2024年4月22日 人工智能會(huì)加速還是推遲實(shí)現(xiàn)凈零排放的競(jìng)賽？ 隨著人工智能改變?nèi)蚪?jīng)濟(jì)，研究人員需要探索各種場(chǎng)景，以評(píng)估它如何幫助而不是損害氣候。 艾米·呂爾斯、喬納森·庫(kù)米、埃里克·馬薩內(nèi)特、歐文·加夫尼、菲利克斯·克魯茨格、胡安·拉維斯塔·費(fèi)雷斯和埃里克·霍維茨

Waymo robotaxi捷豹I-PACE無(wú)人駕駛汽車行駛在街道上時(shí)的內(nèi)部視圖 由人工智能運(yùn)營(yíng)的無(wú)人駕駛出租車比傳統(tǒng)出租車使用更少的燃料，但更廣泛的氣候影響尚不清楚。鳴謝:艾倫·j·沙本/洛杉磯時(shí)報(bào)/蓋蒂 人工智能（AI）已經(jīng)在改變?nèi)蚪?jīng)濟(jì)。公司每年在這些技術(shù)上投資數(shù)千億美元。幾乎在每個(gè)領(lǐng)域，人工智能都被用來(lái)提高運(yùn)營(yíng)效率、管理復(fù)雜性、提供個(gè)性化服務(wù)和加快創(chuàng)新。 隨著人工智能對(duì)社會(huì)的影響越來(lái)越大，關(guān)于它對(duì)溫室氣體排放的影響也出現(xiàn)了問題:它的無(wú)數(shù)應(yīng)用是有助于減少世界的碳足跡還是阻礙氣候進(jìn)步？答案將取決于人工智能模型是如何開發(fā)和運(yùn)行的，以及它們的使用會(huì)帶來(lái)什么變化。科學(xué)家們根本不知道這一切將如何實(shí)現(xiàn)——當(dāng)有這么多事情處于危險(xiǎn)之中時(shí)，這是一個(gè)令人擔(dān)憂的情況。 迄今為止，關(guān)于人工智能對(duì)環(huán)境影響的大多數(shù)討論都集中在這些計(jì)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)生的溫室氣體量。但人工智能應(yīng)用對(duì)社會(huì)的全球影響將更加廣泛，從改變醫(yī)療保健和教育到提高采礦、運(yùn)輸和農(nóng)業(yè)的效率。 這種人工智能驅(qū)動(dòng)的變化可能會(huì)對(duì)排放產(chǎn)生間接影響，這可能是積極的，也可能是消極的。這些間接影響也需要考慮在內(nèi)，而且可能遠(yuǎn)遠(yuǎn)超過(guò)直接影響1，2。迫切需要對(duì)所有類型的人工智能影響進(jìn)行評(píng)估。以下是我們知道的和不知道的。 未來(lái)的不確定性 到目前為止，人工智能對(duì)氣候的直接影響相對(duì)較小。大型模型的人工智能操作需要在配備強(qiáng)大冷卻系統(tǒng)的專用數(shù)據(jù)中心中安裝數(shù)百萬(wàn)個(gè)專用處理器。2023年安裝的人工智能處理器每年消耗7-11太瓦時(shí)（TWh）的電力，約占全球用電量的0.04% 3。根據(jù)國(guó)際能源署（IEA）的數(shù)據(jù)，這一數(shù)字低于加密貨幣采礦（100-150 TWh）和傳統(tǒng)數(shù)據(jù)中心（500-700 TWh），這兩者合計(jì)占2022年全球電力需求的2.4-3.3%。因此，就全球溫室氣體排放總量而言，根據(jù)國(guó)際能源署的評(píng)估，數(shù)據(jù)中心和傳輸網(wǎng)絡(luò)合計(jì)約占0.6%，我們計(jì)算出今天的人工智能約占0.01%。 人工智能的使用正在迅速擴(kuò)大。在過(guò)去十年中，用于訓(xùn)練高級(jí)大型語(yǔ)言模型的計(jì)算能力每年增長(zhǎng)10倍。在未來(lái)5-10年內(nèi)，人工智能服務(wù)的需求預(yù)計(jì)將以每年30-40%的速度增長(zhǎng)。而更強(qiáng)大的人工智能模型將需要更多的能量。一項(xiàng)估計(jì)表明，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，相當(dāng)于美國(guó)家庭每年看電視的能耗。盡管在許多數(shù)據(jù)中心所在的地區(qū)，當(dāng)?shù)仉娋W(wǎng)可能會(huì)面臨挑戰(zhàn)，但從全球角度來(lái)看，人工智能不應(yīng)直接導(dǎo)致溫室氣體排放量在短期內(nèi)大幅增加。 