在数字时代的浪潮中，人工智能（AI）以前所未有的速度渗透到我们生活的方方面面。从智能家居到自动驾驶，AI技术的应用无处不在，极大地提高了生产效率和生活质量。然而，就像任何一项伟大的技术一样，AI的发展也伴随着一些不容忽视的负面影响，其中最引人关注的莫过于其对环境的潜在威胁。
法国AI模型制造商Mistral近日发布了一份名为“环境审计”的报告，详细分析了其大型语言模型（LLM）在运行过程中产生的环境影响。这份报告不仅揭示了AI技术对地球资源的消耗，也引发了我们对AI可持续发展问题的深入思考。
AI真的在破坏地球吗？
Mistral与可持续发展咨询公司Carbone 4以及法国生态转型署合作，对“Large 2”模型在近18个月的运行周期内进行了生命周期分析。该研究遵循法国政府的“节俭AI指南”，从温室气体排放、水资源消耗和材料消耗三个方面评估了AI模型的环境影响。
研究结果显示，AI模型在训练和推理过程中产生的温室气体排放和水资源消耗分别占总量的85.5%和91%。这表明，AI模型的运行对环境的影响主要集中在计算过程本身，而非数据中心建设或终端用户设备的使用。
具体而言，Mistral的审计发现，一个平均提示（生成约400个token的文本，相当于一页纸的内容）的边际“推理时间”环境影响相对较小：排放1.14克二氧化碳，消耗45毫升水。然而，在运行的前18个月中，模型训练和数百万（甚至数十亿）个提示的运行导致了显著的累积影响：2.04万吨二氧化碳排放（相当于4500辆普通内燃机乘用车一年的排放量）和28.1万立方米的水蒸发（足以填满约112个奥林匹克标准游泳池）。
AI的环境影响有多大？
为了更直观地了解AI的环境影响，我们可以将其与其他常见的互联网活动进行比较。Mistral指出，一个平均LLM查询产生的二氧化碳排放量相当于在美国观看10秒流媒体节目（或在法国观看55秒，因为法国的能源结构更清洁）。此外，根据Mozilla基金会的数据，这相当于参加4到27秒的Zoom会议。根据Carbon Literacy的数据，撰写一封被100位收件人完整阅读的10分钟电子邮件所排放的二氧化碳，相当于22.8个Mistral提示。
当然，直接比较这些活动产生的社会和环境“价值”并非易事，这很大程度上取决于你对AI工具输出的价值评估。然而，与这些不同任务相关的社会禁忌、个人内疚和整体在线抱怨程度，可能与其相似的环境足迹并不一致。因此，下次你听到有人警告说AI能源使用正在破坏地球时，不妨记住这一点。
呼吁更多数据透明化
Mistral的数字与其他试图评估AI环境影响的研究结果基本一致。例如，加州大学河滨分校的研究人员估计，OpenAI的GPT-3使用的美国AI数据中心平均每个LLM提示消耗近17毫升水。2024年发表在《自然》杂志上的一项研究估计，ChatGPT的平均每次查询排放2.2克二氧化碳（包括训练和推理时间）。
与之前的第三方估计相比，Mistral直接为这项最新研究提供信息无疑增加了其报告数字的可信度。不过，Mistral表示，其数据仅代表对模型总环境影响的“初步估计”，其中GPU生命周期影响等重要参数使用了估算值。Hugging Face AI与气候负责人Sasha Luccioni也指出，Mistral发布的信息缺乏重要的方法论细节以及关于模型总能源使用量的信息（而非估计的能源使用排放量）。
尽管如此，Luccioni称该报告为“在AI模型环境影响评估方面迈出的重要第一步”，她希望其他AI公司也能效仿。Mistral还敦促其他模型制造商提高其环境影响的透明度，并表示此类比较结果“有助于创建评分系统，帮助买家和用户识别碳、水和材料密集度最低的模型”。
AI可持续发展的挑战与机遇
Mistral的“环境审计”报告为我们敲响了警钟，提醒我们在追求AI技术发展的同时，必须高度重视其对环境的影响。那么，我们应该如何应对AI可持续发展所面临的挑战呢？
- 提高能源效率：优化AI算法，减少计算量，降低能源消耗。例如，采用更高效的硬件设备、改进数据中心的设计，以及开发更节能的训练方法。
- 使用可再生能源：尽可能使用太阳能、风能等可再生能源为AI数据中心供电，减少对化石燃料的依赖。
- 节约水资源：采用更先进的冷却技术，减少数据中心的水资源消耗。例如，使用空气冷却、液体冷却等替代方案。
- 推动绿色AI标准：建立统一的AI环境影响评估标准，鼓励企业公开其AI模型的环境数据，提高透明度。
- 加强国际合作：共同应对AI环境挑战，分享经验和技术，推动全球AI可持续发展。
案例分析：DeepMind的能源效率优化
作为AI领域的领军企业，DeepMind一直致力于提高AI模型的能源效率。通过优化其数据中心的冷却系统，DeepMind成功地将能源效率提高了40%。此外，DeepMind还开发了一种名为“AlphaFold”的AI模型，用于预测蛋白质结构。AlphaFold不仅在科学研究领域取得了突破性进展，还大大降低了实验成本和时间，减少了对环境的潜在影响。
数据佐证：AI对能源消耗的影响
根据《自然》杂志发布的一项研究，到2030年，AI可能消耗全球高达3.5%的能源。然而，通过采用更高效的算法和硬件设备，我们可以将AI的能源消耗降低50%以上。这表明，技术创新是解决AI环境问题的关键。
AI可持续发展的未来展望
尽管AI的发展面临着环境挑战，但我们也应该看到其巨大的发展潜力。通过技术创新和政策引导，我们可以实现AI的可持续发展，使其在为人类创造福祉的同时，也能保护我们的地球家园。以下是一些值得期待的未来发展方向：
- 绿色AI芯片：开发低功耗、高性能的AI芯片，从硬件层面降低AI的能源消耗。
- 联邦学习：通过在本地设备上进行模型训练，减少数据传输和集中计算的需求，降低能源消耗。
- 知识蒸馏：将大型复杂模型转化为小型高效模型，减少计算量和能源消耗。
- AI驱动的环境监测：利用AI技术对环境进行实时监测和预测，提高环境管理的效率。
总之，AI的可持续发展是一个复杂而重要的议题。只有通过全社会的共同努力，才能确保AI技术在为人类创造价值的同时，也能为我们的地球带来积极的影响。
结论
Mistral的“环境审计”报告为我们提供了一个宝贵的视角，让我们更加清晰地认识到AI技术对环境的影响。面对AI可持续发展所面临的挑战，我们不能袖手旁观，而应该积极行动起来，通过技术创新、政策引导和国际合作，共同推动AI的可持续发展。只有这样，我们才能确保AI技术在为人类创造福祉的同时，也能保护我们的地球家园，实现人与自然的和谐共生。
