微軟首席科學官Nature發文：大模型等人工智能，是幫助還是損害全球氣候？

【編者按】任何一項技術的發展，都具有兩面性。以 ChatGPT 爲代表的大模型和人工智能系統，也是如此。如今，有關人工智能系統如何影響氣候變化的討論，正變得愈發激烈。

一方面，隨着模型參數量的指數級增長，人工智能系統消耗的能源、水和其他資源也越來越多。《紐約客》曾報道，ChatGPT 每天可能要消耗超過 50 萬千瓦時的電力（相當於 1.7 萬多個美國家庭的單日用電量）。馬斯克也曾預測，未來兩年內全球將由“缺硅”轉爲“缺電”。 這在一定程度上會對全球氣候產生負面影響，比如因能源消耗導致的大量溫室氣體排放。

另一方面，越來越先進的人工智能系統，也提高了人類在各行各業的工作效率，給日常生活帶來了更多便利。

然而，這些由人工智能系統帶來的變化，也可能會對排放產生間接影響，可能是積極的，也可能是消極的。

那麼，如何準確評估人工智能對氣候變化的實際影響？人工智能究竟是加速還是推遲了淨零排放的實現？是幫助還是損害了全球氣候？

日前，微軟首席科學官 Eric Horvitz、微軟可持續發展科學與創新全球高級總監 Amy Luers 及其合作者，在權威科學期刊 Nature 上發文，呼籲研究人員制定一套與政策相關的情景方案，從而量化人工智能擴張在一系列假設條件下可能對氣候產生的影響。

學術頭條在不改變原文大意的情況下，做了精心的編譯，如下：

人工智能（AI）已經在改變全球經濟。各個公司每年在這些技術上投資數千億美元。幾乎在每一個領域，人工智能都被用於提高運營效率、管理複雜性、提供個性化服務和加快創新。

隨着人工智能對社會的影響越來越大，人們對其對溫室氣體排放的影響產生了疑慮：

人工智能的大量應用是有助於減少世界的碳足跡，還是阻礙氣候進步？答案將取決於人工智能模型是如何開發和運行的，以及使用它們會帶來哪些變化。然而，科學家們根本不知道這一切將如何發展——當有如此多的利害關係時，這是一個令人擔憂的問題。

到目前爲止，有關人工智能對環境影響的大多數討論都集中在這些計算密集型技術的直接影響上——它們消耗了多少能源、水或其他資源，以及它們產生多少溫室氣體。但是，從改變醫療保健和教育，到提高採礦、運輸和農業的效率，人工智能應用對社會的全球影響將更加廣泛。

這些由人工智能驅動的變化可能會對排放產生間接影響，可能是積極的，也可能是消極的。這些間接影響也需要被考慮在內，而且可能遠遠超過直接影響。我們迫切需要對人工智能的各類影響進行評估。以下是我們知道的和不知道的。

未來的不確定性

迄今爲止，人工智能對氣候的直接影響相對較小。運行大模型需要數百萬個專用處理器，這些處理器被置於配備有強大冷卻系統的專用數據中心。

2023 年安裝的人工智能處理器每年耗電 7-11 太瓦時（TWh），約佔全球用電量的 0.04%。根據國際能源署（IEA）的數據，這一數字低於加密貨幣挖礦（100-150 太瓦時）和傳統數據中心（500-700 太瓦時）的用電量。因此，就全球溫室氣體排放總量而言，根據國際能源署的評估，數據中心和傳輸網絡合計約佔 0.6%，而我們計算出人工智能目前約佔 0.01%。

人工智能的使用正在迅速擴大。在過去十年中，用於訓練大型語言模型（LLMs）的計算能力每年增長十倍。預計在未來 5-10 年內，我們對人工智能服務的需求將以每年 30-40% 的速度增長，而更強大的人工智能模型將需要更多的能源。據估計，到 2027 年，全球與人工智能相關的能源消耗可能是 2023 年的 10 倍。儘管許多數據中心所在地區的本地電網可能會面臨挑戰，但從全球角度來看，人工智能不會直接導致溫室氣體排放量在短期內大幅增加。

