AI 的碳足跡：重新評估能源使用
根據加州大學爾灣分校和麻省理工學院的科學家們今年早些時候在開放存取網站 arXiv.org 發表的一篇論文，AI 的碳足跡並不是一個封閉的案例。這篇論文對生成型 AI 模型的能源使用做出了顛覆性的假設，並在上週引發了一場 AI 領域領先的研究人員和專家之間的辯論。這篇論文發現，當生產一頁文字時，像 ChatGPT 這樣的 AI 系統排放的二氧化碳當量（CO2e）比人類少 130 到 1500 倍。同樣地，在建立影象的情況下，像 Midjourney 或 OpenAI 的 DALL-E 2 這樣的 AI 系統排放的 CO2e 要少 310 到 2900 倍。該論文得出的結論是，使用 AI 有潛力以比人類更低的排放量完成多個重要活動。
環境影響的計算
在接受 VentureBeat 的採訪時，這篇論文的作者，加州大學爾灣分校的 Bill Tomlinson 教授和 Don Patterson 教授以及 MIT Sloan School of Management 的存取科學家 Andrew Torrance 提供了一些他們希望測量的見解。Tomlinson 表示這篇論文最初是在三月份發表的，當前正在研究期刊《科學報告》（Scientific Reports）中進行同行評審。研究作者們分析了關於 AI 系統、人類活動和文字和影象生產對環境影響的現有資料。這些訊息是從研究和研究人工智慧和人類如何影響環境的資料庫中收集的。例如，他們使用了一個基於每天產生約 3.82 公噸 CO2e 的 1000 萬次查詢流量的 ChatGPT 的非正式線上估算，同時還將訓練過程的 552 公噸 CO2e 的足跡分攤了。此外為了進一步比較，他們還包括了低影響 LLM（BLOOM）的資料。對於人類方面，他們使用了來自美國（每年 15 公噸）和印度（每年 1.9 公噸）的人均碳足跡的例子，以比較在估計撰寫一頁文字或建立一個影象所需的時間內的人均排放效應的不同。研究人員強調了測量 AI 等不同活動的碳排放量對制定可持續發展政策的重要性。"沒有這樣的分析，我們無法在如何引導或管治 AI 的未來方面做出合理的政策決策，" Paterson 在獨家電話採訪中告訴 VentureBeat。Tomlinson 還強調了啟發他們工作的個人問題，他解釋道："我希望能夠在地球環境範圍內生活，也許可以使用（AI）作為一種創意媒介而不會造成太大傷害，但如果它帶來了很大傷害，我會停止進行 AI 工作。" Patterson 在之前分析區塊鏈技術時提供了一些背景訊息。他說："工作量證實（POW）算法的環境影響一直在新聞中受到廣泛關注。因此我認為思考環境影響以及其他真正大規模的、影響整個社會的工具，如大型語言模型，是一個自然的進展。"
爭議與挑戰
這篇論文在本週引起了 AI 社區更多的關注，Meta Platforms 的首席 AI 科學家 Yann LeCun 在其社交帳號上發表了其中的一張圖表，並利用該圖表聲稱“使用生成型 AI 來生成文字或影象比手工或借助計算機的方式排放的 CO2 要少 3 到 4 個數量級。”這引起了論文方法的批評者的關注和抨擊，他們認為將碳排放從人類比較到 AI 模型的方法存在問題。HuggingFace 的 AI 研究員和氣候負責人 Sasha Luccioni 在接受 VentureBeat 的採訪時表示："你不能只拿一個人的整個生命週期的碳足跡估計量然後歸因於他們的職業。那是不合理的第一個基本問題。第二點是，將人類足跡與生命周期評估或能源足跡進行比較是不合理的，因為，我是說，你不能將人類和物體進行比較。"當量化人類排放時，Patterson 承認"進行任何形式的總能源消耗分析都很困難，因為一切都相互聯動。" Tomlinson 同意必須設定界限，但他辯稱"有一個完整的生命周期評估領域，我們在正在進行同行評審的論文中更加深入地參與其中。"HuggingFace 的 Luccioni 同意必須做這項工作，但論文作者採取的方法是有缺陷的。Luccioni 指出，除了直接將人類和 AI 模型進行比較的粗糙方法外，精確量化這些環境影響的實際資料仍然被隱藏和專有化。她還指出，或許有點具有諷刺意味的是，研究人員使用了她的工作來估算 BLOOM 語言模型的碳排放量。如果沒有存取硬體使用、能源消耗和能源來源的關鍵細節，就無法估計碳足跡。Luccioni 解釋道："對於 GPT，我們沒有這方面的任何訊息。我們不知道它有多大，也不知道它在哪執行，也不知道它使用了多少能源。我們一無所知。"如果技術公司不進行開放式資料共享，AI 的碳影響將保持不確保。研究人員強調應該根據透明、科學的方法來處理這些複雜問題，而不是做出沒有依據的主張。根據 Torrance 的說法，"科學是一種商討問題和回答問題的共識方法，它有一套透明的規則......我們歡迎其他人以科學或其他他們喜歡的方法來測試我們的結果。"
總結與建議
AI 的碳足跡問題需要綜合考慮，並針對其與氣候、社會和技術之間的互動作用進行持續的重新評估。當前的論文研究提供了一些關於 AI 模型在碳排放方面的初步結果，並引發了學術界和業界對於該問題的討論。然而該研究的方法和資料收集還存在一些缺陷，需要更多的透明度和開放式資料共享來獲得更準確的結果。
未來的研究應該更加重視生命週期評估，確保包括了硬體使用、能源消耗和能源來源等重要變數。缺乏這些關鍵細節將導致無法準確估計 AI 的碳足跡。同時還需要進行更深入的研究，以理解 AI 的整體環境影響，包括從資源開採到電力供應鏈的各個方面。
NGO 組織、政策制定者和技術公司應該共同努力，建立一個可以共享和追蹤 AI 碳足跡的標準框架。這將有助於確保哪些領域的 AI 應用可能對環境造成最大影響，並提供指導以促進可持續發展。
最後作為個體，我們在使用 AI 技術時也需要有所警覺。我們應該選擇對環境影響較小的 AI 模型和平臺，同時積極參與減少碳排放的個人努力，例如降低能源消耗、選擇綠色供應鏈等。只有透過集體努力，我們才能確保 AI 的應用不對環境造成不可逆轉的損害，並實現可持續發展的目標。