能源效率的提高可能會(huì)抵消一部分預(yù)計(jì)的電力需求增長(zhǎng)，就像2010年數(shù)據(jù)中心擴(kuò)張時(shí)那樣4。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)新應(yīng)該會(huì)有所幫助5，6。例如，小型語(yǔ)言模型（如微軟的Phi-2和谷歌的Gemini Nano）可以在手機(jī)上運(yùn)行，并提供以前只能在大型模型上看到的功能。人工智能公司越來(lái)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(guó)家或地區(qū)開展業(yè)務(wù)。然而，間接影響并不明顯。一些人工智能應(yīng)用旨在應(yīng)對(duì)氣候變化，例如減少能源和交通部門、建筑和工業(yè)運(yùn)營(yíng)以及土地使用的排放。優(yōu)化供應(yīng)鏈將使制造業(yè)更加高效，并支持可再生能源融入電網(wǎng)。加快電池和可再生能源新材料的開發(fā)將大有裨益。 也可能有一些負(fù)面的間接影響。將人工智能嵌入到從醫(yī)療保健到娛樂的現(xiàn)有應(yīng)用程序中，可能會(huì)增加用電量。油氣勘探和開采可能會(huì)變得更便宜，從而有可能推高產(chǎn)量。如果沒有適當(dāng)?shù)闹卫?，人工智能的廣泛使用可能會(huì)影響政治和經(jīng)濟(jì)穩(wěn)定，并對(duì)貧困、糧食安全和社會(huì)不平等產(chǎn)生影響——所有這些都可能對(duì)排放產(chǎn)生連鎖反應(yīng)9。 而這還只是現(xiàn)有的人工智能系統(tǒng)。未來(lái)的人工智能技術(shù)將如何發(fā)展？它們的擴(kuò)張將如何影響全球經(jīng)濟(jì)？這將如何影響脫碳？研究人員根本不知道；現(xiàn)在下結(jié)論還為時(shí)過(guò)早。簡(jiǎn)單地推斷人工智能過(guò)去的用電趨勢(shì)很有吸引力，但忽略社會(huì)、經(jīng)濟(jì)和技術(shù)因素往往會(huì)導(dǎo)致巨大的預(yù)測(cè)誤差4，5，10。同樣，過(guò)于簡(jiǎn)單地看待間接排放的影響可能會(huì)低估人工智能在加速重要?dú)夂蚪鉀Q方案突破方面的潛力，例如在幾個(gè)月而不是幾十年內(nèi)開發(fā)出更便宜、更強(qiáng)大的電池11。 人工智能驅(qū)動(dòng)的排放情景 認(rèn)識(shí)到這些巨大的不確定性，我們?cè)谶@里呼吁研究人員開發(fā)一組與政策相關(guān)的情景，以量化人工智能擴(kuò)展在一系列假設(shè)下可能對(duì)氣候產(chǎn)生的影響。金融機(jī)構(gòu)通常使用情景來(lái)了解風(fēng)險(xiǎn)和機(jī)遇并規(guī)劃投資，情景將定量模型與專家咨詢相結(jié)合。他們不做預(yù)測(cè)，而是根據(jù)影響因素探索許多可能的未來(lái)。雷克雅未克附近的一個(gè)數(shù)據(jù)中心使用可再生能源制冷。圖片來(lái)源:路透社 具體來(lái)說(shuō)，我們建議構(gòu)建一套場(chǎng)景，以更好地了解人工智能擴(kuò)展可能如何直接和間接影響排放。這些情景應(yīng)該從沒有廣泛采用強(qiáng)大人工智能技術(shù)的“參考”案例到實(shí)現(xiàn)所有聯(lián)合國(guó)可持續(xù)發(fā)展目標(biāo)的“理想”案例不等；情景還應(yīng)該包括不良后果。 要使人工智能驅(qū)動(dòng)的排放情景可信和有用，五個(gè)要素至關(guān)重要。 鏈接到現(xiàn)有的氣候情景。氣候?qū)W界已經(jīng)使用綜合評(píng)估模型（IAMs）根據(jù)對(duì)潛在社會(huì)經(jīng)濟(jì)、人口、政策、技術(shù)和治理結(jié)果的定性描述來(lái)定量評(píng)估未來(lái)的溫室氣體排放。五種標(biāo)準(zhǔn)情景或共享社會(huì)經(jīng)濟(jì)路徑（SSPs）被廣泛使用。從世界嚴(yán)重分裂并繼續(xù)依賴化石燃料的未來(lái)，到全球合作、經(jīng)濟(jì)增長(zhǎng)與排放脫鉤以及大力投資清潔能源的更樂觀情景，不一而足。 