CityU logo

缓解人工智能浪潮中不断增长的碳足迹

人工智能(AI)是一种强大的工具,有潜力革新许多产业,但也带有显著的环境成本。人工智能模型的训练和运行需要大量的能源,而这些能源通常来自于化石燃料,会释放出温室气体。随着人工智能技术的普及,其碳足迹只会逐渐扩大。

人工智能的碳足迹

人工智能模型运行于计算机上,需要极大的能源来运作。这种能源消耗会导致碳排放,对环境有害。 《麻省理工科技评论》指出,仅训练一个人工智能模型就可能产生超过626,000磅的二氧化碳,这大约是一辆普通私家车整个寿命排放量的5倍。人工智能所产生的碳排放主要有两种类型:营运排放和隐含排放。营运排放发生在用电力来驱动人工智能系统的过程中。隐含排放则发生在制造人工智能系统所使用的材料和零件的过程中。

可持续人工智能

有几项措施可以推行来减少营运排放和隐含排放。一种是使用可持续的能源来驱动人工智能系统,例如太阳能和风能。另一种方法是开发更高效的人工智能算法,需要更少的能量来训练和运行,例如使用更高效的硬件,如专门的人工智能芯片,开发更具计算效率的新算法,利用人工智能来优化其他人工智能模型的训练和运行。科技行业还需要更加透明地了解人工智能所产生的碳排放,通过制定测量人工智能碳足迹的标准,让使用者可以明智地选择使用哪些人工智能产品。

合乎能源效益的人工智能

科技公司的研究人员正在努力开发更节能的新型人工智能算法,以减少人工智能的碳足迹。他们采用的其中一种方法是使用模型蒸馏技术。

  • 模型蒸馏是一个过程,先使用一个大型数据集训练一个大型复杂的人工智能模型,然后以该大型人工智能模型训练一个更小、更高效的模型。这个较小的模型可以达到类似于大型模型的准确度,但运行时需要较少的能量。

科技公司还开发了更具计算效率的新型人工智能算法,采用了稀疏矩阵乘法和低秩近似等技术。这些技术使得人工智能模型可以在较低功率的硬件上训练和运行,从而大幅减少能源消耗。

  • 稀疏矩阵乘法是一种加速矩阵乘法运算的技术,可以对需要大量矩阵乘法运算的人工智能算法(如自然语言处理和计算机视觉算法)带来好处。
  • 低秩近似是一种可以减小矩阵大小而不会显著降低精确度的技术,可以对需要大量矩阵存储的人工智能算法(如深度学习算法)带来好处。

结语

通过采取措施减少人工智能的碳足迹,科技行业可以帮助缓解这种强大技术的环境影响。这不仅对环境重要,也对人工智能本身的未来重要。如果要利用人工智能来解决世界上一些最迫切的问题,必须以不创造新问题的方式进行。

本文是在 AI 的协助下撰写,并参考以下来源:

https://www.japantimes.co.jp/news/2023/03/10/business/tech/ai-carbon-footprint/

https://www.microsoft.com/en-us/research/project/reducing-ais-carbon-footprint/

https://www.forbes.com/sites/bernardmarr/2023/03/22/green-intelligence-why-data-and-ai-must-become-more-sustainable/?sh=5298d0bc7658

https://www.technologyreview.com/2019/06/06/239031/training-a-single-ai-model-can-emit-as-much-carbon-as-five-cars-in-their-lifetimes/

在此感谢 InnoHK、香港特别行政区政府及人工智能金融科技实验室对本文的支持。
(AIFT 竭力但不能保证内容之准确和可靠,亦不会承担因任何不准确或遗漏而引起的任何损失或损害。)

分享此內容

张昕之博士

人工智能驱动的供应链优化:应对动态世界的需求

阅读更多

地址

香港沙田香港科学园科技大道西 19号
11楼 1101-1102 及 1121-1123 室

产品及解决方案

人才

工作机会

关于我们

地址

版权所有 © 2024 人工智能金融科技实验室有限公司