學(xué)術(shù)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(jīng)在改變?nèi)蚪?jīng)濟。各個公司每年在這些技術(shù)上投資數(shù)千億美元。幾乎在每一個領(lǐng)域，人工智能都被用于提高運營效率、管理復(fù)雜性、提供個性化服務(wù)和加快創(chuàng)新。
隨著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(chǎn)生了疑慮：
人工智能的大量應(yīng)用是有助于減少世界的碳足跡，還是阻礙氣候進步？答案將取決于人工智能模型是如何開發(fā)和運行的，以及使用它們會帶來哪些變化。然而，科學(xué)家們根本不知道這一切將如何發(fā)展——當(dāng)有如此多的利害關(guān)系時，這是一個令人擔(dān)憂的問題。
到目前為止，有關(guān)人工智能對環(huán)境影響的大多數(shù)討論都集中在這些計算密集型技術(shù)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(chǎn)生多少溫室氣體。但是，從改變醫(yī)療保健和教育，到提高采礦、運輸和農(nóng)業(yè)的效率，人工智能應(yīng)用對社會的全球影響將更加廣泛。
這些由人工智能驅(qū)動的變化可能會對排放產(chǎn)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(nèi)，而且可能遠(yuǎn)遠(yuǎn)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。
迄今為止，人工智能對氣候的直接影響相對較小。運行大模型需要數(shù)百萬個專用處理器，這些處理器被置于配備有強大冷卻系統(tǒng)的專用數(shù)據(jù)中心。
2023 年安裝的人工智能處理器每年耗電 7-11 太瓦時（TWh），約占全球用電量的 0.04%。根據(jù)國際能源署（IEA）的數(shù)據(jù)，這一數(shù)字低于加密貨幣挖礦（100-150 太瓦時）和傳統(tǒng)數(shù)據(jù)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(jù)國際能源署的評估，數(shù)據(jù)中心和傳輸網(wǎng)絡(luò)合計約占 0.6%，而我們計算出人工智能目前約占 0.01%。
人工智能的使用正在迅速擴大。在過去十年中，用于訓(xùn)練大型語言模型（LLMs）的計算能力每年增長十倍。預(yù)計在未來 5-10 年內(nèi)，我們對人工智能服務(wù)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(jù)估計，到 2027 年，全球與人工智能相關(guān)的能源消耗可能是 2023 年的 10 倍。盡管許多數(shù)據(jù)中心所在地區(qū)的本地電網(wǎng)可能會面臨挑戰(zhàn)，但從全球角度來看，人工智能不會直接導(dǎo)致溫室氣體排放量在短期內(nèi)大幅增加。
能源效率的提高可以抵消部分預(yù)計增加的電力需求，就像 2010 年代數(shù)據(jù)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(tǒng)的創(chuàng)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，并在冰島等清潔能源供應(yīng)豐富的國家或地區(qū)開展業(yè)務(wù)。
然而，間接影響并不清晰。一些人工智能應(yīng)用旨在應(yīng)對氣候變化，比如減少能源和運輸部門、建筑和工業(yè)運營以及土地使用產(chǎn)生的排放。優(yōu)化供應(yīng)鏈將提高制造業(yè)的效率，并支持將可再生能源納入電網(wǎng)。加快電池和可再生能源新材料的開發(fā)也將帶來很多好處。
也可能會產(chǎn)生一些負(fù)面的間接影響。將人工智能嵌入從醫(yī)療到娛樂的現(xiàn)有應(yīng)用中，可能會增加用電量。石油和天然氣的勘探和開采成本可能會變得更低，從而有可能提高產(chǎn)量。如果沒有適當(dāng)?shù)闹卫恚斯ぶ悄艿膹V泛應(yīng)用可能會影響全球經(jīng)濟穩(wěn)定，從而對貧困、糧食安全和等產(chǎn)生影響——所有這些都可能對排放產(chǎn)生連鎖反應(yīng)。
這還只是現(xiàn)有的人工智能系統(tǒng)。未來的人工智能技術(shù)將如何發(fā)展？它們的擴展將如何影響全球經(jīng)濟？這又將如何影響去碳化？研究人員目前還不清楚；現(xiàn)在下結(jié)論還為時過早。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(jīng)濟和技術(shù)因素往往會導(dǎo)致巨大的預(yù)測誤差。同樣，過于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(shù)月而非數(shù)十年內(nèi)開發(fā)出更便宜、更強大的電池。
認(rèn)識到這些巨大的不確定性，我們在此呼吁研究人員制定一套與政策相關(guān)的情景方案，從而量化人工智能擴張在一系列假設(shè)條件下可能對氣候產(chǎn)生的影響。
情景模擬將量化模型與專家咨詢相結(jié)合，是金融機構(gòu)了解風(fēng)險和機遇、規(guī)劃投資的常規(guī)方法。它們不是進行預(yù)測，而是根據(jù)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，從而更好地了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(yīng)該包括從沒有廣泛采用強大人工智能技術(shù)的“參考”情景，到實現(xiàn)所有聯(lián)合國可持續(xù)發(fā)展目標(biāo)的“理想”情景；情景中還應(yīng)包括不理想的結(jié)果。
要使人工智能驅(qū)動的排放情景可信、有用，以下五個要素必不可少：
1.與現(xiàn)有氣候情景相聯(lián)系
氣候?qū)W界已經(jīng)使用氣候變化綜合評估模型（IAMs），在對潛在的社會經(jīng)濟、人口、政策、技術(shù)和治理結(jié)果進行定性描述的基礎(chǔ)上，對未來溫室氣體排放進行定量評估。五種標(biāo)準(zhǔn)情景或共享社會經(jīng)濟路徑（SSP）被廣泛使用。這些情景包括世界嚴(yán)重割裂、繼續(xù)依賴化石燃料的未來，以及更為樂觀的全球合作前景，即經(jīng)濟增長與排放脫鉤，以及對清潔能源的重大投資。
