在資源有限的世界中對人工智慧的自覺採用

使用像生成式人工智慧這樣的科技對環境的影響是真實的，但可以減輕

在過去的一年中，人工智慧（AI）成為各行各業數位轉型的核心。到目前為止，當科技以策略性方式被採用時，對商業的好處已經非常明顯。然而，這種熱潮導致了許多無標準的採用，產生了一些負面影響，例如不必要的成本和顯著的環境影響。

根據OpenAI的生成式人工智慧聊天機器人ChatGPT的查詢，一次查詢可能消耗的電力是查詢Google的10倍。這樣的事實讓我們對維持這些新AI應用所需的數據中心的成本和能源使用有了全新的認識，還有為了冷卻它們所需的水。

根據高盛研究，目前數據中心的能源使用約佔全球電力的1-2%，這個比例預計到本世紀末將上升到3-4%。因此，數據中心的碳排放預計在2022到2030年間將增加超過一倍。

在這樣的背景下，決策者面臨的主要挑戰不僅是如何採用科技，而是要理性、策略性和可持續地思考是否真的需要採用這項技術。這個決定是當前科技行業最重要的議題之一，並將成為2025年該行業的主要話題。

不惜一切代價的AI成本

像生成式AI這樣的技術需要大量的自然資源，並且會產生顯著的碳排放。根據Google和加州大學伯克利分校的一項研究，訓練GPT-3產生了約552公噸的二氧化碳。這相當於駕駛一輛汽油車行駛超過兩百萬公里，或在其整個生命週期內養育約120頭牛。而更先進的版本，如GPT-4，因為其參數的複雜性，消耗的資源甚至更多。

儘管這樣的環境影響令人震驚，但許多組織仍在努力追隨AI的潮流，而沒有適當評估其實際需求。經常有商業問題可以用基本的統計技術解決，但卻選擇使用AI解決方案，這往往是因為市場壓力或害怕錯過機會（fear of missing out, FOMO）。

沒有經過深思熟慮的採用會增加成本和能源消耗，但卻無法帶來相應的好處。此外，為了追求快速的投資回報，企業可能會忽略必要的規劃，這樣反而會產生意想不到的結果。

一些研究已經反映了這一現實。由SAS進行的《巴西生成式AI的挑戰與潛力》研究顯示，51%的受訪者在從概念轉向實際使用GenAI時面臨挑戰，超過三分之一（39%）預測或已經遇到過證明GenAI能產生顯著投資回報的困難。

這些數據強調了在緊迫性和策略之間取得平衡的重要性。此外，它們還強調了實施AI應該遵循嚴謹的過程，考慮到環境問題以及項目在不同生命階段的好處。

合作與負責任的方式

到2025年，AI在能源消耗方面所帶來的挑戰需要得到緩解。決策者應優先考慮效率，重新思考在非必要的應用中使用生成模型，並投資於減輕環境影響的技術。

此外，顯而易見的是，解決在資源日益稀缺的世界中使用AI的困境不僅僅依賴於個別選擇，而是需要一種集體的方法。供應商需要建立更經濟和環保的基礎設施，而使用人工智慧的組織則必須更好地管理其工作負載——使用AI和雲端技術來最小化數據重複並減少能源消耗。

提高模型開發的效率將是明年的另一個關鍵點。減少模型訓練的時間可以降低資源消耗和與此活動相關的碳足跡。就像汽車和家電行業在能源效率方面取得進展一樣，我相信AI也能走上同樣的道路，實現更快速的模型和更高效的算法。

最後，還需要討論所使用的能源類型。儘管目前大多數數據中心仍使用化石燃料，這對環境影響重大，但令人振奮的是，當前的形勢促進了對更可持續能源來源（如核能和可再生能源）的需求。但這場辯論的關鍵在於，向更高效的能源模式轉型必須成為技術供應商和使用企業的優先事項。

隨著氣候危機成為各行各業的緊迫議題，重要的是要記住，AI並不是解決所有問題的萬能鑰匙，無標準的應用可能會帶來更多挑戰而非好處。隨意使用AI的環境後果非常嚴重且真實，但可以通過戰略合作和明智的選擇來減輕。

查看SAS的其他AI預測以及有關巴西生成式人工智慧新時代的更多信息。