人工智能應(yīng)該融入這些路徑，以及隨之而來(lái)的全球沖擊和技術(shù)突破。這將需要大量的工作，包括整合人工智能社區(qū)的專業(yè)知識(shí)，重新思考每條途徑的敘述，并探索是否需要添加新的途徑。人工智能能把世界帶向一個(gè)更加激進(jìn)的綠色未來(lái)，還是一個(gè)更加反烏托邦的未來(lái)？哪些因素決定了這些結(jié)果？它們有多大的可信度？場(chǎng)景可以幫助縮小答案的范圍。 正如我們?cè)谶@里概述的那樣，將這些敘事轉(zhuǎn)化為量化場(chǎng)景將需要開發(fā)新的分析模型、收集新類型的數(shù)據(jù)并建立一個(gè)制度結(jié)構(gòu)，以實(shí)現(xiàn)快速更新，跟上人工智能推動(dòng)的快速社會(huì)轉(zhuǎn)型。制定定量分析框架。開發(fā)用于探索人工智能影響的IAMs將需要針對(duì)直接和間接影響改進(jìn)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(dòng)的社會(huì)變革以及人工智能驅(qū)動(dòng)的創(chuàng)新對(duì)氣候相關(guān)進(jìn)步和突破產(chǎn)生的間接影響。 例如，人工智能個(gè)性化可以鼓勵(lì)可持續(xù)消費(fèi)，但也可能增加對(duì)資源密集型商品的需求。此外，將人工智能創(chuàng)新的排放影響與其他減排技術(shù)（如可再生能源或碳捕獲）區(qū)分開來(lái)將是一項(xiàng)挑戰(zhàn)，因?yàn)椴煌袠I(yè)的研發(fā)速度不同。政策和法規(guī)也往往跟不上。量化這些動(dòng)態(tài)的相互作用將是困難的。 隨著人工智能系統(tǒng)的推出，比較和復(fù)制場(chǎng)景將是改進(jìn)它們的關(guān)鍵。研究人員應(yīng)該通過(guò)氣候社區(qū)使用的平臺(tái)（如能源建模論壇和綜合評(píng)估建模聯(lián)盟）進(jìn)行協(xié)調(diào)，定期比較不同模型之間與人工智能直接和間接相關(guān)的排放?？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。 分享數(shù)據(jù)。數(shù)據(jù)可用性是一個(gè)挑戰(zhàn)——尤其是對(duì)人工智能等快速發(fā)展的行業(yè)而言，這些行業(yè)的數(shù)據(jù)通常是私有的或與專有信息相關(guān)聯(lián)的。例如，需要更多關(guān)于大型云計(jì)算公司的人工智能工作負(fù)載、其電力和碳強(qiáng)度以及構(gòu)建和使用人工智能模型的效率趨勢(shì)的數(shù)據(jù)。 需要在不泄露敏感信息的情況下安全、公開地共享有代表性的、經(jīng)過(guò)測(cè)量、匯總和匿名化的數(shù)據(jù)的方法。人工智能可以建立在其他行業(yè)的例子上——例如跟蹤全球水泥行業(yè)二氧化碳和能源性能指標(biāo)的“讓數(shù)字正確”倡議，以及燃料提煉和管道的所羅門能源強(qiáng)度指數(shù)。 應(yīng)建立衡量、報(bào)告、核實(shí)和傳播人工智能相關(guān)數(shù)據(jù)的標(biāo)準(zhǔn)，以確保質(zhì)量和廣泛的可及性。最近的立法，如歐盟的人工智能法案和歐洲能效指令，可能有助于推動(dòng)標(biāo)準(zhǔn)的發(fā)展。盡管這兩項(xiàng)法規(guī)都沒有直接要求對(duì)人工智能能耗進(jìn)行具體報(bào)告，但它們對(duì)數(shù)據(jù)中心透明度和效率的強(qiáng)調(diào)可能會(huì)促進(jìn)報(bào)告標(biāo)準(zhǔn)的發(fā)展。 發(fā)布快速更新。人工智能技術(shù)發(fā)展如此之快，以至于每年至少需要修改一次場(chǎng)景，最好是修改兩次。這比目前每6-7年更新一次的氣候變化情景更頻繁。鑒于隨著人工智能系統(tǒng)、應(yīng)用和突破的出現(xiàn)，需要收集新數(shù)據(jù)并開發(fā)分析框架，一年或兩年一次的更新將具有挑戰(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(huì)能源需求的模型，并探索這種需求將如何隨著人工智能技術(shù)的發(fā)展而變化。