来撰写文本或创建图像，它仍然需要足够的能量才能运行。这些过程会导致大量碳排放，具体取决于数据中心的位置以及AI模型的运行地点。

更大的模型需要更多能源

专家表示，随着技术的成熟和发展，碳排放量只会随着时间的推移而恶化，因为企业试图构建更大的模型，因为该技术具有可扩展性，其性能随规模增加而提高，这对企业有利，但对环境代价高昂。

Alex de Vries表示，更大的模型也会导致更高的能源需求，这对环境不利。他是Digiconomist的创始人，其公司的研究领域是研究新技术对环境的影响。

训练大规模AI模型（如ChatGPT后端运行的模型）消耗大量能源，研究人员多年来对此进行了估算。加州大学伯克利分校计算机科学教授David Patterson是2021年发表的研究论文的主要作者，他写道，OpenAI优化用于ChatGPT的AI模型GPT-3，在训练期间显然需要1287兆瓦的电力。这种能量足以供养123个美国家庭整整一年。

虽然我们在这里谈论的是世界上最著名的AI模型，它可能是当时最大的模型，但此后开发了许多其他模型，它们也消耗大量能源。 

根据Hugging Face的AI与气候负责人Sacha Luccioni的说法，Gopher模型（Google DeepMind于2021年宣布的一个项目）需要估计1066兆瓦时的能源，正如她在2022年发表的另一篇研究论文中提到的那样。 

当前一代模型具有更大的气候成本

但这些都是某种意义上的上一代AI模型，按今天的标准来说相当小。GPT-3的继任者GPT-4被认为比GPT-3大10倍，训练它所需的能量在51到62吉瓦之间，据研究人员Kasper Groes Albin Ludvigsen称，这超过了4600个美国家庭的集体需求。 

同样，Google现在拥有一个比Gopher大得多的模型，名为Gemini，尽管Google尚未披露其所需的能源量，但计算很简单：构建得越大，所需的能源就越多。

这些估算仅针对开发和训练阶段。还有另一个重要方面，因为这些模型是为实际运营而设计的，需要基于训练产生输出，而响应用户请求产生输出也需要消耗能量。

据专家称，ChatGPT处理1000次查询需要消耗47瓦的电力，这相当于让五个普通LED灯泡运行一小时。现在想想这能迅速累积多少，因为我们只谈论基于文本的响应。 

专家指出，AI开发者可以通过使用清洁能源运行的数据中心来降低碳足迹，因为AI的碳排放量因其存储和运行地点的不同而差异巨大。

据彭博社报道，近期电力需求已经增加，这些不断扩大的数据中心带来的额外需求也超过了可再生能源的部署。因此，全球各地的供电单位也在推迟关闭燃煤和天然气发电厂，这也增加了AI的碳足迹。

原始故事可在此处查看。