能源效率的提高可以抵消部分預計增加的電力需求，就像 2010 年代數據中心擴張時那樣。更高效的人工智能算法、更小的模型以及硬件和冷卻系統的創新都會有所幫助。人工智能公司越來越多地投資可再生能源，並在冰島等清潔能源供應豐富的國家或地區開展業務。

然而，間接影響並不清晰。一些人工智能應用旨在應對氣候變化，比如減少能源和運輸部門、建築和工業運營以及土地使用產生的排放。優化供應鏈將提高製造業的效率，並支持將可再生能源納入電網。加快電池和可再生能源新材料的開發也將帶來很多好處。

也可能會產生一些負面的間接影響。將人工智能嵌入從醫療到娛樂的現有應用中，可能會增加用電量。石油和天然氣的勘探和開採成本可能會變得更低，從而有可能提高產量。如果沒有適當的治理，人工智能的廣泛應用可能會影響全球經濟穩定，從而對貧困、糧食安全和等產生影響——所有這些都可能對排放產生連鎖反應。

這還只是現有的人工智能系統。未來的人工智能技術將如何發展？它們的擴展將如何影響全球經濟？這又將如何影響去碳化？研究人員目前還不清楚；現在下結論還爲時過早。簡單地將過去的人工智能用電趨勢推斷到未來會有一定的說服力，但忽視社會、經濟和技術因素往往會導致巨大的預測誤差。同樣，過於簡單地看待間接排放的影響，有可能低估人工智能在加速重要氣候解決方案突破方面的潛力，比如在數月而非數十年內開發出更便宜、更強大的電池。

人工智能驅動的排放情景

認識到這些巨大的不確定性，我們在此呼籲研究人員制定一套與政策相關的情景方案，從而量化人工智能擴張在一系列假設條件下可能對氣候產生的影響。

情景模擬將量化模型與專家諮詢相結合，是金融機構瞭解風險和機遇、規劃投資的常規方法。它們不是進行預測，而是根據影響因素探索多種可能的未來。

具體來說，我們建議建立一套情景方案，從而更好地瞭解人工智能的擴張會如何直接和間接地影響排放。這些情景應該包括從沒有廣泛採用強大人工智能技術的“參考”情景，到實現所有聯合國可持續發展目標的“理想”情景；情景中還應包括不理想的結果。

要使人工智能驅動的排放情景可信、有用，以下五個要素必不可少：

1.與現有氣候情景相聯繫

氣候學界已經使用氣候變化綜合評估模型（IAMs），在對潛在的社會經濟、人口、政策、技術和治理結果進行定性描述的基礎上，對未來溫室氣體排放進行定量評估。五種標準情景或共享社會經濟路徑（SSP）被廣泛使用。這些情景包括世界嚴重割裂、繼續依賴化石燃料的未來，以及更爲樂觀的全球合作前景，即經濟增長與排放脫鉤，以及對清潔能源的重大投資。

應將人工智能以及可能伴隨而來的全球衝擊和技術突破納入這些途徑。這需要做大量工作，包括吸納人工智能界的專業知識，重新思考每條路徑的敘事，並探索是否需要添加新的路徑敘事。人工智能會將世界帶入一個更加綠色的未來，還是一個更加烏托邦式的未來？哪些因素決定了這些結果？它們的可信度有多高？情景模擬有助於縮小答案範圍。

正如我們在這裡概述的那樣，要將這些敘事轉變爲定量場景，就需要開發新的分析模型，收集新的數據類型，並建立一個能夠快速更新的體制結構，從而跟上人工智能正在推動的社會變革的快節奏。

2.開發定量分析框架

開發用於探索人工智能影響的 IAMs，將需要改進直接和間接影響的數據和分析框架。最大的挑戰將是量化人工智能驅動的社會變革以及人工智能推動的創新對氣候相關進步和突破所產生的一系列間接影響。

