用人工智能大模型生成一张图，相当于给一部手机充满电
每次你使用人工智能生成图像、写电子邮件或向聊天机器人提问，都会消耗一定的资源（能量）。
事实上，根据人工智能初创公司Hugging Face和卡内基梅隆大学的研究人员的一项最新研究发现，使用人工智能模型生成的图像，所消耗的能量与给一部智能手机充满电所需的能量差不多。
然而，他们发现使用人工智能模型生成文本的能耗要低得多。创建1000次文本所消耗的能量仅能给手机充电16%左右。
他们的研究成果尚待同行评审。这项研究表明，尽管训练大规模人工智能模型是一项令人难以置信的能源密集型工作，但这只是挑战的一部分。它们的大部分碳足迹来自于实际使用。
领导这项工作的Hugging Face人工智能研究员萨莎·卢乔尼表示，这项研究是学界首次计算出使用人工智能模型执行不同任务所造成的碳排放量。
她希望了解这些排放可以帮助我们做出明智的决定，决定如何以更环保的方式使用人工智能。
卢乔尼和她的团队研究了Hugging Face平台上10项最火的人工智能任务的排放量，如问答、文本生成、图像分类、字幕和图像生成。他们在88个不同的模型上进行了实验。
对于每一项任务，比如文本生成，卢乔尼都会运行1000个提示，并使用她开发的名为Code Carbon的工具测量所用的能量。Code Carbon通过查看计算机在运行模型时消耗的能量来进行碳排放计算。
该团队还使用8个生成式模型计算了完成这些任务所产生的排放量，这些模型原本是被训练完成不同的任务的。
图像生成，是能源消耗和碳密集度最高的人工智能任务。使用强大的人工智能模型（如Stable Diffusion XL）生成1000张图像，所产生的二氧化碳大约相当于一辆燃油汽车中行驶4.1英里（约6.6公里）。
相比之下，他们发现碳密集度最低的文本生成模型，其所产生的二氧化碳相当于汽车行驶1米。关于此事，Stable Diffusion XL背后的公司Stability Ai没有回应置评请求。
德国赫蒂学院计算机科学和公共政策助理教授林恩·卡克没有参与这项研究，但她表示这项研究通过给出具体数字，对人工智能的碳足迹提供了有价值的见解，并揭示了一些令人担忧的上升趋势。
这些碳排放累积起来不是一个小数目。生成式人工智能的繁荣促使大型科技公司将强大的人工智能模型集成到许多不同的产品中，从电子邮件到文字处理。如今，这些生成式人工智能模型每天被使用数百万次，甚至数十亿次。
本次研究发现使用大型生成式模型来创建输出，远比使用为特定任务量身定制的小型人工智能模型更耗能。
例如，在评估影评是正面还是负面并分类的任务中，大模型消耗的能量约是专门为该任务创建的微调模型的30倍。
生成式人工智能模型消耗更多能量的原因是，它们试图同时做很多事情，比如生成、分类和总结文本，而不是只做其中一项任务。
卢乔尼说，她希望这项研究能鼓励人们在使用生成式人工智能时更加谨慎，并尽可能选择更专业、碳密集度更低的模型。
她说：“如果你正在做一个特定的应用程序，比如在电子邮件中搜索……你真的需要这些能够做任何事情的大模型吗？我觉得不需要。”
艾伦人工智能研究所的研究科学家杰西·道奇表示，研究与使用人工智能工具相关的能源消耗，是了解其真实碳足迹的重要部分，但现在缺失了。他没有参与这项研究。
他补充道，比较更新、更大的生成式模型和旧的人工智能模型的碳排放也很重要。他说：“这凸显了一个观点，即新一波人工智能系统比我们两三年前看到的碳密集度高得多。”
谷歌曾估计，平均每次在线搜索会消耗0.0003度电，相当于车辆行驶0.5米。
麻省理工学院林肯实验室的研究科学家维贾伊·盖德帕利没有参与这项研究，他说这个数字今天可能要高得多，因为谷歌已经将生成式人工智能模型集成到了搜索中。
研究人员不仅发现每项任务的排放量都远高于他们的预期，还发现与使用人工智能相关的日常排放量远远超过训练这些模型的排放量。
卢乔尼测试了Hugging Face多语言人工智能模型BLOOM的不同版本，以了解需要使用多少次才能超过训练成本。
结果显示，超过5.9亿次的使用量就可以达到训练其最大模型所消耗的碳成本。卢乔尼说，对于ChatGPT等非常流行的模型，它们的使用排放量只需要几周时间就可以超过其训练排放量。
这是因为大型人工智能模型只训练一次，但之后可以使用数十亿次。根据一些估计，像ChatGPT这样的流行模型每天有多达1000万用户，其中许多人会不止一次地向模型发送提示。
盖德帕利说，这样的研究使与人工智能相关的能源消耗和排放更加具体，并有助于提高人们对使用人工智能会产生碳足迹的认识。他补充说：“如果这成为消费者开始询问的问题，我会很高兴的。”
道奇说，他希望这样的研究能帮助我们让公司对其能源使用和排放承担更多责任。他说：“需要对此负责的是那些正在创建模型并从中获利的公司。”（综合整理报道）（策划／多洛米）