让人工智能可持续发展：我们缺少什么

人工智能已成为我们这个时代最具变革性的技术之一，但其环境足迹在很大程度上仍未被测量且了解甚少。随着世界各地的组织竞相跨行业实施人工智能系统，关于这些技术的真实成本的重要对话正在兴起。 Sasha Luccioni 是一位专注于环境可持续性的著名人工智能研究员，她认为，如果我们跟踪和报告排放数据的方式没有发生重大改变，我们就无法希望创建真正的可持续的人工智能解决方案，并且不会损害我们地球的未来。

问题始于我们对人工智能技术实际消耗多少能源的理解存在根本差距。训练大型语言模型和其他复杂的机器学习系统需要大量的计算资源，但大多数运营这些系统的组织很少披露其对环境的影响。卢奇奥尼指出，缺乏透明度使得从监管机构到消费者的利益相关者无法就哪些人工智能应用值得其环境成本做出明智的决定。研究界最近才开始系统化收集排放数据，即使这些早期的努力也揭示了现代人工智能能源强度的令人不安的模式。

除了测量排放量的技术挑战之外，还有另一个关键问题：了解人们在实践中如何实际使用人工智能。许多组织部署人工智能模型，但没有清楚地了解该技术是否真正改善了结果，或者只是增加了现有流程的计算开销。部署和实际效用之间的这种脱节意味着我们无法准确评估人工智能系统的环境成本是否与其实际效益相匹配。 Luccioni 强调，创建可持续人工智能不仅需要了解消耗的能源，还需要了解这种消耗是否为用户和社会带来了相应的价值。

支持现代人工智能系统的基础设施使可持续发展方程变得更加复杂。训练和运行复杂算法的数据中心持续运行，消耗大量电力——通常位于电力来自化石燃料来源的地区。即使运营可再生能源设施的组织也必须面对全球能源网仍然部分依赖不可再生能源的现实。 Luccioni 认为，我们需要更好的方法来计算人工智能系统的实际碳足迹，不仅要考虑直接能源消耗，还要考虑制造影响、冷却要求以及与构建和维护必要的硬件基础设施相关的上游排放。

企业责任是可持续发展难题中缺失的一个关键部分。许多部署人工智能系统的公司对环境责任做出了模糊的承诺，但缺乏具体的指标或报告标准。如果没有测量人工智能排放的标准化框架，组织在优化其系统以提高能源效率方面几乎没有压力。卢奇奥尼主张实行与其他行业类似的强制披露要求，以确保人工智能开发和部署的环境成本与其他业务影响一样明显和受到审查。这种透明度将为公司开发和优先考虑更高效的人工智能算法和基础设施创造市场激励。

研究界本身在推进可持续人工智能实践方面发挥着至关重要的作用。学术机构和私人研究实验室已开始发表有关训练特定模型的能源成本的论文，为该领域提供了有价值的基准。然而，这些努力仍然支离破碎且不完整，许多资源最密集的项目都是在公司闭门进行的。卢奇奥尼强调，开放科学和协作研究对于了解人工智能对环境影响的真实范围至关重要。如果无法获得主要科技公司的全面数据，研究人员就无法建立有关该领域如何发展或在哪里可以实现最显着效率提升的准确模型。

从环境角度来看，人工智能的实用性问题变得越来越重要。人工智能的一些应用提供了明显的、可衡量的好处，证明了其计算需求的合理性，例如使用人工智能来优化能源网格或设计更高效的材料。人工智能的其他用途可能更加边缘化，增加了一些小便利，但没有解决真正的问题。卢奇奥尼认为，我们需要一种文化转变，让组织认真质疑部署人工智能系统是否有意义，考虑到其环境成本。这需要更好的工具来衡量人工智能的使用模式，了解用户采用率，并确定人工智能是否真正实现了预期结果，或者只是在不必要地消耗资源的同时创造了进步的外观。

政策框架对于激励大规模变革至关重要。世界各国政府开始制定有关人工智能安全和道德的法规，但在大多数政策讨论中，人工智能的可持续性仍然是事后才想到的。卢奇奥尼主张制定政策，为部署大规模人工智能系统的组织制定明确的排放报告要求，类似于其他行业的碳核算标准。随着公司竞相减少环境足迹，此类框架可以推动效率创新。此外，考虑人工智能排放的碳定价机制可以帮助确保该技术仅在其收益真正超过其成本的情况下部署。

前进的道路需要多个利益相关者之间的协调。科技公司需要投资更高效的算法和硬件，减少人工智能训练和推理所需的能源。研究机构必须建立测量和报告排放量的标准化方法，创建讨论人工智能对环境影响的通用语言。政策制定者应制定监管框架，使大规模部署人工智能的组织的环境责任变得不可谈判。与此同时，用户和消费者应该要求他们所依赖的人工智能服务的环境成本保持透明，从而为可持续替代方案带来市场压力。

最终，Luccioni 的信息很明确：如果没有更好的数据、更好的理解和更好的问责制，我们就无法构建真正的可持续人工智能。科技行业已经习惯于快速行动并稍后提出问题，但人工智能的环境风险太大，这种方法无法继续下去。通过建立全面的排放跟踪、了解实际的人工智能使用模式以及创建激励效率的政策框架，我们可以开始构建一个人工智能生态系统，在不损害地球未来的情况下提供真正的价值。问题不在于可持续人工智能是否可能，而在于我们是否有集体意愿来实现它。