AI真正使用了多少能量?答案令人惊讶 - 有点复杂
2025-06-02 09:00:00
文章讨论了人工智能(AI)技术的环境影响,尤其是关注对能源消耗和可持续性的担忧。以下是讨论中的要点和见解:1。**当前状态和进化**: - AI已经与现有技术,例如游戏,社交媒体和企业应用程序有着千丝万缕的联系。 - 推断,在接受培训后模型进行预测时,与早期模型相比,现在占模型的终身能源成本更多。2。**环境影响**: - AI的环境足迹很重要,但由于其与其他数字技术的集成而难以准确量化。 - 虽然使用chatgpt或类似工具似乎是碳排放的明显来源,但与更大的生活方式选择(例如饮食和运输)相比,它显得苍白。3。**可持续性策略**: - **电源限制**:限制每个处理器使用的功率可以降低能耗并降低GPU温度。 - **有效的实践**:通过模型培训和推理过程提高效率是一种方法,但是在图像生成等高质量任务中,较小的模型可以实现多少较小的模型有局限性。 - **可再生能源过渡**:由于大规模计算的即时需求波动,将数据中心完全切换到可再生资源并不简单。4。**透明度和消费者行动**: - 对AI提供者的透明度需求:公司应披露能源使用指标和可持续性实践。 - 采购流程可以推动变化:企业许可人工智能工具可以在合同谈判期间请求有关能源消耗的详细信息。 - 用户选择问题:在可能的情况下选择较小的型号可以减少整体环境影响。5。**行业计划**: - 节俭的AI挑战是行业努力通过创新和竞争来解决可持续性的一个例子。 - Google对补充120%的淡水的承诺在2030年之前跨越办公室和数据中心消费,这重点介绍了公司在管理环境影响方面的责任。6。** Future Outlook **: - 长期,科技行业可能会看到增加的法规,以标准化对可持续性实践的期望。 - 效率驱动的消费(Jevons Paradox)表明,提高技术可能会导致更多的用法而不是更少,这强调了仅除了技术进步之外的全面策略的需求。总而言之,尽管AI的环境影响是重大且多方面的,但个人和公司层面都有可行的步骤,以促进可持续性。随着AI的不断发展和扩展,提高透明度,有效的实践和整个行业的计划可以帮助减轻这些影响。