【CNMO科技】眾所周知，機器學習消耗大量的能量。所有這些能夠制作視頻的人工智能模型都在消耗每小時兆瓦數的電量,。但似乎沒有人——甚至是開發(fā)這項技術的公司——能確切地說出成本是多少,。

　　有專家表示,，這些數字只是人工智能總消耗量的一小部分,。這是因為機器學習模型是非?？勺兊模軌蛞詷O大地改變其功耗的方式進行配置,。此外，Meta,、微軟和OpenAI等公司根本不愿分享相關信息,。

　　訓練大模型需要大量的能源,，比傳統(tǒng)的數據中心活動消耗更多的電力,。例如，訓練像GPT-3這樣的大型語言模型,，估計要使用不到1300兆瓦時（MWh）的電力,；大約相當于130個美國家庭每年消耗的電量。相比之下,，流媒體一小時需要大約0.8千瓦時（0.0008兆瓦時）的電力,。這意味著你必須觀看162.5萬小時才能消耗與訓練GPT-3相同的能量。

　　但很難說這樣的數字如何適用于當前最先進的系統(tǒng),。能源消耗可能會更大,，因為人工智能模型的規(guī)模多年來一直在穩(wěn)步上升，而更大的模型需要更多的能源。另一方面,，公司可能會使用一些經過驗證的方法使這些系統(tǒng)更節(jié)能,，這將抑制能源成本的上升趨勢。

人工智能不是免費的

　　人工智能公司hug Face的研究員Sasha Luccioni表示,，隨著人工智能變得有利可圖,，很多公司變得更加保密?；氐綆啄昵?，像OpenAI這樣的公司會公布他們訓練制度的細節(jié)——什么硬件，多長時間,。但Luccioni說,，ChatGPT和GPT-4等最新型號根本不存在同樣的信息。

　　Luccioni認為這種保密部分是由于公司之間的競爭,，另一部分是為了轉移批評,。人工智能的能源使用統(tǒng)計數據——尤其是它最無聊的用例——自然會讓人把它與加密貨幣的浪費進行比較?！叭藗冊絹碓揭庾R到,，所有這些都不是免費的，”她說,。

　　去年12月，Luccioni和同事嘗試對各種人工智能模型的推理能耗做出評估,。他們在88個不同的模型上進行了測試,，涵蓋了一系列用例，從回答問題到識別物體和生成圖像,。在每種情況下,，他們都運行了1000次任務，并估計了能量消耗,。他們測試的大多數任務使用少量的能量,，比如0.002千瓦時用于分類書面樣本，0.047千瓦時用于生成文本,。

　　如果我們用我們在Netflix上觀看一個小時的流媒體作為比較,，它們分別相當于觀看9秒或3.5分鐘所消耗的能量。圖像生成模型的數據明顯更大,，每1000個推論平均使用2.907千瓦時,。智能手機的平均充電消耗0.012千瓦時，因此使用人工智能生成一張圖像所消耗的能量幾乎與給智能手機充電所消耗的能量一樣多,。

　　Luccioni和她的同事測試了十種不同的系統(tǒng),，從生成64 x 64像素的微型圖像的小型模型到生成4K圖像的大型模型,。研究人員還對所使用的硬件進行了標準化，以便更好地比較不同的人工智能模型,。但實際上,，軟件和硬件通常都是針對能源效率進行優(yōu)化的。

　　Luccioni說:“這當然不能代表每個人的用例,，但現(xiàn)在至少我們有了一些數字,?！?/p>

生成式人工智能革命的全球成本

　　這項研究提供了有用的相對數據,，盡管不是絕對數字。它表明,，人工智能模型在生成輸出時需要比對輸入進行分類時更多的功率,。它還說明，任何涉及圖像的東西都比文本更耗能,。Luccioni說,，盡管這些數據的偶然性可能令人失望，但這本身就說明了一個問題,。

　　她說:“人工智能革命帶來的全球成本是我們完全不知道的,，對我來說，這種蔓延尤其具有指示性,?！薄罢嬲脑蚴俏覀儾恢馈,！?/p>

　　如果我們想更好地了解地球的成本,，還有其他方法可以采取。如果我們不是專注于模型推理,，而是縮小范圍呢?

　　這是阿姆斯特丹自由大學（VU Amsterdam）的博士候選人亞歷克斯·德弗里斯（Alex de Vries）的方法，他在自己的博客Digiconomist上開始計算比特幣的能源消耗,，并使用Nvidia gpu（人工智能硬件的黃金標準）來估計該行業(yè)的全球能源使用情況,。正如德弗里斯去年在《焦耳》(Joule)雜志上發(fā)表的評論中所解釋的那樣，英偉達占據了人工智能市場大約95%的銷售額,。

　　該公司還發(fā)布了硬件的能源規(guī)格和銷售預測,，綜合這些數據，德弗里斯計算出,，到2027年,，人工智能行業(yè)每年可能消耗85至134太瓦時，這與荷蘭每年的能源需求大致相同,。

　　德弗里斯說,，“到2027年,，人工智能的用電量可能占全球用電量的0.5%?！边@是一個相當重要的數字,。

　　國際能源署最近的一份報告也提供了類似的估計，表明由于人工智能和加密貨幣的需求,，數據中心的用電量將在不久的將來大幅增加,。該機構表示，目前數據中心的能源使用量在2022年約為460太瓦時,，到2026年可能會增加到620至1050太瓦時,，分別相當于瑞典或德國的能源需求。

　　但德弗里斯說,，把這些數字放在背景中是很重要的,。他指出，在2010年至2018年期間,，數據中心的能源使用量相當穩(wěn)定,，約占全球能耗的1%至2%。德弗里斯說,，在這段時間里,，需求肯定是上升的，但硬件的效率提高了,，從而抵消了需求的增長,。

大模型越做越大

　　他擔心的是,，人工智能的情況可能會有所不同,，因為企業(yè)傾向于在任何任務中簡單地投入更大的模型和更多的數據,。一旦模型或硬件變得更高效,，它們就會把這些模型做得更大。

　　效率的提高能否抵消不斷增長的需求和使用量,，這個問題是無法回答的,。和盧奇奧尼一樣，德弗里斯對缺乏可用數據表示遺憾,。

　　一些搞人工智能的公司聲稱，技術可以幫助解決這些問題,。普里斯特代表微軟表示,，人工智能“將成為推進可持續(xù)發(fā)展解決方案的有力工具”，并強調微軟正在努力實現(xiàn)“到2030年實現(xiàn)碳負,、水正和零浪費的可持續(xù)發(fā)展目標”,。

　　但一家公司的目標永遠不可能涵蓋整個行業(yè)的全部需求,。可能需要其他方法,。

　　Luccioni說,，她希望看到公司為人工智能模型引入能源之星評級，讓消費者可以像比較電器一樣比較能源效率,。對于德弗里斯來說,，我們的方法應該更基本：我們是否需要用人工智能來完成特定的任務？他說:“因為考慮到人工智能的局限性,，它可能在很多地方都不是正確的解決方案,，我們將浪費大量的時間和資源來找出這個困難的方法?！?/p>