應(yīng)將人工智能以及可能伴隨而來的全球沖擊和技術(shù)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(yè)知識，重新思考每條路徑的敘事，并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(jié)果？它們的可信度有多高？情景模擬有助于縮小答案范圍。
正如我們在這里概述的那樣，要將這些敘事轉(zhuǎn)變?yōu)槎繄鼍?，就需要開發(fā)新的分析模型，收集新的數(shù)據(jù)類型，并建立一個能夠快速更新的體制結(jié)構(gòu)，從而跟上人工智能正在推動的社會變革的快節(jié)奏。
2.開發(fā)定量分析框架
開發(fā)用于探索人工智能影響的 IAMs，將需要改進直接和間接影響的數(shù)據(jù)和分析框架。最大的挑戰(zhàn)將是量化人工智能驅(qū)動的社會變革以及人工智能推動的創(chuàng)新對氣候相關(guān)進步和突破所產(chǎn)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(xù)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(qū)動創(chuàng)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(shù)區(qū)分開將具有挑戰(zhàn)性，因為不同部門的研發(fā)速度各不相同。政策和法規(guī)也往往跟不上。量化這些動態(tài)的相互作用將十分困難。
隨著人工智能系統(tǒng)的推廣，比較和復(fù)制情景將是改進方案的關(guān)鍵。研究人員應(yīng)通過氣候?qū)W界使用的平臺（如 Energy Modeling Forum 和 Integrated Assessment Modeling Consortium）進行協(xié)調(diào)，定期對人工智能相關(guān)的直接和間接排放的不同模型進行比較?？茖W(xué)家必須確保這些分析中的數(shù)據(jù)和假設(shè)得到充分記錄、自由共享并完全可由他人復(fù)制。
3.共享數(shù)據(jù)
數(shù)據(jù)可用性是一項挑戰(zhàn)——尤其是對于人工智能等快速發(fā)展的行業(yè)，因為這些行業(yè)的數(shù)據(jù)往往是私有的或與專有信息相關(guān)聯(lián)。例如，需要更多有關(guān)大型云計算公司的人工智能工作負(fù)載、其電力和碳強度以及構(gòu)建和使用人工智能模型的效率趨勢的數(shù)據(jù)。
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(jīng)過測量、匯總和匿名的數(shù)據(jù)。人工智能可以借鑒其他行業(yè)的范例——比如 the Getting the Numbers Right initiative，它跟蹤全球水泥行業(yè)二氧化碳和能源績效指標(biāo)的，以及 Solomon Energy Intensity Index，其用于燃料提煉和管道。
應(yīng)該制定衡量、報告、核實和傳播人工智能相關(guān)數(shù)據(jù)的標(biāo)準(zhǔn)，從而確保質(zhì)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(biāo)準(zhǔn)的制定。雖然這兩項法規(guī)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(shù)據(jù)中心透明度和效率的強調(diào)可促進報告標(biāo)準(zhǔn)的制定。
4.發(fā)布快速更新
人工智能技術(shù)發(fā)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。隨著人工智能系統(tǒng)、應(yīng)用和突破的出現(xiàn)，由于需要收集新數(shù)據(jù)和開發(fā)分析框架，每年或每半年更新一次將具有挑戰(zhàn)性。
由于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，并探索隨著人工智能技術(shù)的發(fā)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(nèi)發(fā)布。例如，粗分辨率情景可能每幾個月更新一次；更詳細(xì)的情景可能每 2-3 年發(fā)布一次。
5.建立一個國際聯(lián)盟
需要建立一個國際聯(lián)盟來開發(fā)人工智能驅(qū)動的排放情景。它應(yīng)該聚集來自世界各地的專家，代表所有相關(guān)學(xué)科——從計算機和可持續(xù)發(fā)展科學(xué)到社會學(xué)和經(jīng)濟學(xué)。
我們建議，這個人工智能驅(qū)動的排放情景社區(qū)由關(guān)注可持續(xù)發(fā)展的國際科學(xué)網(wǎng)絡(luò)（如位于奧地利拉克森堡的 International Institute for Applied Systems Analysis 和關(guān)注人工智能與社會的國際非政府組織）共同發(fā)起。這方面的例子包括 Partnership on AI 或新成立的 UN Futures Lab。
與關(guān)鍵 IAM 和能源系統(tǒng)模型相關(guān)的聯(lián)盟可以確保數(shù)據(jù)和模型的開放獲取，并與更廣泛的氣候情景模擬社區(qū)的直接相關(guān)性。聯(lián)合國和其他機構(gòu)也應(yīng)參與進來——但不能影響對靈活性和速度的需求。
維持聯(lián)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(gòu)、私人、政府和政府間組織。
人工智能是當(dāng)代最具顛覆性的技術(shù)之一。當(dāng)務(wù)之急是，圍繞其發(fā)展和使用所做的決策——無論是在今天還是在其發(fā)展過程中——都要考慮到可持續(xù)性。只有通過制定一套標(biāo)準(zhǔn)的人工智能驅(qū)動的排放方案，政策制定者、投資者、倡導(dǎo)者、私營企業(yè)和科學(xué)界，才能擁有工具，就人工智能和實現(xiàn)凈零排放的全球競賽做出正確決策。
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機號后發(fā)表評論