2023 年可謂生成式人工智慧（Generative AI）爆發的一年，就算再怎麼「科技小白」，也一定都聽過 AI 聊天機器人 ChatGPT、AI 圖像生成服務 Midjourney 等。

許多人都在關注這場技術革命將如何影響商業環境、產業趨勢以及人類社會？相關的法律、道德議題又該當何解？而這幾年因為極端氣候而逐漸浮上檯面的「永續性」，也是 AI 技術發展的同時，需要兼顧的議題。

AI 運算對環境的影響：一組 20～50 個對話所消耗的水，相當於 500 毫升的寶特瓶

事實上，「數據中心」為人工智慧運算所需的重要設施，它們不僅消耗大量的能源，更產生可觀的碳排放。據《富比士》（Forbes）最新報告指出，光是訓練單個 AI 模型，過程中就會排放超過 62 萬磅二氧化碳，相當於一台汽車生命周期排放量的 5 倍。

根據《Earth.Org》報導估計，ChatGPT 每年排放 8.4 噸二氧化碳，是個人排放量（每年 4 噸）的 2 倍多，況且，確切數字還會因為運行其數據中心的能源類型影響，與太陽能、風能或水力發電相比，燃煤或天然氣發電廠的排放量要高得多。

此外，加州大學河濱分校（University of California, Riverside）最近的研究揭示了 GPT-3 和 GPT-4 等大語言模型的水足跡（water footprint）。該研究報告稱，微軟在其數據中心培訓 GPT-3 期間，由於使用大量能量轉化成熱能，需要以水來控制溫度和冷卻機器，使用了大約 70 萬公升的淡水，相當於生產 370 輛 BMW 汽車或 320 輛特斯拉所需的水量。

此外，當 ChatGPT 執行回答問題、生成文本等任務時，模型在推理過程中也會消耗大量的水：一組 20 到 50 個問題的簡單對話所消耗的水，相當於一個 500 毫升的寶特瓶。目前 ChatGPT 已擁有上億用戶，其總水足跡之可觀，可想而知。

隨着這類生成式 AI 語言模型的規模不斷擴大，探索減輕其對環境負面影響的解套方法已成為重要課題之一，才能為此技術發展的未來鋪平道路。

開發 AI 解方同時兼顧永續性，可以怎麼做？

1. 優化演算法，提高能源效益

「優化演算法的能源消耗量是現在許多人工智慧公司的關注點，因為這不僅提高永續性，也能降低成本。」AI 醫療診斷平台 Acoustery 共同創辦人米海羅浮（Dimitry Mihaylov）接受《Cointelegraph》採訪時表示。

優化演算法旨在提高 AI 模型的能源效益，同時不影響其性能，像是透過軟體開發人員動態調整數據，減少不必要的重複訓練或更新，從而降低耗能。

至於要怎麼優化演算法？企業可以依靠自家工程師的專業知識，開發最佳的演算法，也可以尋找商用的解決方案，協助優化；亦可以採用開源的優化器，提高能源效益。

2. 採用更節能的處理器（processor）

由於數據內存需要在模組之間頻繁移動的需求，傳統上用於人工智慧的系統架構耗能較高。然而，近年來出現新一代處理器：例如神經形態晶片（neuromorphic chip）和特定應用積體電路（Application Specific Integrated Circuit，ASIC），可進一步提高計算效率、降低能源需求。

3. AI 驅動數據中心的能源管理系統

由於數據中心仍然是各個行業的重要設施，優化其能源使用，並且最大限度地減少它影響人工智慧技術運行、發展至關重要。其實，運用人工智慧技術本身來解決這個問題，何嘗不是一個好解方。

企業可以打造一個以 AI 驅動數據中心的能源管理系統，應用人工智慧的能力分析數據、預測趨勢，並根據需求和運算量進行實時調整，優化能源消耗量。

AI 驅動的能源管理系統除了提高能源效率之外，還能根據需求動態調整耗能，以確保數據中心運作的穩定性；它們也協助數據中心主動回應工作負載量的波動，確保最佳的能源分配，降低系統故障的風險；同時，該系統也能為數據中心運營商節省成本，可為永續和經濟成本上雙贏的解決方案。

生成式 AI 不斷為各行各業帶來創新的可能，與此同時，也要努力創造永續的未來，避免地球成為這個劃時代科技發展的犧牲品。

資料來源 / Earth.Org、Cointelegraph、Forbes；本文出自 未來商務