[AI悖论]如何以环保方式利用生成式AI？

by Kim Bokyung

Published 24 Aug.2023 06:01(KST)

HBR：解析人工智能对环境的影响
AI开发与基础设施维护消耗巨量电力和水资源
NAVER数据中心用水量两年激增40%

生成式人工智能拥有足以推动我国经济和社会发生变革的惊人能力。但世上没有免费的午餐。要开发人工智能系统，需要投入巨大的能源和成本，维持基础设施运行同样需要大量电力。在这一过程中会排放温室气体，并消耗大量水资源。上个月，《哈佛商业评论》通过一篇题为“如何让生成式人工智能更加环保”的文章，介绍了在尽量减少对环境破坏的前提下构建生成式人工智能的方法。

生成式人工智能：巨额电力消耗与碳排放

人工智能的原材料是数据。通过收集和加工海量数据，为用户创造具有价值的“信息”。数据中心产业正是为此而建设的，用来存储和管理各类信息通信技术系统的设施，其温室气体排放量占全球总排放量的2%至3%。由于数据规模每两年就会翻一番，温室气体排放量也势必持续增加。

数据中心服务器要驱动计算机服务器、设备和冷却系统，需要水和电。以此类系统的运行用电为例，在丹麦占全国总用电量的7%，在美国占2.8%。尤其是在运行生成式人工智能时所使用的图形处理器（GPU）芯片，其耗电量是传统中央处理器（CPU）的10到15倍。

以在人工智能开发上投入巨大精力的Naver为例，其位于江原道春川的数据中心自来水用量，从2020年的9万立方米增加到2021年的9.8万立方米，去年则增至12.7万立方米。两年间用水量增长了40%以上。

不仅是数据中心，在训练人工智能模型的过程中同样会大量消耗能源并排放碳。有研究指出，训练OpenAI的GPT-4或谷歌的PaLM等大规模语言模型，所排放的二氧化碳可达300吨。另有研究分析认为，仅训练生成式人工智能模型所消耗的电力和能源，就会排放62.6万吨碳。尽管不同研究之间存在较大差异，但可以肯定的是，由于生成式人工智能的开发和应用，已经出现了严重的环境污染问题。

应慎行自研……需重视模型调优与价值评估

那么，如何才能以更加环保的方式开发人工智能？报告建议优先利用现有的人工智能模型。市面上已经有大量提供语言和图像服务的企业。因为生成和训练人工智能模型需要消耗极其庞大的能源。国内也有不少试图自主开发生成式人工智能的举措，但也应认真考虑充分利用大型企业和大型科技公司已经打造好的模型。

报告还建议，与其从零开始训练全新的人工智能模型，不如对现有模型进行调整。针对特定内容进行精细调优以及提示词（指令）工程，相比从头训练一个新的大型模型，所消耗的能源要少得多。同时也需要反思人工智能是否真正创造了重要价值。为了把模型准确率提高1%到3%，却使用耗电量高出3倍的系统，这样做是否明智，值得商榷。