重新审视人工智能对环境的影响：被忽视的碳排放源？
本文重新审视了人工智能（AI）对环境的影响，特别是其作为可能被忽视的碳排放来源的问题。通过对79个AI系统的碳排放进行量化分析，研究揭示了AI系统在研发和使用过程中的能源消耗和碳足迹，强调了AI相关碳排放环境效应的重要性，并呼吁建立适当的标准来衡量和降低与AI系统相关的碳排放，从而为AI的发展建立更可持续的未来。
随着人工智能技术的迅猛发展，计算力需求呈现出爆炸式增长，AI正引领着新一轮工业革命。AI相关出版物在过去几十年里激增，2023年更是达到了惊人的208,579篇，比2015年增长了5.6倍。特别是在工程领域，AI的应用也迎来了快速发展，相关出版物数量增长了约6倍。然而，这种增长背后伴随着训练计算规模的指数级扩大，以及AI模型的不断迭代升级。例如，GPT-3模型拥有1750亿个参数，而其迭代模型GPT-4的参数则可能达到约1.8万亿个。这导致满足AI计算需求所需的能源消耗和碳排放显著增加。
研究假设GPU是训练过程中的主要计算硬件，并根据Epoch AI提供的数据计算了总训练时间。然后，根据GPU的峰值计算能力、利用率以及热设计功率来计算单次训练运行的电力消耗。最后，基于电力生产的碳强度（以煤炭为能源来源）计算二氧化碳排放量。
以单次训练运行所需的能源为例，调查了2021年至2024年期间发布的碳排放量最高的20个AI系统。结果发现，这些系统单次训练运行的总能源消耗达108,022,418 kWh，产生的碳排放可达102,621吨CO2eq。特别是Google在2023年发布的Gemini Ultra模型，单次训练运行的碳排放量高达37,620吨CO2eq，占所研究AI系统自2021年以来总碳排放量的36.7%。此外，GPT-4的碳排放量也激增到21,660吨CO2eq，比其前代模型GPT-3.5增加了12倍。随着AI技术的快速发展，碳排放量将继续大幅增长。随着碳税等政策的实施，这将产生超过100亿美元/年的碳排放成本，对环境市场产生不可忽视的影响。
AI作为当今最具颠覆性的技术之一，在学术界和工业界都带来了革命性的变化。然而，这也将触发AI模型的持续迭代升级，导致计算力、能源消耗和碳排放的指数级增长。因此，必须重新审视AI背后的碳排放问题。为实现“零排放”世界，AI的碳排放需要制定量化的标准方法体系，建立与AI模型相关的总碳排放量和碳排放强度等指标，并据此设置排放限额等。这些也应引起政策制定者关注的重点，并通过实施必要的措施，激励行业采用更环保的实践、技术和可持续能源。为实现这些目标，AI与环境领域应加强研究合作，以应对未来可能出现的矛盾和挑战，推动AI的可持续发展。（来源：EngineeringJournals微信公众号）
特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。
AEM 山东大学王旭：受荧光棒启发用于水下环境的损伤自报警与自修复多层复合材料
AOM 西安理工大学王玥：用于偏振传感检测的定向单壁碳纳米管薄膜太赫兹手性超表面
FDE 图灵奖得主把关，自带“人工智能助教”，这本“101计划”核心教材凭什么出圈？
ECE 论文解读｜具有高暴露度镍纳米颗粒的氮掺杂碳复合催化剂用于二氧化碳电还原制一氧化碳
人工智能生成光学结构AIGP：基于扩散模型实现从光学特性到亚波长超构表面的直接映射
