生成式AI競賽的背后，巨額碳排放不容忽視

二月初，谷歌與微軟先后宣布對他們的搜索引擎進行了重大改革。這兩家科技巨頭都在構建或購買生成式人工智能工具上投入巨資，這些工具能使用大型語言模型來理解和回答復雜的問題。現在，他們正試圖將其整合到搜索中，希望能給用戶提供更豐富、更準確的體驗。

但對這些新工具的興奮之情可能掩蓋了一個骯臟的秘密——構建高性能人工智能搜索引擎的競賽可能需要計算能力的大幅提升，隨之而來的是科技公司所需的能源和碳排放量的大幅增加。

英國薩里大學網絡安全教授艾倫·伍德沃德（Alan Woodward）表示：“已經有大量資源用于索引和搜索互聯網內容，但人工智能的加入會將這件事所需的能源和資源提升到另一個層次。它需要高效的處理能力、存儲能力和搜索能力。每當我們看到在線處理的進一步變化時，就會看到大型處理中心所需的電力和冷卻資源在顯著增加。”

訓練大型語言模型（LLMs），比如OpenAI的ChatGPT（它將為微軟的必應搜索引擎提供支持），以及谷歌的同類產品Bard，意味著在大量數據中解析和計算聯系，這就是這些模型往往是由擁有大量資源的公司開發的原因。

“訓練這些模型需要大量的計算能力，”西班牙拉科魯尼亞大學的計算機科學家卡洛斯·戈麥斯·羅德里格斯（Carlos Gómez-Rodríguez）說，“現在，只有大型科技公司才能訓練這些模型。”

雖然OpenAI和谷歌都沒有說過他們各自產品的計算成本是多少，但研究人員的第三方分析估計，ChatGPT部分基于GPT-3的訓練消耗了1287兆瓦時，并導致了超過550噸的二氧化碳排放量，這相當于一個人在紐約和舊金山之間往返550次。

卡洛斯·戈麥斯·羅德里格斯表示：“這并沒有那么糟糕，但你必須考慮到這樣一個事實：你不僅要訓練它，還要執行它，為數百萬用戶服務。”

投資銀行瑞銀（UBS）估計，ChatGPT每天有1300萬用戶，將其作為一個獨立產品使用，與將其整合到每天處理5億次搜索的必應中，也有很大的區別。

加拿大數據中心公司QScale聯合創始人馬丁·布沙爾（Martin Bouchard）認為，根據他對微軟和谷歌搜索計劃的了解，在這一過程中添加生成式人工智能，需要“每次搜索至少增加4到5倍的計算量”。他指出，ChatGPT目前對2021年底之后的事情是不理解的，這在一定程度上減少了計算需求。

但為了滿足搜索引擎用戶日益增長的需求，這將不得不改變。他說：“如果他們要經常重新訓練模型，并添加更多參數之類的東西，計算量的規模就完全不同了。”

這將需要在硬件上進行大量投資。布沙爾說：“我們現有的數據中心和基礎設施將無法應對（生成式人工智能的競爭）。計算量太大了。”

根據國際能源署（International Energy Agency）的數據，數據中心的溫室氣體排放量已經占到全球溫室氣體排放量的1%左右。隨著云計算需求的增長，這一數字預計還會上升，但運營搜索引擎的公司已承諾將減少自身對全球變暖的凈貢獻。

卡洛斯·戈麥斯·羅德里格斯表示：“這絕對沒有運輸業或紡織業那么糟糕。但（人工智能）可能成為碳排放的一個重要來源。”

微軟已經承諾到2050年實現碳負排放。該公司計劃今年購買150萬噸碳信用額。谷歌承諾到2030年在其整個業務和價值鏈實現凈零排放。OpenAI和微軟沒有回應記者的置評請求。

為了減少“將人工智能集成到搜索中”的環境足跡和能源成本，可以將數據中心轉移到更清潔的能源上，以及重新設計神經網絡以提高效率，減少所謂的“推理時間”（即算法在新數據上工作所需的計算能力）。

謝菲爾德大學自然語言處理講師納菲思·沙達特·穆塞維（Nafise Sadat Moosavi）說：“我們必須研究如何減少這種大型模型所需的推理時間，”她致力于自然語言處理的可持續性研究，“現在是關注效率方面的一個好時機。”

谷歌發言人簡·帕克（Jane Park）告訴《連線》雜志，谷歌最初發布的Bard版本是由一個輕量級大型語言模型提供支持的。

帕克說：“我們還發表了一項研究，詳細介紹了最先進的語言模型的能源成本，包括早期和更大版本的LAMDA。我們的研究結果表明，將高效的模型、處理器和數據中心與清潔能源相結合，可以將[機器學習]系統的碳足跡減少1000倍。”

問題是，至少在谷歌的情況下，為了獲得在搜索準確性上的微小進步，而付出所有額外的計算能力和麻煩是否值得。但是穆塞維說，雖然關注LLMs產生的能源和碳足跡很重要，但我們也需要注意到大型語言模型的積極方面。

她說：“這對終端用戶來說是件好事。因為之前的大型語言模型并不是每個人都能使用得到的。”

本文系未央網專欄作者:小未 發表，內容屬作者個人觀點，不代表網站觀點，未經許可嚴禁轉載，違者必究！