在不断发展的人工智能 (AI) 领域，趋势表明人们对更大、更强大的模型有着永不满足的需求。大型语言模型 (LLM) 已成为这一趋势的火炬手，体现了对更多数据、更多参数以及不可避免的更多计算能力的不懈追求。
但这一进步是有代价的，即碳成本，硅谷或其资助者没有充分考虑这一代价。
这个方程很简单，但也令人震惊：更大的模型相当于更多的参数，需要增加计算量。这些计算反过来又转化为更高的能源消耗和更大的碳足迹。虽然人工智能的好处（从预测天气灾难到帮助癌症研究）的好处是显而易见的，但不太重要的应用程序（例如生成基于人工智能的超级英雄自拍照）的环境可行性则更值得商榷。
这种困境让我们面临现代计算重大挑战的核心：摩尔定律。几十年来，这一公理预示着计算能力的指数级增长。然而，这种增长并没有与能源效率的成比例提高相匹配。事实上，计算（尤其是人工智能领域）对环境的影响正变得越来越站不住脚。
这些生态成本是巨大的。数据中心是人工智能计算的支柱，因其高能源需求而臭名昭著。这些中心通常依赖化石燃料，其碳排放极大地加剧了全球变暖，并且与全球日益重视的可持续性和环境责任背道而驰。
在净零时代，企业环境责任受到严格审查，许多公司迅速宣扬其对能源效率的承诺。他们通常会获得碳信用额来平衡其碳足迹，尽管批评者认为这些措施仅仅是会计操作，而不是运营行为的实质性改变。
相比之下，微软和其他精选的行业领导者正在开创一种更积极主动的方法。这些公司通过在非高峰时段进行能源密集型流程并将其运营与最大太阳能输出时段和其他可再生能源可用性较高的时段同步来优化其能源消耗。这一战略被称为“时间转移”，不仅减轻了对环境的影响，而且强调了向可持续发展的切实转变。
进入环境、社会和治理（ESG）监管领域，这是一个鼓励公司以对社会负责的方式运营并考虑其环境成本的框架。 ESG 分数根据公司遵守这些原则的情况对公司进行评级，正在成为投资决策的重要组成部分。人工智能的发展对能源的需求很高，在这方面面临着独特的挑战。参与人工智能研发的公司现在必须协调对技术创新的追求与保持良好的 ESG 评分的必要性。但 ESG 供应商是否已经意识到这个热点问题了？
为了应对这些挑战，碳意识、绿色人工智能和生态人工智能等概念正在受到关注。这些举措倡导更节能的算法、使用可再生能源以及更环保的人工智能开发方法。这种转变不仅是道义上的要求，也是实际的必要性，因为投资者和消费者越来越青睐那些致力于可持续发展的公司。
人工智能社区正处于十字路口。一方面，对更大、更复杂模型的追求正在推动我们走向技术和科学的新领域。另一方面，我们不能忽视相关的环境成本。因此，我们面临的挑战是如何取得平衡——继续追求突破性的人工智能创新，同时尽量减少其对生态的影响。
这种平衡行为不仅仅是人工智能研究人员和开发人员的责任。它延伸到政策制定者、投资者和最终用户。鼓励在数据中心使用可再生能源、投资绿色人工智能初创企业以及用户有意识地支持环保人工智能应用的政策干预可以共同产生积极的影响。
人工智能的历程是一个技术成就的故事，但它也必须是一个环境责任的故事。当我们不断突破人工智能的极限时，我们还必须在推动这些进步的方式上进行创新。人工智能的未来不应该只是智能，而是智能。它还必须是可持续的。只有这样，我们才能确保不仅当代人而且后代人都能享受到人工智能的好处。
韭菜热线原创版权所有，发布者：风生水起，转载请注明出处：https://www.9crx.com/82148.html
