人工智能訓練排放：支持人工智能的系統有助於全球碳排放

• 作者：
• 作者姓名

  量子運行遠見
• 2022 年 5 月 3 日

洞察總結

人工智慧（AI）技術的快速發展也帶來了意想不到的環境挑戰，因為人工智慧訓練過程中消耗的電力會導致大量的碳排放。 認識到這個問題，業界正在探索解決方案，例如開發更節能的人工智慧模型、與再生能源公司合作以及重新安置資料中心以最大限度地減少能源消耗。 這些努力以及潛在的監管措施正在塑造一個技術進步和環境責任共存的未來。

AI 訓練排放上下文

眾所周知，人工智慧 (AI) 驅動的系統在訓練階段會消耗大量電力，導致大量碳排放。 這反過來又加劇了氣候變化，造成了不容忽視的環境問題。 隨著人工智慧產業的不斷發展，對更大、更複雜模型的需求不斷增加，挑戰變得更加複雜。 

人工智慧在全球經濟中發揮著越來越重要的作用，並推動醫療保健、科技和能源產業的新發展，僅舉幾例。 然而，在人工智慧系統帶來的有益變化中，研究表明，由於人工智慧系統在訓練和執行大量計算時消耗的電力，會產生大量碳。 根據馬薩諸塞大學阿默斯特分校 2019 年進行的研究，訓練現成的 AI 語言處理系統時會產生約 1,400 磅的排放量。 此外，根據電源的不同，當從頭開始建造和訓練深度學習人工智慧系統時，會排放約 78,000 磅的碳。

認識到人工智能係統的創建和培訓如何導致氣候變化，綠色人工智能運動應運而生，旨在使人工智能支持的流程更清潔、更環保。 該運動指出，一些機器學習算法比其他基於人工智能的系統消耗更少的電力，而人工智能係統訓練可以轉移到偏遠地區，並且可以使用可再生能源的電力。 

破壞性影響

專門生產和培訓人工智慧系統的公司有潛力透過採用再生能源對環境產生積極影響。 政府和監管機構可以透過向安裝再生能源系統的人提供稅收優惠和支援來鼓勵這種轉變，以支持其基於人工智慧的運作。 擁有強大再生能源產業的國家可以成為這些公司有吸引力的目的地，提供必要的基礎設施。 

訓練人工智慧演算法時產生的碳排放量差異很大，取決於發電來源、所使用的電腦硬體類型以及演算法設計本身等因素。 研究人員（包括 Google 的研究人員）發現，可以大幅減少這些排放，有時減少 10 到 100 倍。 透過進行深思熟慮的調整，例如利用再生能源和利用不同的地點，該行業可以在減少碳足跡方面取得重大進展。 

監管機構可以發揮作用，確保人工智慧培訓計畫遵守環境標準。 如果特定項目被確定為其管轄範圍內碳排放水平的重要貢獻者，當局可以強制停工，直到排放量減少。 對產生大量碳的人工智慧中心徵稅可以作為一種威懾，而人工智慧公司可以探索計算科學的最新發展，以使用更少的電力執行更多的計算。

人工智慧訓練排放的影響 

人工智慧訓練排放的更廣泛影響可能包括：

• 優先開發新的人工智慧模型，以最小的能耗更有效地分析數據，從而減少整體能源需求，並相應減少對環境的影響。
• 投資人工智慧開發的公司與再生能源公司合作，以便安裝清潔電力基礎設施來支援其運營，從而促進技術和能源部門之間的合作。
• 轉移資料中心的位置以利用稅收優惠並避免監管監督，或將其遷移到北極地區以最大限度地減少冷卻伺服器上的能源消耗，從而形成新的地理技術中心和潛在的當地經濟成長。
• 創建專注於永續人工智慧發展的新教育計劃，培養一支更善於平衡技術進步與環境責任的勞動力。
• 關於人工智慧碳排放的國際協議和標準的出現，導致了管理人工智慧環境影響的更統一的全球方法。
• 消費者對環境負責的人工智慧產品和服務的期望發生轉變，導致購買行為的變化以及對人工智慧能源消耗透明度的需求增加。
• 隨著人工智慧公司越來越多地轉向再生能源，傳統能源領域的工作可能會被取代，從而導致勞動力市場的轉變和再培訓計劃的需要。
• 基於再生能源可用性和人工智慧產業需求的新政治聯盟和緊張局勢的發展，導致國際關係和貿易協定的變化。
• 人們更加關注專為人工智慧應用量身定制的節能硬體設計，從而帶來將永續性與性能放在一起的技術進步。
• 擁有豐富再生能源的農村地區有潛力成為人工智慧發展的有吸引力的地點，從而導致人口變化，並為以前服務不足的地區帶來新的經濟成長機會。

需要考慮的問題

• 您是否認為應該通過規定人工智能公司計劃訓練和開發深度學習人工智能係統時只能使用可再生能源的法規？ 
• 環保主義者是否應該將 AI 系統分析（例如，新節能材料、機械、供應鏈路由等的計算設計）所產生的節能效益考慮在內，以計算 AI 系統的實際/全部環境成本？