在人工智能（AI）技术日新月异的今天，我们享受着AI带来的便利，但同时也面临着一个不容忽视的问题：AI对环境的影响。法国AI模型公司Mistral发布了一份名为“环境审计”的报告，为我们揭示了AI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威胁。报告显示，虽然单次AI查询对环境的影响相对较小，但由于每年数十亿次的AI提示请求，其累积效应可能对环境造成显著的负面影响。这不禁让我们深思，AI的快速发展是否真的会以牺牲地球环境为代价？
为了更全面地评估其“Large 2”模型在过去18个月中对环境的影响，Mistral与可持续发展咨询公司Carbone 4以及法国生态转型署合作，共同开展了这项研究。该研究遵循法国政府的“节约型AI指南”，从温室气体排放、水资源消耗和材料消耗三个方面入手，全面评估了AI对环境的影响。研究发现，模型训练和推理过程是CO2排放和水资源消耗的主要来源，分别占总量的85.5%和91%。
具体而言，一次平均AI提示（生成约400个token的文本，约等于一页纸的内容）所产生的边际环境影响相对较小：排放1.14克CO2和消耗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的提示请求累积起来，导致了惊人的环境影响：排放20.4千吨CO2（相当于4500辆普通内燃机汽车一年的排放量）和蒸发28.1万立方米的水（足以填满约112个奥林匹克游泳池）。
为了更直观地了解AI对环境的影响，Mistral将单次LLM查询的环境影响与其他常见的互联网活动进行了比较。例如，一次平均LLM查询的CO2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，法国的能源结构更清洁），或者参与4到27秒的Zoom通话。此外，撰写一封10分钟的电子邮件并被100位收件人阅读所排放的CO2量，相当于22.8次Mistral提示。这些对比让我们意识到，AI对环境的影响并非微不足道，而是与我们日常使用的其他互联网服务相当。
当然，直接比较这些活动对社会和环境的“价值”并非易事，这取决于我们对AI工具输出的重视程度。然而，与这些不同任务相关的社会禁忌、个人内疚感和整体在线抱怨程度可能与它们相似的环境足迹并不一致。因此，我们需要理性看待AI的能源消耗问题，避免过度渲染其对地球的破坏。
Mistral的报告为我们提供了宝贵的数据，但同时也引发了对AI透明度的呼吁。报告中的数据与其他研究机构的估算基本一致。例如，加州大学河滨分校的一项研究估计，OpenAI的GPT-3在美国的AI数据中心平均每次LLM提示消耗近17毫升水。《自然》杂志2024年发表的一项研究估计，ChatGPT每次查询的平均CO2排放量为2.2克（包括训练和推理时间）。
与之前的第三方估算相比，Mistral直接提供数据无疑增加了其报告的可信度。然而，Mistral也承认，其数据仅代表对模型总体环境影响的“初步估算”，其中GPU生命周期影响等重要参数仍需进一步估算。Hugging Face AI & Climate负责人Sasha Luccioni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消耗的信息（而非能源消耗产生的排放估算）。
尽管如此，Luccioni仍然认为该报告是“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公司能够效仿。Mistral也呼吁其他模型制造商提高环境影响的透明度，认为这种比较结果“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发展与环境责任：寻找平衡点
随着AI技术的不断发展，其对环境的影响也日益凸显。Mistral的这份“环境审计”报告，无疑为我们敲响了警钟。它提醒我们，在追求AI技术进步的同时，必须重视其对环境的影响，并积极采取措施降低其环境足迹。那么，我们应该如何应对AI带来的环境挑战呢？
首先，我们需要从技术层面入手，优化AI模型的能效。通过改进算法、降低计算复杂度、采用更节能的硬件等方式，可以有效降低AI模型的能源消耗。例如，可以探索使用更高效的神经网络结构，减少模型参数量，或者采用知识蒸馏等技术，将大型模型压缩为小型模型，从而降低计算成本和能源消耗。
其次，我们需要推动AI数据中心的可持续发展。数据中心是AI运行的重要基础设施，其能源消耗量巨大。因此，我们需要推动数据中心采用可再生能源，提高能源利用效率，并优化数据中心的冷却系统，降低水资源消耗。例如，可以利用太阳能、风能等可再生能源为数据中心供电，采用余热回收技术，将数据中心产生的热量用于供暖或其他用途，或者采用液冷技术，提高数据中心的冷却效率。
此外，我们还需要加强对AI环境影响的监管和评估。政府和相关机构应制定AI环境影响评估标准，对AI模型的开发和部署进行环境影响评估，并建立AI环境信息披露制度，要求AI公司公开其模型的能源消耗、碳排放等环境信息，接受社会监督。同时，还应鼓励AI公司开展环境审计，定期评估其模型的环境影响，并制定相应的减排目标和措施。
更重要的是，我们需要提高公众对AI环境影响的意识。通过宣传教育、媒体报道等方式，让公众了解AI对环境的影响，并鼓励公众选择更环保的AI产品和服务。例如，可以选择使用能效更高的AI助手，或者选择使用采用可再生能源供电的数据中心提供的AI服务。
最后，我们需要加强国际合作，共同应对AI带来的环境挑战。AI技术的发展是全球性的，其环境影响也具有跨国性。因此，我们需要加强国际合作，共同制定AI环境治理规则，分享AI节能减排技术，共同应对AI带来的环境挑战。例如，可以建立国际AI环境合作平台，定期召开AI环境论坛，共同探讨AI环境治理问题，并开展AI节能减排技术交流。
AI技术的发展是一把双刃剑。它既能为我们带来便利和进步，也可能对环境造成负面影响。只有当我们充分认识到AI的环境风险，并积极采取措施应对这些风险时，才能确保AI技术的可持续发展，让AI真正成为推动人类社会进步的强大力量。
展望未来：AI与环境和谐共生
展望未来，我们有理由相信，AI技术将在环境保护领域发挥越来越重要的作用。例如，AI可以用于监测环境污染，预测气候变化，优化资源配置，提高能源效率等。通过将AI技术应用于环境保护领域，我们可以更有效地保护地球环境，实现可持续发展。
同时，随着技术的不断进步，未来的AI模型将更加节能环保。例如，量子计算、神经形态计算等新型计算技术的出现，将有望大幅降低AI模型的能源消耗。此外，随着可再生能源技术的不断发展，未来的AI数据中心将更加依赖可再生能源，从而进一步降低AI的环境足迹。
总之，AI的发展与环境保护并非不可调和的矛盾。只要我们充分认识到AI的环境风险，并积极采取措施应对这些风险，就能实现AI与环境的和谐共生，让AI真正成为推动人类社会可持续发展的强大引擎。
