人工智能技術危害環境的 8 種方式
隨著人工智能競賽的進展比以往任何時候都快，許多人擔心這些技術將如何影響生態系統。人工智能的採用持續增加。與此同時，如果開發商、最終用戶和監管機構繼續忽視其對環境的影響，其碳足跡只會進一步惡化。
雖然通過人工智能實現廣泛的環境可持續性仍然是一個可行的前景，但它需要個體行為者和集體實體之間的合作來解決此類技術對我們星球的負面影響。
要點
人工智能係統對能源的大量消耗導致了巨大的碳足跡，開發人員或用戶都不應忽視這一點。對於所有相關方來說，認識到如此高水平的能源使用對環境的影響並採取更加環保的方法來減輕這種影響至關重要。
人工智能的快速進步催生了鼓勵一次性使用的環境，導致寶貴資源的浪費。對於個人來說，在做出購買決定時保持克制，對於企業來說，重要的是要專注於創造具有真正價值的產品和服務，而不僅僅是追求新奇。
由於缺乏統一的監管機構來監督人工智能的使用和進步，導致環境問題在議程上被置於次要地位。為了減輕人工智能對環境的不利影響，政府和環保組織共同努力至關重要。
AI計算需要大量能源
圖片來源:NOAA 照片庫/維基共享資源
生成型人工智能對環境產生重大影響的主要原因在於其過度的能源消耗。例如，在檢查 ChatGPT 等聊天機器人時，我們會發現高令牌限制和快速輸入處理相結合，需要大量的能量。不幸的是，許多用戶不知道與每個搜索查詢相關的資源需求，並且傾向於不加區別地向聊天機器人發出無數提示，而不考慮其環境後果。
Semianalysis做了ChatGPT的成本模型。他們表示，OpenAI 運行 3,617 個 HGX A100 服務器來回答 ChatGPT 每天收到的數百萬條提示。
如果每台服務器與 Nvidia HGX A100 類似，則消耗 3,000 瓦時。因此，要讓 3,617 台機組全天候（24/7）運行，每年需要高達 95,054,760,000 瓦時或 95,054.76 兆瓦時。作為參考，紐約市每天使用 5,500 至 10,000 兆瓦時。
快節奏的發展促進了一次性生活方式
人工智能的加速發展已經進入了一個以一次性為特徵的時代。技術產品的消費者常常感到有必要購買最新的設備，而不管他們的實際需求如何。此外，許多人都在努力理解這些先進工具的複雜性。這種對新奇事物的貪婪慾望是由那些在其產品中宣揚創新能力的公司推動的，從而推動了對“下一件大事”的瘋狂追求。
通過堅持一種難以維持的生活方式，個人允許技術創新者控制對人工智能係統的需求。寶貴的資源被花費在多餘的儀器上，而這些儀器幾乎不會產生任何顯著的優勢。
以 ChatGPT 為例。許多開發人員抓住其流行帶來的機會發布了人工智能驅動的聊天機器人。在此期間，微軟、Meta 和谷歌等著名科技公司投入了大量資源來開發尖端語言模型。另一方面，許多企業只是簡單地效仿，而沒有深入研究這些工具的底層機製或潛在應用。
建議在從不受信任的來源訪問人工智能聊天機器人時保持謹慎，因為惡意行為者可能會創建ChatGPT 等流行模型的偽造應用程序，目的是欺騙毫無戒心的個人洩露敏感數據或收取過高的服務費用。
沒有中央管理機構監管人工智能的使用和開發
圖片來源:Cancillería Argentina/Wikimedia Commons
人工智能的快速進步超越了現有的監管框架和限制。例如，OpenAI 首席執行官 Sam Altman 主張採取更嚴格的措施來管理強大的人工智能係統。目前，還沒有一個單一的管理機構來監督和執行人工智能相關活動的法規。
儘管監管機構可能會開始解決與人工智能相關的問題，但他們不太可能將環境退化列為首要任務。相反，他們更有可能關注人工智能引起的幻覺、道德違規和隱私侵犯等問題。雖然這些擔憂確實很重要，但如果讓它們掩蓋人工智能對環境可能產生的有害影響，那就是錯誤的。
為了有效解決科技公司的碳排放問題，政府必須與環保組織合作對這些實體進行監測。通過實施以減少能源消耗、廢物管理實踐和負責任的採礦技術為重點的監管措施，可以顯著減輕人工智能開發人員的總體影響。
人工智能驅動的農業工作將產量置於生態系統健康之上
