解决人工智能不断上升的碳足迹：可能的解决方案

　　

　　智能人工智能解决方案有很多优势，但对环境来说，它们并不是没有成本的。根据助理教授Raghavendra Selvan的说法，技术的有用性和它的环境成本是无法分开的。他说，有可能调整人工智能方法的资源消耗，使它们更加气候友好。

　　

　　助理教授Raghavendra Selvan是2023年数字技术峰会的演讲者之一，今年的主题是“人工智能改变商业”。图片:计算机科学系

　　近年来，我们看到了许多人工智能技术如何在不同领域实现新发现并优化结果和工作流程的例子，从监测自然和气候到改进乳腺癌风险评估，通常被称为“智能解决方案”。

　　但聪明是要付出代价的。据估计，信息和通信技术部门的碳足迹已经至少与航空部门相当，随着越来越多的数字化和能源密集型人工智能解决方案的出现，预计未来几年二氧化碳排放量将大幅增长。

　　根据终身助理教授Raghavendra Selvan的说法，我们需要意识到部署人工智能的环境成本。他并不是主张限制智能解决方案的使用，而是主张在不同的应用中获得好处的同时，找到更环保的方法。

　　-我们经常谈论如何使用人工智能方法来推进联合国可持续发展目标，但我们很少谈论人工智能本身具有大量潜在资源足迹的事实，包括高能耗。Raghavendra Selvan说，即使一项技术被用于绿色应用，也不应该阻止我们询问这项技术本身是否绿色。

　　在他的研究中，助理教授Raghavendra Selvan研究了降低机器学习碳足迹和提高数据成本意识的方法，他称之为气候感知人工智能。

　　-在微观层面上，我们可以使算法更快，更有效，这将减少他们的资源使用。例如，你可以考虑如何减少用于计算的比特数，以及如何减少冗余的计算，Raghavendra Selvan说。

　　他继续说:

　　-此外，我们应该不断评估我们是否需要我们存储的所有数据。“暗数据”的概念指的是生成的数据，但从未再被查看过。一些估计表明，存储在数据中心的数据中有一半以上是“暗数据”。这种数据在数据中心的闲置会消耗能源，这是冗余的。

　　在宏观层面上，我们可以查看计算在何时何地完成。Raghavendra Selvan解释说，选择非高峰时段(在丹麦通常由风能供电)进行人工智能系统的培训，不仅可以减少培训课程的碳足迹，还可以降低货币成本。

　　-许多与AI系统开发相关的计算，如模型训练，不是时间关键的，这意味着你可以用几个小时来抵消这些计算。这可以减少这些计算的碳足迹，因为在高峰时段，电力的碳强度可以是非高峰时段的三倍。此外，电力的货币成本和碳足迹通常也是密切相关的。

　　Raghavendra Selvan预计，报告开发和部署人工智能等能源密集型技术的环境成本将很快在许多行业成为现实。特别是对于数据密集型行业，应用绿色技术可能成为一项重要的认证，甚至被法律强制要求。

　　-一些数据中心和云服务已经在宣传他们的产品更环保。我们看到，关心环境影响的客户选择使用它们。但是Raghavendra Selvan说，其他数据部门还没有开始这样做，首先是因为测量和报告的工具还不够成熟，其次是因为缺乏意识。

　　-我们已经有了很多关于少飞的意识，但是当涉及到数据时，它还不是常识。我希望我和我的同事们正在做的工作将有助于使研究人员、行业和公众意识到这一点。如果你了解情况，就会更容易采取行动。

　　Raghavendra Selvan将在11月8日至9日举行的2023年数字技术峰会上发表关于绿色ICT与气候意识人工智能的演讲。你可以在这里免费注册。

　　训练人工智能模型，尤其是大型模型，涉及密集的计算，通常在强大的gpu或tpu上运行。这消耗了大量的能源，导致了碳排放。处理人工智能任务的数据中心需要大量的计算和冷却功率。这些中心的能源来源可能依赖于化石燃料，影响着碳足迹。