📢 转载信息
原文作者：Molly Taft
几年前，能源研究员Ketan Joshi注意到一个关于人工智能和气候变化的统计数据，这引起了他的注意。2023年底，谷歌开始宣称，到2030年，人工智能可以帮助全球温室气体排放量减少5%到10%。这一主张通过其首席可持续发展官合著的一篇观点文章传播，随后在媒体和一些学术论文中被引用。
Joshi对谷歌大肆宣传的巨大数字感到震惊，特别是人工智能声称能够有效减少相当于欧盟年排放量的数字。“我认为（排放量削减的说法）非常引人注目，因为很少有事情能做到这一点，”他说。
他决定追溯其来源。Joshi发现，那个5%到10%的数字来自于谷歌和咨询公司BCG联合发表的一篇论文，该论文又引用了BCG在2021年的一份分析。BCG的分析只是简单地以其“客户经验”作为估算人工智能能带来大规模减排的基础——Joshi称之为“站不住脚”的来源。这份分析发表于ChatGPT问世之前一年，而ChatGPT引发了对构建能源密集型基础设施的竞赛，科技公司声称这是驱动人工智能革命所必需的。
在其2023年可持续发展报告中，在首次力挺5%到10%估算几个月后，谷歌悄悄地承认，人工智能的建设正在显著推高其企业排放量。然而，谷歌仍在继续宣传BCG提供的数字，最近一次是在去年向欧洲政策制定者发送的一份备忘录中。
Joshi说：“世界上最具影响力的科技公司之一利用这个指标向世界上最大的地区之一提出‘政策建议’——我觉得这非常惊人。”“那个例子让我立即对这个说法的结构及其背后的证据产生了浓厚的兴趣。”
谷歌发言人Mara Harris在回复WIRED关于5%到10%统计数据的多项询问时，通过电子邮件表示：“我们坚持我们的方法论，该方法论以最好的现有科学为基础。而且我们也在透明地分享指导我们方法的原则和方法论。”Harris附上了一个链接，介绍了公司计算谷歌产品和合作伙伴关系带来的排放量减少的方法，但没有详细说明公司如何将这些标准应用于BCG的数字。（BCG未回应WIRED的提问。）
科技公司正陷入一场竞相开发人工智能的战斗中——这场战斗对气候变化可能有着巨大的影响。在美国这个全球最大的数据中心市场，这种建设带来的能源压力已导致燃煤电厂继续运行，并且有数百吉瓦的新的天然气发电即将并入电网，其中近100吉瓦的电力专门用于为数据中心供电。
科技高管一再表示，鉴于人工智能为地球提供的可能性，这种能源和数据中心的建设是值得的。在去年的纽约市年度气候周活动上，杰夫·贝索斯关注可持续发展的非营利组织“贝索斯地球基金”举办了一系列对话，讨论“人工智能如何成为一股有利于环境的力量”。2024年底，谷歌前首席执行官埃里克·施密特表示，由于世界将无法实现其气候目标，现在更重要的是关注人工智能能做什么。（他说：“我宁愿押注人工智能能解决问题，而不是限制它并让问题存在。”）OpenAI的首席执行官Sam Altman也承诺人工智能将“修复”气候。
但事实证明，许多这样的主张，其背后的实际证据非常少，甚至没有。
Joshi是周一发布的一份新报告的作者，该报告得到了多家环保组织的支持，该报告试图量化关于人工智能将如何拯救地球的一些最引人注目的说法。该报告审查了科技公司、能源协会等就“人工智能将带来净气候效益”所做的150多项主张。Joshi的分析发现，这些主张中只有四分之一得到了学术研究的支持，而超过三分之一的则没有公开引用任何证据。
能源和技术研究员Jon Koomey（他没有参与Joshi的报告）说：“人们对人工智能的社会影响和对能源系统的影响做出了断言——这些断言往往缺乏严谨性。”“重要的是不要轻信这些自利的说法。其中一些说法可能是正确的，但你必须非常小心。我认为很多人在没有太多支持的情况下就发表了这些言论。”
