人工智能對環保屬雙刃劍（湛家揚博士）
在過去50年，與天氣相關的災害數量增加5倍。自1993年以來，全球海平面上升約23.5毫米；自十九世紀末以來，地球表面溫度增約攝氏1.2度。人工智能（AI）在管理氣候變遷、城市化和空氣污染等確實做了很多好事，例如AI模型可以把氣候預測的準確性提高多達30%。AI也可以為各種活動的碳足跡建模，並提出減少排放方法，然而AI的能量消耗對我們環境亦有負面影響。
網上論壇Reddit提到，ChatGPT能量消耗約為Google搜索的15倍。這是因為ChatGPT查詢所需的複雜計算涉及運行大型神經網絡。根據麥肯錫2024年10月的報告，到2030年全球數據中心的容量可能會增加3倍以上，生成式AI的工作負載是其中最高的。這對我們環境意味什麼影響？上周，我有機會與澳門大學的DBA及EMBA學生分享這話題，以下是我的見解。
AI，特別是大型語言模型（LLMs），對環境的影響愈來愈引起關注，主要有五大關鍵點：
1. 能量消耗：訓練和運行LLMs需要大量計算能力，這導致高電力消耗。訓練像GPT-3這樣的模型，所需能量相當於5輛汽車生命周期的能量。
2. 碳排放：訓練和部署LLMs所使用的能源，通常來自不可再生資源，這會導致大量二氧化碳排放，進而加劇全球變暖及氣候變遷。
3. 用水量：容納AI伺服器的數據中心，需要大量水源冷卻，這會加劇地方水資源短缺並擾亂生態系統。
4. 電子廢料：AI所使用的硬件，包括圖像處理器（GPU）及其他組件，會產生電子廢料。如果不妥善處理，這些廢料對環境有害。
5. 資源開採：AI 基礎設施依賴於關鍵礦物和稀有元素，這些資源的開採通常缺乏可持續性，將會導致棲息地破壞和其他環境問題。
我們能做些什麼以減少這些影響？
1. 優化模型：研究人員和開發者可致力創建更高效的算法和模型，以減少所需的計算能力，從而顯著降低能量消耗。
2. 硬件效率：投資於高效能的硬件，例如專門的AI晶片，可降低訓練和運行AI模型所需的能量。
3. 可再生能源：數據中心轉向使用太陽能、風能或水電等可再生能源，這有助於減少AI營運的碳足跡。
4. 冷卻創新：改進數據中心的冷卻技術，減少用水量和能量消耗，包括液冷和優化氣流等方法。
5. 政府和公眾意識：政府和組織透過實施政策和法規，促進可持續AI開發和部署。提高對AI環境影響的認識，並教育開發者和用戶關於可持續實踐，可以驅動集體行動。
更多湛家揚文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