不同分辨率的場(chǎng)景可能會(huì)在不同的時(shí)間段發(fā)布。例如，粗分辨率場(chǎng)景可能每隔幾個(gè)月更新一次；更詳細(xì)的場(chǎng)景可能每2-3年發(fā)布一次。 建立一個(gè)國(guó)際財(cái)團(tuán)。需要成立一個(gè)國(guó)際聯(lián)盟來(lái)開發(fā)人工智能驅(qū)動(dòng)的排放情景。它應(yīng)該聚集來(lái)自世界各地的專家，并代表所有相關(guān)學(xué)科——從計(jì)算機(jī)和可持續(xù)發(fā)展科學(xué)到社會(huì)學(xué)和經(jīng)濟(jì)學(xué)。我們建議這個(gè)人工智能驅(qū)動(dòng)的排放情景社區(qū)由關(guān)注可持續(xù)發(fā)展的國(guó)際科學(xué)網(wǎng)絡(luò)（如奧地利拉克森堡的國(guó)際應(yīng)用系統(tǒng)分析研究所（IIASA））和關(guān)注人工智能和社會(huì)的國(guó)際非政府組織共同發(fā)起。例子包括人工智能伙伴關(guān)系或新成立的聯(lián)合國(guó)未來(lái)實(shí)驗(yàn)室，該實(shí)驗(yàn)室旨在協(xié)調(diào)和改善整個(gè)聯(lián)合國(guó)的戰(zhàn)略遠(yuǎn)見，以指導(dǎo)長(zhǎng)期決策。與關(guān)鍵的綜合評(píng)估模型和能源系統(tǒng)模型相關(guān)的財(cái)團(tuán)，如國(guó)際能源機(jī)構(gòu)技術(shù)合作方案或國(guó)際應(yīng)用系統(tǒng)分析所的方案，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建模社區(qū)直接相關(guān)。聯(lián)合國(guó)和其他機(jī)構(gòu)（如瑞士日內(nèi)瓦的國(guó)際電信聯(lián)盟）應(yīng)該參與進(jìn)來(lái)，但不能犧牲靈活性和速度。 將需要財(cái)政支持來(lái)維持合作體并支持情景的定期更新。這可能來(lái)自慈善、私人、政府和政府間來(lái)源的結(jié)合。 人工智能是我們這個(gè)時(shí)代最具顛覆性的技術(shù)之一。在今天及其發(fā)展過(guò)程中，圍繞其開發(fā)和使用的決策必須考慮到可持續(xù)性。只有通過(guò)開發(fā)一套標(biāo)準(zhǔn)的人工智能驅(qū)動(dòng)的排放情景，政策制定者、投資者、倡導(dǎo)者、私營(yíng)公司和科學(xué)界才能擁有工具，就人工智能和全球凈零排放競(jìng)賽做出合理的決定。 《自然》雜志2024年第628期718-720頁(yè)https:///10.1038/d41586-024-01137-x參考 1.凱克，L. H .等。變更12，518–527（2022）。 文章 谷歌學(xué)術(shù) 2.布雷默，c .等人。爵士。https:///10.2139/ssrn.4459526（2023年）。 文章 谷歌學(xué)術(shù) 3.焦耳7，2191–2194（2023年）。 文章 谷歌學(xué)術(shù) 4.Masanet，e .，Shehabi，a .，Lei，n .，Smith，s .和Koomey，J. Science 367，984-986（2020年）。 文章 PubMed 谷歌學(xué)術(shù) 5.帕特森，d .等人計(jì)算機(jī)55，18–28（2022）。 文章 谷歌學(xué)術(shù) 6.Leiserson，C. E .等人科學(xué)雜志368期，eaam 9744（2020年）。 文章 PubMed 谷歌學(xué)術(shù) 7.塔博爾，D. P .等。3, 5–20 (2018). 文章 谷歌學(xué)術(shù) 8.Merchant，a .等人，《自然》624，80-85（2023年）。 文章 PubMed 谷歌學(xué)術(shù) 9.克羅伊茨格等。Rev. Environ。第47，479-509號(hào)決議（2022年）。 文章 谷歌學(xué)術(shù) 庫(kù)米，j .和馬薩內(nèi)特，焦耳5，1625-1628（2021年）。 文章 谷歌學(xué)術(shù) 10.Chen，c .等人的預(yù)印本，載于arXiv（2024年）。