重新思考关于AI的能源使用DanielCastro|2024年1月29日关注数字技术使用的能源并不新鲜。在互联网繁荣的高峰期附近1990年代，a福布斯文章哀叹，“在某处美国，每次一本书都会燃烧一块煤网上订购”。1文章的作者，成为在随后几年关于能源的辩论中被广泛引用政策，估计“一半的电网将是在下一个时代为数字互联网经济提供动力十年”。2然而，估计是错误的，错误是它的事实和方法论。3事后看来，没有不再有任何争议，如国际能源署(IEA)估计，当今的数据中心和数据输电网络“每个占大约1-1.5%的全球用电量。“4这个错误不是一个孤立的事件。许多头条新闻多年来出现的预测数字经济的能源脚印会失控。5例如，作为流媒体战争2019年开始-苹果，迪士尼，HBO和其他宣布视频流媒体订阅服务，与Netflix、亚马逊和YouTube-多家媒体重复声称来自法国智囊团“观看Netflix30分钟产生的排放是就像开车4英里一样。"6但同样，估计是完全错误(这更像是在10到100码之间行驶)，这是由于有缺陷的假设和转换错误的混合，智囊团最终在一年后纠正。7随着最近对人工智能(AI)的兴趣激增，人们再次提出了关于新兴能源使用的问题技术。在这种情况下，批评家推测AI的快速采用数据创新中心1再加上深度学习模型规模的增加将导致能源使用的大量增加，具有潜在的破坏性环境影响。8然而，与过去的技术一样，许多关于人工智能消耗能源的早期说法已被证明是夸大和误导。本报告概述了辩论，包括一些早期的失误以及它们是如何形成的政策对话，并澄清人工智能能源的记录足迹以及未来几年可能会如何发展。它建议政策制定者通过以下方式解决对人工智能能源消耗的担忧采取以下步骤：..为AI模型制定能源透明度标准。寻求关于能源透明度的自愿承诺基础模型。..考虑AI法规对能源使用。使用AI使政府运营脱碳。关于AI的能量使用和碳排放的事实准确估算AI的能源使用和碳排放系统在其生命周期中具有挑战性，因为这些计算取决于许多复杂的因素，包括有关芯片的详细信息，冷却使用的系统、数据中心设计、软件、工作负载和能源用于发电。这个问题不是AI独有的。作为一组能源研究人员在一篇文章中描述了这个问题Annual能源与环境回顾:为信息创建可靠的电力需求估计技术充满了困难。底层数据未知准确地说，经验数据是有限的，最有用的数据是通常是专有的，而且技术变化如此之快，甚至准确的数据很快就过时了。9然而，一些研究试图量化当前和未来的人工智能系统的能源需求和碳排放。不幸的是，一些最初的估计已经陷入了与过去早期研究相同的陷阱关于数字技术的能源使用，并产生了误导估计。这些研究通常考虑AI所需的能量系统在其生命周期中分为两个阶段：1)训练AI模型；以及2)使用AI模型来响应特定的查询-这个过程称为“推理”。训练AI模型马萨诸塞州阿默斯特大学的研究人员估计2019年几个AI模型的碳排放，第一个主要模型之一同类研究。10研究发现BERT-当时是Google最先进的大型语言模型（LLM）-发出数据创新中心2约1,438磅二氧化碳(CO2)在79小时的使用64个高级图形处理单元(GPU)、芯片进行培训通常用于训练AI模型，因为它们具有优越的并行性处理能力。从这个角度来看，往返航班从纽约到旧金山可产生约2,000磅的CO2每位乘客的排放量。研究人员还估算了碳用于训练用于神经架构搜索(NAS)的AI模型的发射自动寻找一个或多个神经网络的技术给定任务的体系结构-计算最复杂的体系结构之一机器学习中的问题。具体来说，他们评估了能量使用NAS来创建更好的英语-德语机器翻译模型。11研究人员估计，训练模型问题产生了626,155磅的CO2排放量(大致相当于从东海岸到西海岸的300个往返航班)。12毫不奇怪，鉴于新闻业倾向于负面科技报道，几乎所有流行媒体的头条新闻都集中在尽管它的用例狭窄，但在后一种估计上。13即使受到尊重科学新闻媒体，如麻省理工学院技术评论这样的头条新闻作为“训练一个单一的人工智能模型可以排放与五辆汽车一样多的碳lifetimes."14这些文章表明，需要大量的能源训练这个特定的AI模型是正常的，尽管这个估计很清楚指的是一个非典型的例子。这就像一个汽车新闻媒体发表一篇文章，建议“驾驶汽车排放的碳与一架飞机“仅基于一项研究环...