鲍里斯·鲁夫 |仅靠节俭的 AI 无法解决 AI 的能源问题

快速阅读: 《牙买加拾穗者》消息，科技公司提倡节约型人工智能，但仅关注用户行为无法解决AI能耗根本问题。应提高供应商透明度，发布排放数据，让用户选择低能耗模型。汽车行业能源效率评级为AI发展提供了借鉴。

尽管人工智能的兴起可能彻底改变多个行业并释放出前所未有的经济潜力，但其高能耗引发了严重的环境担忧。对此，科技公司倡导节约型人工智能实践，并支持研究降低能耗的方法。然而，这种方法未能触及行业能源需求增长的根本问题。

开发、训练和部署大型语言模型（LLMs）是一个极其耗能的过程，需要大量的计算能力。随着人工智能的广泛采用，导致数据中心用电量大幅增加，国际能源署预计，到2026年，与人工智能相关的能源需求将增加一倍。数据中心已占全球能源消耗的1%至2%，大致相当于整个航空业的能耗水平。在爱尔兰，2023年数据中心用电量占全国总用电量的21%。随着各行各业和民众转向电气化以减少温室气体排放，不断增长的人工智能需求给电网和能源市场带来了巨大压力。不出意外，爱尔兰电网运营商爱立电网（EirGrid）已暂停批准都柏林地区新的数据中心建设项目，直至2028年。德国、新加坡和中国等国也对新建数据中心项目实施了限制。

为了减轻新兴技术对环境的影响，科技行业开始推广节俭型人工智能的理念，这包括增强公众对人工智能碳足迹的认知，并鼓励学术界和企业用户为特定任务选择最节能的模型。尽管推动更自觉使用人工智能的努力很有意义，但仅仅聚焦于用户行为却忽视了一个重要事实：供应商是人工智能能源消耗的主要推动力。目前，模型架构、数据中心效率以及与电力相关的排放对人工智能的碳足迹影响最为显著。随着技术的发展，个人用户对可持续性的影响力将进一步下降，特别是当人工智能模型越来越多地被整合进更大规模的应用程序中时，终端用户将更难以判断哪些操作会触发资源密集型流程。这些问题因自主型人工智能——即能够协同解决复杂问题的独立系统——的兴起而变得更加严重。尽管专家们认为这是人工智能发展的又一个重要进展，但这种交互所需的计算能力甚至超过了当前最先进的LLMs，可能会进一步加剧技术的环境影响。

将减少人工智能碳足迹的责任转嫁给用户是适得其反的，鉴于行业的不透明现状。多数云服务提供商尚未公开披露与生成式人工智能相关的具体排放数据，这使得评估其人工智能使用的环境影响变得困难。更为有效的办法是让人工智能提供商向消费者提供详细的排放数据。更高的透明度将帮助用户做出更为明智的决策，同时激励供应商开发更加节能的技术。有了排放数据，消费者可以对比不同的AI应用，并为特定任务选择能耗最低的模型。企业也能更容易地在初期就清楚地了解整体影响后，选择传统的IT方案而非能源密集型的生成式AI系统。

通过共同努力，人工智能企业和消费者可以实现人工智能潜在效益与环境成本之间的平衡。当然，节俭型人工智能或许能带来一些效率上的改进。但它并未解决人工智能无休止的能源需求这一根本问题。通过提供更多有关能源消耗的透明信息，共享全面的排放数据，并为人工智能模型制定标准化的衡量指标，公司可协助客户优化其碳预算并采取更可持续的做法。

汽车行业为提升人工智能开发中的能源透明度提供了一个有益范例。通过标注车辆的能源效率等级，汽车制造商允许买家做出更可持续的选择。生成式人工智能提供商可借鉴类似方法并构建标准化指标来衡量其模型的环境影响。其中一项指标可以是每令牌的耗电量，量化人工智能模型处理单一文本单元所需的能量。正如燃油效率标准让购车者能比较不同车型并督促制造商负责一样，企业和个人用户需要可靠工具来评估人工智能模型的环境影响后再投入使用。通过引入透明指标，科技公司不仅能引领行业走向更可持续的创新，还能确保人工智能有助于应对气候变化而非加剧气候问题。

(以上内容均由Ai生成)