我们是否无视AI在公共卫生危机中的作用？

大多数人都听说了当今AI繁荣的环境影响，这是由于庞大而引起的数据中心挤满了力量服务器。在美国单独的，对AI的需求预计将使数据中心的电力消耗推向到2028年，全国总数的6.7％至12.0％。到同一日期用水与2023级相比，用于冷却这些数据中心设施将翻倍甚至四倍。

但是许多人没有建立联系数据中心和公共卫生。这发电厂需要保持数据中心的备用发电机会产生有害空气污染物，例如细颗粒物和氮氧化物（NOX）。这些污染物立即对人类健康造成损失，触发哮喘症状，心脏病发作，甚至认知能力下降。

但是AI对空气污染而且，关于负责人AI设计的对话通常缺少公共卫生负担。为什么？

因为环境空气污染是一个沉默的杀手虽然担心数据中心的公共卫生影响，包括与癌症率增加，开始浮出水面，大多数AI模型开发人员，从业人员和用户只是意识到与现代AI系统供电的能源和基础设施相关的严重健康风险。

环境空气污染的危险

环境空气污染负责大约有400万个过早死亡每年全球。最大的罪魁祸首是直径为2.5微米或更少的微小颗粒（称为PM 2.5），可以深入呼吸道和肺。和高血压，吸烟和高血糖，空气污染是主要的健康危险因素。世界银行估计全球空气污染成本为8.1万亿美元，相当于全球国内生产总值的6.1％。

与普遍的信念相反，空气污染物没有留在其排放源附近：它们可以行驶数百英里。而且，PM 2.5被认为是非阈值污染物，这意味着没有安全的接触水平。

由于已经建立了这种污染的危险，问题就变成了：AI负责多少？在我们的研究，我们着手回答这个问题。

量化AI的公共卫生费用

为了确保即使在网格中断期间也可以使用AI服务，数据中心依靠通常燃烧的大量备份发电机柴油机燃料。虽然备份发电机的总运行时间受到本地环境机构的限制和监管，但它们的排放率很高。典型的柴油发电机可以释放NOx增加200至600倍比一个天然气一个 发电厂产生相同数量的电力。

最近报告弗吉尼亚州透露，弗吉尼亚州数据中心的备用发电机散发出约7％的2023年许可证。据美国环境保护署称眼镜蛇建模工具，图绘制了空气污染如何影响当地，州和联邦一级的人类健康，据估计，弗吉尼亚州这些排放的公共卫生成本为1.5亿美元，影响到佛罗里达州的社区。想象一下，如果数据中心最大化其允许的排放，会产生影响。

进一步加剧了公共卫生风险，作为需求响应计划的一部分，该地区的大量数据中心发电机可能同时运行，可能会触发PM2.5的短期尖峰，尤其是NOX排放的尖峰对患有肺部问题的人有害。

接下来，让我们超越备用发电机，从网格中供应能量。大部分电力动力AI数据中心来自燃烧的发电厂化石燃料，释放有害空气污染物，包括PM 2.5和NOX。尽管进展了多年，电厂仍然是领先的空气污染来源在美国。

我们计算了一个大型训练生成的AI美国的模型，例如元骆驼3.1，可产生的PM 2.5大于10,000辆往返旅行在洛杉矶和纽约市。

根据我们的研究，在2023年，归因于美国数据中心的空气污染负责估计有60亿美元的公共卫生损失。如果当前的AI增长趋势继续持续，到2030年，该数字预计每年将达到10至200亿美元，这与加利福尼亚州3000万辆汽车的排放量相媲美。

为什么要碳和能源效率整个故事

迄今为止，减轻AI的努力环境足迹主要专注于碳排放和能源效率。这些努力很重要，但可能不会减轻健康的影响，这在很大程度上取决于排放的发生地点。

碳随处可见。气候影响二氧化碳无论何时散发，都在很大程度上相同。但是空气污染的健康影响在很大程度上取决于区域因素，例如局部能源，风模式，天气和人口密度。

虽然碳排放损害健康的空气污染物具有一些共同的资源，专注于切割碳的专有人物并不一定会减少，甚至可能加剧公共卫生的风险。例如，我们最新的（且未发表的）研究表明，在其美国数据中心将元能源负载重新分配，以优先减少碳的碳排放量，这可能会使总体碳排放量降低7.2％，但将使公共卫生成本提高2.8％。

同样，仅关注能源效率可以减少空气污染物的排放，但不能保证健康影响的减少。这是因为使用相同数量的能量训练相同的AI模型可以根据位置产生截然不同的健康结果。在Meta的美国数据中心中，我们发现培训的公共卫生成本相同的模型可能会有所不同。

我们需要健康的AI

供应方解决方案，例如使用替代燃料对于备用发电机和从清洁燃料中采购电力，可以减少AI的公共卫生影响，但它们面临重大挑战。

提供与柴油相同的可靠性水平的清洁备份发电机仍然有限。尽管有进步可再生能源，化石燃料仍然深深地嵌入能量燃料混合物中。美国能源信息管理局项目基于煤炭发电在2050年，在替代电力方案下，将保留在2024年水平的30％，其中电厂在2024年4月之前存在的规则下继续运行。在全球范围内，煤炭和其他化石燃料在发电中的份额具有几乎保持平坦在过去的四十年中，强调了完全改变数据中心的能源供应的困难。

我们认为，考虑健康影响的空间和时间变化的需求方策略可以立即提供有效且可起诉的解决方案。这些策略特别适合具有实质性操作灵活性的AI数据中心。例如，AI培训通常可以在任何可用的数据中心进行，并且通常不会面临硬期限，因此可以将这些工作路由到地点或推迟到对公共卫生影响较小的时代。同样，推理作业可以在多个数据中心之间进行路由而不会影响用户体验。

通过将公共卫生影响纳入关键绩效指标，可以利用这些灵活性来减轻健康负担。至关重要的是，这种了解健康的AI方法需要对现有系统的最小变化。公司在做出决策时只需要考虑公共卫生费用即可。

尽管人工智能的公共卫生成本正在迅速增长，但AI也对推动公共卫生有巨大的希望。例如，在能源领域，AI可以浏览实时发电厂调度的复杂决策空间。通过将电网稳定性与公共卫生目标保持一致，AI可以帮助最大程度地降低健康成本，同时保持可靠的电源。

人工智能正迅速成为公共事业，并将继续深刻地重塑社会。因此，我们必须通过公共镜头检查AI，其公共卫生影响是一个批判性的考虑因素。如果我们继续忽略它，AI的公共卫生成本只会增长。健康信息的AI为促进更清洁的空气和更健康的社区提供了前进的途径。