Avani Desai, Schellman的首席执行官 Avani Desai Schellman的首席执行官

方便的隐性成本：为什么人工智能的环境影响需要被看到

我们经常依赖人工智能来帮助我们完成任务，无论是总结、生成还是解决问题。它速度快、使用方便，并且越来越多地嵌入我们的工作流程中。但是在我们急于使事情变得更容易的同时，我们忽略了一个关键部分的故事：数字便利背后的环境成本。每一次人工智能交互都依赖于我们看不到和很少考虑的东西——数据中心、芯片、电网、冷却系统和全球物流网络。这“不可见的基础设施”使人工智能感觉轻如鸿毛。但环境代价却远非如此。是时候让这种成本变得可见了。随着人工智能变得越来越核心于业务运营，其对能源、水和排放的影响也越来越大。问题不仅仅是下一个模型会有多强大，还包括我们是否准备好承担运行它的责任。人工智能有一个光学问题。与工厂冒出的烟雾或高速公路上的交通不同，训练或查询模型的排放发生在封闭的服务器机房中。这并不意味着它们不真实。运行高级模型需要大量电力。例如，训练GPT-3消耗的能量相当于130个美国家庭一年所用的能量。而且这还不止于此。推理，即生成响应、摘要或图像的过程，使用了大量的电力。单个ChatGPT查询使用的电力约为典型的网页搜索的五倍，生成一张人工智能图像可以消耗的能量相当于充满一部智能手机的电量。水的消耗也是一个重要部分。每次ChatGPT使用GPT-4模型生成一封短短100字的电子邮件时，它会消耗掉大约一个标准水瓶的水量。这水被用来冷却数据中心的服务器，在运行过程中会产生强烈的热量。将其扩大到仅10％的美国在职人员每周使用一次，年度水耗将相当于罗德岛州每个家庭每天的水耗，持续一天半。随着人工智能工作负载的扩大，数据中心的电力需求也在增加。世界银行估计，包括人工智能在内的信息和通信技术（ICT）类别目前占全球温室气体排放的至少1.7％。虽然这个数字看起来很谦逊，但它只反映了当前的采用水平。随着人工智能的持续增长——以及全球互联网接入、云存储、物联网设备和区块链技术的增长——集体影响可能会显著增加，即使一些效率得到改善。这种便利性和资源密集型运营之间的脱节使得这个问题很容易被忽略。但这也指出了解决方案。我们不需要放慢创新。我们需要更有意图地设计和部署它。这意味着提出更好的问题，要求供应商承担责任，并将可持续性纳入每个人工智能决策中。这些系统只会变得更加强大。如果我们希望它们帮助解决气候挑战，我们必须确保它们不会在幕后使情况变得更糟。从基础设施到问责人工智能的环境影响并不仅限于用户按下“回车”那一刻。它背后有一个完整的供应链：采矿、芯片制造、设备运输和数据中心建设。这一现实为公司带来了新的问责挑战。与传统的排放源不同，影响可以与燃烧的燃料或行驶的里程挂钩，人工智能的成本分散在系统和供应商中。很容易认为责任属于“云”或“供应商”。但是，如果您通过SaaS平台、云提供商或内部工具使用人工智能，那么排放和能耗都是您运营足迹的一部分。这在查看范围3排放时尤其如此，范围3排放包括您价值链中产生的排放。好消息是问责并不意味着责备。这是关于意识、透明度和更好的决策。使不可见的可见那么，我们如何揭示人工智能的隐藏环境成本？这从重新思考我们评估工具的方式开始。采购团队应该询问功能、能源来源、数据中心效率和排放报告。如果供应商无法告诉您其人工智能工具消耗多少电力，或者是否依赖于可再生能源，那是一个危险信号。产品和工程团队可以做出设计决策，以减少影响而不牺牲结果。这包括在可能的情况下使用较小、精细调整的模型，并避免不必要的复杂性。更高效的模型不仅速度更快，还更环保。员工也可以贡献。培训团队编写清晰、有针对性的提示，减少所需的查询次数，并最小化计算时间。一个精心构造的请求可能会立即产生正确的结果，而几个模糊的请求可能会在每次迭代中浪费能量。高管领导层可以在创新和可持续性之间建立联系。人工智能采用应该与气候目标保持一致，而不是被视为单独的战略。小的改变开始积累起来，当组织在每个层面都将环境影响纳入对话时。为什么ISO 42001提供了一个有用的路线图ISO 42001，即人工智能管理系统的新国际标准，引入了一个关键焦点：鼓励组织考虑人工智能系统不仅如何执行，还如何影响人们和地球。它不将气候视为事后思考，而是将其视为从一开始就值得管理的风险。对于已经致力于ISO 14001（环境管理）或净零目标的公司，ISO 42001提供了一座桥梁。它有助于将人工智能治理与更广泛的可持续性战略保持一致，从排放跟踪到负责任的供应商合作伙伴关系。人工智能可以带来的回报很容易关注负面影响，但人工智能也带来了真正的潜力来帮助我们解决环境问题。人工智能已经在帮助公用事业公司预测需求和实时调整能源使用以更好地整合可再生能源，如风能和太阳能。在农业中，人工智能被用于监测土壤湿度和天气状况以指导灌溉时间表和最小化肥料流失。物流公司正在使用人工智能来规划更高效的配送路线，减少燃料消耗和空闲时间。也许最重要的是，人工智能正在加速排放跟踪，通过分析采购和供应商数据，帮助公司计算难以衡量的范围3排放并确定减少的可能性。如果人工智能被谨慎部署，它可以不仅仅作为资源消费者，也可以成为更智能的气候解决方案的驱动力。是时候更仔细地看待了人工智能不会放慢脚步，也不应该放慢。但是，我们必须开始使其环境足迹更加可见和可控。这意味着： 选择能够报告和减少排放的合作伙伴。 培训团队高效、有意地使用人工智能。 将环境影响视为价值方程的一部分，而不是一种权衡。 我们习惯于将人工智能视为不可见的。但这是一种认知问题，而不是物理问题。服务器是真实的，排放是可衡量的，水是有限的。现在是时候建立问责习惯，以确保我们依赖的系统不会在幕后破坏我们都试图保护的未来。