例如，人工智能個性化可以鼓勵可持續消費，但也可能增加對資源密集型商品的需求。將人工智能驅動創新的排放影響，與可再生能源或碳捕獲等其他降低排放的技術區分開將具有挑戰性，因爲不同部門的研發速度各不相同。政策和法規也往往跟不上。量化這些動態的相互作用將十分困難。

隨着人工智能系統的推廣，比較和複製情景將是改進方案的關鍵。研究人員應通過氣候學界使用的平臺（如 Energy Modeling Forum 和 Integrated Assessment Modeling Consortium）進行協調，定期對人工智能相關的直接和間接排放的不同模型進行比較。科學家必須確保這些分析中的數據和假設得到充分記錄、自由共享並完全可由他人複製。

3.共享數據

數據可用性是一項挑戰——尤其是對於人工智能等快速發展的行業，因爲這些行業的數據往往是私有的或與專有信息相關聯。例如，需要更多有關大型雲計算公司的人工智能工作負載、其電力和碳強度以及構建和使用人工智能模型的效率趨勢的數據。

我們需要在不泄露敏感信息的情況下，安全、公開地分享具有代表性、經過測量、彙總和匿名的數據。人工智能可以借鑑其他行業的範例——比如 the Getting the Numbers Right initiative，它跟蹤全球水泥行業二氧化碳和能源績效指標的，以及 Solomon Energy Intensity Index，其用於燃料提煉和管道。

應該制定衡量、報告、覈實和傳播人工智能相關數據的標準，從而確保質量和廣泛的可獲取性。最近的成果，如歐盟的《人工智能法案》和《歐洲能源效率指令》，可以幫助推動標準的制定。雖然這兩項法規都沒有直接強制要求對人工智能能耗進行具體報告，但它們對數據中心透明度和效率的強調可促進報告標準的制定。

4.發佈快速更新

人工智能技術發展如此之快，因此需要每年至少對情景進行一次修訂，最好是兩次。這比目前每 6-7 年更新一次的氣候變化情景更加頻繁。隨着人工智能系統、應用和突破的出現，由於需要收集新數據和開發分析框架，每年或每半年更新一次將具有挑戰性。

由於人工智能有可能減少或增加能源需求，研究人員必須更新代表社會能源需求的模型，並探索隨着人工智能技術的發展，這種需求將如何變化。不同分辨率的情景可能會在不同的時間框架內發佈。例如，粗分辨率情景可能每幾個月更新一次；更詳細的情景可能每 2-3 年發佈一次。

5.建立一個國際聯盟

需要建立一個國際聯盟來開發人工智能驅動的排放情景。它應該聚集來自世界各地的專家，代表所有相關學科——從計算機和可持續發展科學到社會學和經濟學。

我們建議，這個人工智能驅動的排放情景社區由關注可持續發展的國際科學網絡（如位於奧地利拉克森堡的 International Institute for Applied Systems Analysis 和關注人工智能與社會的國際非政府組織）共同發起。這方面的例子包括 Partnership on AI 或新成立的 UN Futures Lab。

與關鍵 IAM 和能源系統模型相關的聯盟可以確保數據和模型的開放獲取，並與更廣泛的氣候情景模擬社區的直接相關性。聯合國和其他機構也應參與進來——但不能影響對靈活性和速度的需求。

維持聯盟和支持定期更新情景模擬，需要大量資金支持。資金來源可以是慈善機構、私人、政府和政府間組織。

人工智能是當代最具顛覆性的技術之一。當務之急是，圍繞其發展和使用所做的決策——無論是在今天還是在其發展過程中——都要考慮到可持續性。只有通過制定一套標準的人工智能驅動的排放方案，政策制定者、投資者、倡導者、私營企業和科學界，才能擁有工具，就人工智能和實現淨零排放的全球競賽做出正確決策。

https://www.nature.com/articles/d41586-024-01137-x

｜點擊關注我 記得標星｜