该报告探讨的另一个重要主题是，当科技公司谈论人工智能拯救地球时，他们到底指的是哪种人工智能。许多类型的AI能耗都低于近年来占据头条的生成式、以消费者为中心的模型，这些模型需要大量的计算能力和电力来进行训练和运行。几十年来，机器学习一直是许多科学领域的主流技术。但现在，是大规模的生成式AI——特别是像ChatGPT、Claude和Google Gemini这样的工具——成为科技公司基础设施建设的公众焦点。Joshi的分析发现，他审查的几乎所有主张都将传统、能耗较低的AI形式与推动数据中心建设的以消费者为中心的生成式AI混为一谈。
David Rolnick是麦吉尔大学的计算机科学助理教授，也是Climate Change AI（一个倡导利用机器学习解决气候问题的非营利组织）的主席。他不像Joshi那样担心科技巨头获得的人工智能气候影响数字的来源，因为他认为在这个领域量化影响非常困难。但对Rolnick来说，科技公司所宣传的必需的人工智能类型之间的区别是这场对话的关键部分。
他说：“我对比大型科技公司在人工智能和气候变化方面的主张存在的问题是，它们不仅没有完全量化，而且它们所依赖的还是在某些情况下尚不存在的假设性AI。”“我认为，对生成式AI未来可能发生的事情的猜测是荒谬的。”
Rolnick指出，从提高电网效率的技术到帮助发现新物种的模型，深度学习已经在全球无数行业中得到应用，帮助削减排放和对抗气候变化。但他表示，“这与‘在未来的某个时刻，这可能会有用’是不同的。”更重要的是，“科技公司正在开发的技术与它们声称倡导的那些效益背后的技术之间存在不匹配。”一些公司可能会宣传诸如帮助更好地检测洪水之类的算法示例，将其作为人工智能造福人类的例子来宣传其大型语言模型——尽管帮助洪水预测的算法与面向消费者的聊天机器人不是同一类型的AI。
人工智能和可持续发展研究员Sasha Luccioni说：“‘我们需要大型AI模型——以及近乎无限的能源’的叙事试图向我们推销这样的观念，即这是我们需要的唯一一种AI，也是唯一可能实现的未来。”“但有如此多不同、更小、更高效的模型，可以以更低的成本部署，无论是对人还是对地球而言。”
在另一篇同样在周一发表的研究中，Luccioni和AI公司Hugging Face的可持续发展主管Yacine Jernite研究了训练各种AI模型的成本，发现那些依赖海量数据和能源的大型专有模型并不是强大AI解决方案的唯一选择。通常情况下，较小的模型在AI应用中的表现与更昂贵的大模型一样好。
她说：“在这场‘越大越好’的AI竞赛中，唯一能竞争的是那些财力最雄厚的公司，它们在过去几十年中（无论是否经过同意）吸收了我们的数据，并继续这样做。”“现在，他们正试图让我们相信我们需要这些巨大的模型，而不管地球的死活，以此将这些数据卖回给我们。”
专家告诉WIRED，衡量人工智能对气候影响的关键问题之一是，公众缺乏了解人工智能能力和影响所需的一些最基本信息。我们仍在根据粗略估计来估算人工智能——尤其是生成式人工智能——在数据中心中使用了多少能源。谷歌直到去年才公布其人工智能提示消耗的能源估算；其他公司仍在滞后，或者没有公布其模型的关键环境信息。虽然生成式AI正被强行推入我们的许多消费者体验中，但我们仍在等待大型生成式AI能比能效较低的模型更好地解决气候问题的具体实例。
Joshi认为解决方案很简单：推动更多AI发展的公司应该披露更多关于气候成本的信息。
他说：“如果[科技公司]担心人们夸大或夸大了生成式人工智能对气候的影响，那么就没有什么能阻止他们说：‘好吧，我们今年的能源增长是六太瓦时，其中两太瓦时是用于生成式人工智能的’。”“这是我们在报告中倡导更多披露的信息。我认为这对他们来说最终会是一件好事。”
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区