許多人擔心未來當AI成熟後，會不會反過來消滅人類...... 我們可能得先煩惱眼前問題：訓練一個AI模型的碳排，相當於5輛汽車從製造到報銷的終身碳排放量。專家擔心，現在AI界對資料與模型「大即是好」的態度，將帶來巨大的環境破壞。當AI研究人員發布新模型的結果時，應該包括模型的能源排放，以及模型的性能和準確性等指標，否則《巴黎協定》努力達到「將全球平均升溫控制在2°C內」，可能將功虧一簣。
編譯／田孟心 由天下雜誌授權轉載
從ChatGPT展開的競賽，已經吸引了全球用戶與投資人的目光。進化的AI，不僅催生了實用的聊天機器人、繪圖機器人，也能發展自動駕駛、AI醫療診斷等先進科技。
但隨著AI愈來愈進步，也有更多研究人員轉而關注它帶來的環境成本。
AI模型的殺傷力
當我們想像「科技」時，可能會想到在實體空間中不存在的東西，例如手機上的應用程式和網路瀏覽器。但儲存這些資訊所需的基礎設施，其實會消耗大量能源。
舉例來說，「雲端」所使用的基礎設施，排放的全球溫室氣體，比商業航班還要多；2018年，YouTube上熱門的歌曲〈Despacito〉有50億次點閱，所消耗的能源相當於4萬個美國家庭一年所需要的電力。
那麼生成式AI消耗的能源又有多大？
最近，美國馬薩諸塞大學阿默斯特分校的研究人員針對幾種常見的大型AI模型進行了一項研究，發現：一個訓練一個模型的二氧化碳排放量，是62.6萬磅，相當於美國汽車平均壽命使用下的碳排量的5倍（包括汽車本身的製造過程的碳排放）。
「與化石燃料一樣，AI深度學習的過程，也會對環境產生巨大影響，」報導了這份研究的《MIT科技評論》直言。
西班牙拉科魯尼亞大學電腦科學家羅德里格斯（Carlos Gómez-Rodríguez）對這份研究結果評論道：「雖然我們學界的許多人可能都在抽象、模糊的層面上思考過這個問題，但這些數字，確實顯示了問題的嚴重性。」
這篇論文專注研究自然語言處理（NLP）的模型訓練過程。自然語言處理是AI的一個子領域，教導機器處理人類語言。
在過去兩年中，NLP社群在機器翻譯、完成句子，和其他標準基準測試任務方面，達到了多項里程碑。但這些進步，仰賴從網路抓取更多句子、訓練更大的模型——這個過程的計算成本很高，也高度耗能。
倫敦大學學院經濟學家馬祖卡托（Mariana Mazzucato）近期也投書《衛報》指出，「AI正在以吞噬地球的速度消耗資源，」並點名ChatGPT等大型語言模型，是最耗能源的技術之一。她引用研究表明，要冷卻在微軟資料設施裡訓練ChatGPT-3的機器，得使用大約70萬公升的水。
「目前，AI界資料和模型採取了『愈大愈好』的態度，但這種做法可能在未來造成重大環境破壞，」《生成式AI實作》的作者，未來學家馬爾（Bernard Marr）警告。
馬爾舉例，自動駕駛汽車的AI，必須經過訓練才能學習駕駛。初始訓練完成後，自動駕駛車輛中的AI模型就會執行連續推理，以便能在環境中導航，「只要我們使用車輛，這個過程就會日復一日地發生，僅一輛車就需要大量的能源。」
馬祖卡托更擔憂，當大量能源資源被分配給科技相關的任務時，可能會導致住宅供電等基本需求的能源短缺。她援引英國日前缺電的情況，提醒企業與政府須加強問責。
埃森哲科技永續創新全球負責人帕德爾（Sanjay Podder）日前也呼籲，資料的指數級成長，及其不斷增加的能源需求，「實際上可能抵消，甚至阻礙我們全球對抗氣候變遷的努力。」
力挽狂瀾
人類可以採取哪些措施來減輕AI對環境的影響，同時持續推動創新？
馬爾建議，科技公司應該自行估算AI模型的碳足跡，「機器學習的排放計算器可以幫助從業者根據雲端供應商、地理區域和硬體等因素進行估算。」
企業也應該檢查資料的儲存方式與位置，將比較複雜的機器學習任務轉移到更碳友善的地區，例如加拿大蒙特婁有許多依靠水力發電的資料中心。
此外，當AI研究人員發布新模型的結果時，應該包括模型的能源排放，以及模型的性能和準確性等指標。
對於馬祖卡托來說，政府政策的設計也很重要，「不應該標榜產業或技術作為『贏家』，而是用獎勵條件來引導企業朝正確的方向前進。」而獎勵條件可以是揭露對環境的影響和改善方式。
如今，《巴黎協定》讓全球人們努力達到「將全球平均升溫控制在2°C內」，並期待更進一步，以升溫幅度1.5°C為上限。但科技創新，可能讓前期的付出功虧一簣。
「在我們看到AI模型與汽車碳排的比較之前，可能沒有意識到它有多嚴重，」史丹佛大學AI研究員雷迪（Siva Reddy）說。電腦科學家羅德里格斯附和道， 「我和其他研究人員，都沒有討論過AI模型對環境的影響有那麼大。」
（資料來源：MIT Technology Review, Forbes, The Guardian, arXiv.org）
（原文標題：AI對環境的衝擊有多大？）
推薦閱讀：