農業部門正在探索將人工智能係統融入農業的方法。戰略實施可以幫助最大限度地提高作物生長、實現體力勞動自動化、抗擊自然災害，同時最大限度地減少管理費用。農業人工智能是一個不斷發展的行業。 Market.us甚至預測，到2032年，全球市場規模將超過102億美元。
農業人工智能（AI）具有許多優勢，例如提高效率、提高生產力和增強可持續性；然而，它常常忽視與其開發和部署相關的大量能源需求。此外，注重作物產量最大化和簡化收穫程序可能會因推廣導致土壤退化和荒漠化的集約化農業技術而無意中造成有害的環境影響。
訓練人工智能需要反複試驗
圖片來源:mikemacmarketing/維基共享資源
利用大量數據來訓練先進的人工智能係統需要對計算資源進行大量投資。這些平台收集和處理信息的過程可能會消耗大量能源，可能達到數百萬瓦時。
此外，評估數據的過程涉及通過重複實驗和改進來識別和解決錯誤的系統方法。隨著開發人員逐步改進他們的模型，他們還必須付出巨大的努力來解決這個迭代過程中出現的任何不可預見的複雜情況。
我們以 ChatGPT 為例。 康奈爾大學的一項研究 顯示OpenAI 消耗了405 V100 GPU 年的能量來訓練GPT-3 的1750 億個參數。更簡單地說，一個 V100 GPU 需要 405 年才能構建 ChatGPT。
假設 OpenAI 使用類似於 Nvidia V100 GPU 的東西，它消耗300瓦時，405年的耗電量相當於1,064,340,000瓦時。作為參考，大多數家庭每天消耗 30,000 瓦時的電量。因此，OpenAI 最初用於訓練 ChatGPT 的能源可以為 35,478 間房屋供電 24 小時。
AI 硬件由地球金屬製成
人工智能應用程序的構建、開發和營銷取決於其硬件組件的一系列地面元素。舉例來說，圖形處理單元 (GPU) 是使用銅、錫、銀和鋅等金屬物質以及許多其他原材料製造的。此外，科技公司經常需要大量 GPU 來維持其人工智能運營。
為了減輕未來資源枯竭的潛在負面影響，開發商必須考慮探索採購原材料的替代方式。如果不這樣做，隨著對人工智能驅動硬件的需求持續增長，破壞性採礦行為可能會增加。最終，即使是大型礦山也會在幾十年內耗盡其儲量。
潛在的交通擁堵
圖片來源:Tesla
人工智能可以為汽車行業構建更節能、更智能的未來。 國際環境研究與公共衛生雜誌 的一項研究表明，自動駕駛汽車的碳排放量可減少50% 至100 %比傳統車輛。全球汽車製造商將逐步將人工智能集成到他們的設備中。
儘管燃油效率高，但人工智能引導汽車的出現也加劇了人口稠密城市的交通擁堵。私家車數量將繼續超過公共交通樞紐。 阿德萊德大學的一項縱向調查表示，與通勤或車輛共享相比，消費者更願意購買無人駕駛汽車。
人工智能的進化增加了電子垃圾
圖片來源:Alex Proimos/維基共享資源
由於追求行業領先地位的開發人員不斷推出創新的硬件和軟件解決方案，人工智能的進步正在加速發展。然而，這種對尖端技術的不懈追求導致電子垃圾問題日益嚴重，進一步加劇了社會擔憂。值得注意的是，保留這些人工智能係統的功能需要一個廣泛的圖形處理單元 (GPU) 和服務器網絡，其中許多一旦達到使用壽命就無法重新利用或回收。
The World Counts 報告稱，85% 的電子垃圾進入垃圾填埋場和焚燒爐，其中 70% 含有有毒元素。人工智能開發者應該探索更可持續的處置方法。減少化石燃料消耗、延長硬件生命週期和設計回收方法等生態實踐將徹底改變該行業。
人工智能對環境有害嗎?
儘管人工智能（AI）可能對環境產生有害影響，但其可持續性並不一定是由其性質預先決定的。圍繞人工智能對環境造成的影響的大多數擔憂源於人類在人工智能驅動系統的設計、編程、實施和管理中的行為。科技公司必須優先考慮負責任和環保的做法，而不是快速發展。此外，即使人工智能達到了通用人工智能的狀態，為了追求這種進步而耗盡地球的自然資源也是不合理的。
為了確保可持續性，公司應高度重視實施生態意識技術。儘管人工智能在商業、商業和工業方面有著廣泛的用途，但利用人工智能促進環境保護和減輕氣候變化的影響仍有相當大的發展空間。不幸的是，目前許多人工智能應用程序都沒有充分考慮它們對自然資源保護或解決全球變暖的潛在好處。