耗能惊人！GPT-3训练能量够美国家庭用多久？人工智能未来可持续性何在？

站长之家4月4日 消息:即将到来的强大AI聊天机器人时代很可能会以激进和不可预见的方式重塑世界，但同时也可能也会付出巨大的环境代价。

斯坦福大学AI研究所近期发布了一份惊人的能源消耗估算报告——训练像OpenAI GPT-3这样的超先进AI模型所需的能量，简直是个天文数字！据分析，这股电力足以让一个美国家庭持续使用数百年之久。在这项深入的研究中，OpenAI的系统以其显著的能效成为焦点，其庞大的能源需求令人咋舌。而这背后，我们不禁思考绿色科技与人工智能发展的平衡之道。

打开凤凰新闻，查看更多高清图片

ChatGPT耗能严重

🌟斯坦福AI指数新亮点揭示！🔍研究聚焦四大模型碳足迹：DeepMind的”Gopher”、BigScience的”BLOOM”、Meta的”OPT”与OpenAI的震撼之作”GPT-3″。💥据最新数据，OpenAI训练过程中的碳排放量惊人，高达502吨，远超Gopher的1.4倍及BLOOM的20.1倍！⚡️而GPT-3更是用电大户，消耗了惊人的1,287MWh，环保压力可见一斑。🌍这些模型的碳足迹不仅是科技巨头们可持续发展道路上的镜鉴，也是全球AI行业绿色转型的重要指标。💡通过这样的研究，我们期待看到更多创新背后的绿色承诺，共同为地球的未来贡献力量。🌱

🌟每个AI模型的能量消耗是个复杂的话题，它受多种变量影响，如数据量与参数数量、训练强度以及数据中心的能源效率。尽管在能耗上存在显著差异，但值得注意的是，三个模型（DeepMind的Gopher除外）均在大约1750万亿个参数规模下运作，这表明了相当的计算力水平。而对于OpenAI最近发布的GTP-4，虽然他们并未公开具体参数量，但从它前几代的飞跃式数据需求来看，可以合理推测GTP-4的数据量远超以往版本，预示着更高的训练挑战与能源消耗。🚀

🌟人工智能领域的权威人士预测，GPT-4的研发将采用极其庞大的100万亿参数量进行深度学习训练。然而，OpenAI的掌门人山姆·奥特曼随后对这一估算给出了务实的回应，直言其为不实的无稽之谈。🚀

🌟彼得·亨德森教授曾警告过我们，一味追求规模增长而忽视环保可能带来意想不到的困境。他的观点掷地有声：“我们必须审慎行事，确保每一步都朝着可持续的机器学习迈进，以实现真正的双赢——减轻环境负担的同时，也创造净社会价值。”🌍

🌟当然，AI模型的发展离不开海量数据的驱动，但这并不意味着必然带来环境问题的剧增。实际上，未来的AI有可能成为环保领域的革新力量。就像DeepMind的BCOOLER在谷歌数据中心所展示的那样，一项为期三个月的研究表明，这款智能代理能实现高达12.7%的节能优化，同时确保工作环境的舒适，这无疑是对能源效率的一次重大突破。🚀通过这样的技术应用，我们有望看到数据中心和其他基础设施的绿色转型，迈向更加可持续的未来。🌍

AI的环境成本反映挖矿带来的气候困境

这些听起来是不是很熟悉?那是因为几年前，我们基本上看到了同样的环境动态，即加密货币和web3技术带来的困扰。比如，比特币成为该行业明显的环境痛点，因为在其工作量证明模型中，挖矿需要大量能源。据估计，仅比特币一项每年所需的能源就超过了挪威全年的用电量。

多年来环保人士的批评也促进了加密行业做出了一些改变。以太坊是区块链上的第二大货币，去年正式转向权益证明模型，支持者声称该模型可以将其功耗降低99%以上。其他较小的代币在设计时也同样考虑到了能源效率。从大局来看，大型语言模型仍处于起步阶段，它的环境影响尚不能确定。

大型语言模型训练越来越贵

能源需求并不是新LLM（大语言模型）快速增长的唯一数字，它所需投入的资金量也是如此。2019年OpenAI发布GPT2时，斯坦福大学的报告指出，该公司仅花费5万美元就训练了基于15亿个参数构建的模型。仅仅三年后，谷歌就发布了自己强大的PaLM模型，该模型根据5400亿个参数进行了训练，而花费的金额已经飙升到800万美元。根据这份报告，PaLM比GPT-2大360倍，但价格却高出160倍。同样，这些模型，无论是OpenAI还是谷歌发布的，都只会越来越大。

报告指出，“总整体说，大型语言和多模态模型变得越来越大，越来越贵”。

斯坦福大学估计，2022年全球人工智能私人投资额是2013年的18倍。至少在美国，各个行业与人工智能相关的职位招聘也在增长，并在2022年从1.7%增长到1.9%。在全球范围内，美国在人工智能的整体投资方面遥遥领先，据报道，2022年美国对人工智能技术的投资为474亿美元，是中国的3.5倍。说到烧钱，美国无人能及。

针对AI的立法问题

最近一波强大的聊天机器人，以及围绕它们的道德和法律问题，悄悄困扰着人工智能工程师之外的几乎所有人，包括立法者。

可以肯定的是，立法者正试图在立法上迎头赶上。根据斯坦福大学的报告，2021年，所有涉及人工智能的联邦法案中，只有2%真正成为法律。这一数字去年攀升至10%。许多类似的法案是在当前围绕GPT4和一些研究人员过早地将其描述为“人工通用智能”之前写的。

立法者对人工智能也比以往任何时候都更感兴趣。2022年，斯坦福大学确定了110起在美国联邦和州法院提起的人工智能相关法律案件，这比2016年发现的案例多出6.5倍。这些案件大部分发生在加利福尼亚州、伊利诺伊州和纽约州。大约29%的人工智能案件涉及民法，而19%涉及知识产权。如果最近作家和艺术家对AI生成器使用他们的风格提出的投诉有任何指导意义，那么产权案件的比例可能会增加。