人工智能热潮可能需要消耗惊人的电力
每一次在线互动都依赖于存储在远程服务器中的信息框架，而这些服务器在全球各地的数据中心中堆叠，需要大量的能源。根据国际能源署的数据，全球数据中心目前约占全球电力使用量的1%到1.5%。而全球人工智能仍在快速增长，这一数字很可能会迅速上升。过去几个月，研究人员不断发出警告，指出人工智能对能源的高需求。然而，本周发表在《焦耳》（Joule）期刊上的一项同行评审分析，是首次对这一需求进行量化研究。如果人工智能容量和采用趋势继续发展，预计到2027年，英伟达每年将出货150万台AI服务器。如果这些服务器满负荷运行，每年将至少消耗85.4太瓦时的电力——根据新的评估，这比许多小国一年的用电量还多。这项分析由荷兰中央银行的数据科学家亚历克斯·德·弗里斯（Alex de Vries）完成，他是阿姆斯特丹自由大学的博士候选人，研究新兴技术的能源成本。此前，德·弗里斯曾因对加密货币挖矿和交易的巨大能源成本发出警告而受到关注。现在，他将目光投向了最新的科技热潮。《科学美国人》（Scientific American）对他进行了采访，探讨了人工智能对电力的惊人需求。[以下为采访的编辑和缩略版本。] 你为什么认为研究人工智能的能耗很重要？因为人工智能是非常耗能的。我在研究文章中举了一个例子：我指出，如果将谷歌的搜索引擎完全转变为类似ChatGPT的模式，并且所有人都以这种方式使用它——即每天进行九十亿次聊天机器人交互，而不是九十亿次普通搜索——那么谷歌的能源消耗将大幅增加。谷歌仅运行搜索引擎，就需要像爱尔兰一样的用电量。当然，这种情况不会发生，因为谷歌还需要投资1000亿美元购置相关硬件，才能实现这一点。而且即使该公司有资金投入，供应链也无法立即提供如此多的服务器。但我仍然认为，这有助于说明，如果我们在搜索引擎等应用中使用生成式人工智能，那么每一次在线互动都可能变得更加耗费资源。我认为，当我们讨论人工智能风险时，至少应该将可持续性纳入考虑范畴。当我们讨论人工智能的潜在错误、黑箱的未知因素，或人工智能的歧视性偏见时，我们也应将可持续性视为一种风险因素。我希望我的文章至少能鼓励人们朝这个方向思考：如果我们使用人工智能，它会带来帮助吗？我们能负责任地使用吗？我们真的需要使用这项技术吗？终端用户到底想要什么、需要什么？我们怎样才能最好地帮助他们？如果人工智能是解决方案的一部分，那就好，继续使用。但如果不是，那就不要使用。人工智能的哪些过程消耗了这么多能量？通常，人工智能有两个主要阶段：一是训练阶段，你是在建立模型，让模型自己学习如何运作；另一个是推理阶段，你将模型投入实际运行，并开始输入提示信息，使其能够生成原始回应。这两个阶段都非常耗能，而且我们其实并不清楚这两者之间的能耗比例。历史上，谷歌的比例是推理占60%，训练占40%。但ChatGPT出现后，这一比例发生了变化——因为训练ChatGPT所消耗的能源，与实际使用模型相比，反而要少很多。这取决于很多因素，比如这些模型中包含多少数据。我的意思是，ChatGPT所依赖的大型语言模型，以使用巨大的数据集和拥有数十亿参数而闻名。当然，模型越大，对更多电力的需求就越高——但这同时也是企业使模型变得更强大的方式。在考虑人工智能能源消耗时，还有哪些其他变量因素值得关注？冷却问题在我的文章中并未涉及，如果有相关数据的话，我一定会包括进去。一个巨大的未知数是这些服务器最终会出现在哪里。这非常重要，因为如果它们部署在谷歌的设施中，那么额外的冷却能量需求将大约增加10%。但全球数据中心的平均冷却耗电量将占整体能耗的50%。有些数据中心的冷却耗能甚至更严重。使用哪种硬件也很重要。最新的服务器比旧的更高效。你使用人工智能技术的方式也很关键。请求越复杂，服务器运行时间越长，消耗的电力就越多。在你的评估中，你概述了从最坏到最好的几种能源使用情景。哪一种最有可能发生？在最坏情况下，如果我们决定所有事情都由人工智能来做，那么每个数据中心的能源消耗将出现大约十倍的激增。这将导致全球电力消耗的巨幅增长，因为目前数据中心（不包括加密货币挖矿）已经占到全球电力消耗的约1%。但再次强调，这根本不会发生，这是不现实的。这个例子只是用来说明，人工智能是非常耗能的。在另一个极端，你有“零增长”的设想，有人认为需求增长将完全被效率提升所抵消，但这种观点过于乐观，没有考虑到我们对需求和效率的理解。每次新技术提高某个过程的效率，实际上都会导致更多人对该产品提出更多需求。效率提升会增加需求，所以从长远来看，提升效率其实并没有真正节省能源。你认为未来最可能的发展路径是什么？我认为，人工智能相关的电力消耗将会增长。至少在最初阶段，增长速度会比较缓慢。但随着服务器生产增加，未来几年内有可能加速增长。了解这一点，为我们提供了一些时间去思考我们正在做的事情。还需要哪些额外的研究或措施？我们需要更高质量的数据。我们需要知道这些服务器会部署在哪里。我们需要知道能源本身的来源。碳排放才是衡量环境影响的真正关键数据。能源需求是一回事，但它是来自可再生能源，还是化石燃料？或许监管机构应该开始要求人工智能开发者披露能源使用情况，因为目前可参考的信息非常有限。对我来说，做这项分析非常困难——任何目前试图研究人工智能的人都会面临同样的挑战，即信息有限。我认为，如果能有更多透明度，会有帮助。如果这种透明度无法自然形成，而我们目前还没看到，那么我们就应该考虑推动它。
查看全文
作者最近更新
-
我们进化的历史可以教会我们人工智能的未来scientific
2023-11-11 -
“ChatGPT检测器”以前所未有的准确率识别人工智能生成的论文scientific2023-11-11
-
人工智能需要规则，但谁将拥有制定规则的权力？scientific2023-11-07
评论0条评论