人工智慧運算對環境的影響
事實上,「數據中心」為人工智慧運算所需的重要設施,它們不僅消耗大量的能源,更產生可觀的碳排放。據《富比士》最新報告指出,光是訓練單個 AI 模型,過程中就會排放超過 62 萬磅二氧化碳,相當於一台汽車生命週期排放量的 5 倍。
你可能也想看:
看好AI商機!艾希頓庫奇73億元投資6家新創,「高度集中」投資策略,背後原因是什麼?
AI取代公務員?美國雇用數位機器人,原本花費一個月的冗長流程 10 分鐘就搞定
根據《Earth.Org》報導估計,ChatGPT 每年排放 8.4 噸二氧化碳,是個人排放量(每年 4 噸)的 2 倍多,況且,確切數字還會因為運行其數據中心的能源類型影響,與太陽能、風能或水力發電相比,燃煤或天然氣發電廠的排放量要高得多。
此外,加州大學河濱分校(University of California, Riverside)最近的研究揭示了 GPT-3 和 4 等大語言模型的水足跡(water footprint)。該研究報告稱,微軟在其數據中心培訓 GPT-3 期間,由於使用大量能量轉化成熱能,需要以水來控制溫度和冷卻機器,使用了大約 70 萬公升的淡水,相當於生產 370 輛 BMW 汽車或 320 輛特斯拉所需的水量。
此外,當 ChatGPT 執行回答問題、生成文本等任務時,模型在推理過程中也會消耗大量的水:一組 20 到 50 個問題的簡單對話所消耗的水,相當於一個 500 毫升的寶特瓶。目前 ChatGPT 已擁有上億用戶,其總水足跡之可觀,可想而知。
隨着這類生成式 AI 語言模型的規模不斷擴大,探索減輕其對環境負面影響的解套方法已成為重要課題之一,才能為此技術發展的未來鋪平道路。
開發 AI 解方同時兼顧永續性,可以怎麼做?
1. 優化演算法,提高能源效益
「優化演算法的能源消耗量是現在許多人工智慧公司的關注點,因為這不僅提高永續性,也能降低成本。」AI 醫療診斷平台 Acoustery 共同創辦人米海羅浮(Dimitry Mihaylov)接受《Cointelegraph》採訪時表示。
優化演算法旨在提高 AI 模型的能源效益,同時不影響其性能,像是透過軟體開發人員動態調整數據,減少不必要的重複訓練或更新,從而降低耗能。
至於要怎麼優化演算法?企業可以依靠自家工程師的專業知識,開發最佳的演算法,也可以尋找商用的解決方案,協助優化;亦可以採用開源的優化器,提高能源效益。
2. 採用更節能的處理器(processor)
由於數據內存需要在模組之間頻繁移動的需求,傳統上用於人工智慧的系統架構耗能較高。然而,近年來出現新一代處理器:例如神經形態晶片(neuromorphic chip)和特定應用積體電路(Application Specific Integrated Circuit,ASIC),可進一步提高計算效率、降低能源需求。
3. AI 驅動數據中心的能源管理系統
由於數據中心仍然是各個行業的重要設施,優化其能源使用,並且最大限度地減少它影響人工智慧技術運行、發展至關重要。其實,運用人工智慧技術本身來解決這個問題,何嘗不是一個好解方。
企業可以打造一個以 AI 驅動數據中心的能源管理系統,應用人工智慧的能力分析數據、預測趨勢,並根據需求和運算量進行實時調整,優化能源消耗量。
AI 驅動的能源管理系統除了提高能源效率之外,還能根據需求動態調整耗能,以確保數據中心運作的穩定性;它們也協助數據中心主動回應工作負載量的波動,確保最佳的能源分配,降低系統故障的風險;同時,該系統也能為數據中心運營商節省成本,可為永續和經濟成本上雙贏的解決方案。
生成式 AI 不斷為各行各業帶來創新的可能,與此同時,也要努力創造永續的未來,避免地球成為這個劃時代科技發展的犧牲品。
延伸閱讀:
一顆 NFT,讓衣服不再過度生產!區塊鏈、AI 如何助時尚產業擺脫汙染源臭名?
除了寫文案,還能做什麼?生成式 AI 怎麼助力行銷科技再深化?
※本文授權自未來商務,原文見此。