AI 的“绿色”挑战:Mistral 环境审计揭示技术奇点背后的生态足迹

1

人工智能的环境足迹:弥合技术奇点与生态平衡

在科技飞速发展的当下,人工智能(AI)已渗透到我们生活的方方面面,从智能家居到自动驾驶,AI 的应用场景日益广泛。然而,随着 AI 技术的日益普及,其对环境的影响也逐渐浮出水面。法国模型制造商 Mistral 近期发布了一份“环境审计”报告,揭示了大型语言模型(LLM)在碳排放、水资源消耗以及材料消耗等方面对环境产生的潜在影响。这份报告不仅为我们敲响了警钟,也引发了对 AI 技术可持续发展模式的深入思考。

AI快讯

AI 真的在“吞噬”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 个月的使用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维度评估了 AI 模型的环境影响。结果显示,模型训练和推理过程是碳排放和水资源消耗的主要来源,分别占比 85.5% 和 91%。

具体而言,Mistral 的审计发现,单个平均提示(生成约 400 个 token,相当于一页文本)的边际环境影响相对较小:排放 1.14 克二氧化碳,消耗 45 毫升水。然而,在过去的 18 个月中,模型训练和数百万甚至数十亿次提示的运行,累积产生了显著的环境影响:2.04 万吨二氧化碳排放(相当于 4500 辆普通内燃机汽车一年的排放量)和 28.1 万立方米的水蒸发量(足以填满约 112 个奥运会标准游泳池)。

AI快讯

量化 AI 的环境影响:对比与启示

为了更直观地理解 AI 的环境影响,Mistral 将其与常见的互联网活动进行了对比。例如,一次平均 LLM 查询产生的二氧化碳排放量相当于在美国观看 10 秒流媒体视频(或在法国观看 55 秒,法国能源结构相对清洁),或是在 Zoom 会议上通话 4 到 27 秒。此外,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量,相当于 22.8 次 Mistral 提示。

尽管直接比较这些活动在社会和环境方面的“价值”并非易事,但我们可以看到,人们对不同活动的社会禁忌、个人负罪感和在线抱怨程度,可能与其相似的环境足迹并不相符。因此,我们需要理性看待 AI 的能源消耗问题,避免将其妖魔化。

数据驱动的绿色 AI:呼唤更透明的未来

Mistral 的研究结果与其他评估 AI 环境影响的报告基本一致。例如,加州大学河滨分校的研究人员估计,美国用于 OpenAI GPT-3 的 AI 数据中心平均每次 LLM 提示消耗近 17 毫升水。2024 年发表在《自然》杂志上的一项研究则估计,ChatGPT 每次查询的平均二氧化碳排放量为 2.2 克(包括训练和推理时间)。

与之前的第三方估计相比,Mistral 直接提供数据无疑增加了本次研究的可信度。然而,Mistral 也承认,其数据仅代表对模型总体环境影响的“初步估计”,其中 GPU 生命周期影响等关键参数仍使用了估算值。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和模型总能耗数据(而非估计的排放量)。

尽管如此,Luccioni 认为该报告是“在 AI 模型环境影响评估方面迈出的重要一步”,并希望其他 AI 公司能效仿。Mistral 也呼吁其他模型制造商提高环境影响透明度,认为此类比较结果“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”。

构建可持续的 AI 生态:技术创新与责任担当

Mistral 的“环境审计”报告为我们提供了一个难得的机会,让我们得以深入了解 AI 技术对环境的潜在影响。面对日益严峻的全球气候变化挑战,我们需要采取积极措施,推动 AI 技术的可持续发展,实现技术创新与环境保护的和谐统一。

  1. 优化模型设计,降低能源消耗

AI 模型的设计应尽可能精简高效,减少不必要的计算量和数据传输,从而降低能源消耗。例如,可以采用更轻量级的模型结构、更高效的算法以及更先进的硬件加速技术。

  1. 提高数据中心能源效率,使用可再生能源

数据中心是 AI 模型训练和推理的关键基础设施,其能源消耗巨大。因此,提高数据中心的能源效率至关重要。可以通过采用更先进的冷却技术、优化服务器配置以及使用可再生能源等方式来实现。

  1. 推动绿色算法研究,探索新型计算范式

传统的 AI 算法往往以提高准确率和效率为目标,而忽略了能源消耗。因此,我们需要推动绿色算法研究,探索新型计算范式,例如神经形态计算、忆阻器计算等,以实现更低的能耗和更高的效率。

  1. 加强环境影响评估,建立行业标准

AI 技术的环境影响评估应贯穿于模型设计、开发、部署和应用的全过程。我们需要建立统一的行业标准,规范环境影响评估的方法和指标,为 AI 技术的可持续发展提供科学依据。

  1. 加强国际合作,共同应对挑战

AI 技术的环境影响是一个全球性问题,需要各国共同应对。我们需要加强国际合作,分享经验和技术,共同推动 AI 技术的可持续发展。

AI 技术的发展正以前所未有的速度改变着我们的世界。然而,在追求技术奇点的同时,我们也必须关注其对环境的影响,积极探索可持续的 AI 发展模式。只有这样,我们才能确保 AI 技术在为人类带来福祉的同时,也能守护我们共同的地球家园。