人工智能被批不环保

人工智能被批不环保

Stuhlinger很快给Jucunda修女回了信，他这封真挚的回信随后由NASA以《为什么要探索宇宙》为标题发表。

这封信中有这样一句话：“通往火星的航行并不能直接提供食物解决饥荒问题。然而，它所带来大量的新技术和新方法可以用在火星项目之外，这将产生数倍于原始花费的收益。”

如今，随着许多航天技术迁徙到其他方面并对人类生活产生了巨大的影响，很少有人再去质疑航空航天是否有必要。

同样，作为目前最前沿的计研究领域之一，人工智能近日也受到了环保方面的质疑。

人工智能背后的碳排放引发关注

根据一份提交到自然语言处理顶会ACL 2019的论文，三位来自马萨诸塞大学安姆斯特分校的研究人员对几种常见的NLP模型进行碳排放评估。

他们发现，像Transformer、GPT-2等流行的深度神经网络，他们的训练过程可以排放超过62.6万磅的二氧化碳当量，几乎是美国汽车平均寿命期内排放量(包括制造过程)的五倍。

尽管这篇论文并没有提供准确的基于TPU的模型训练能耗和碳排放的数据，但是根据美国环保署(EPA)统计，数据中心耗电占全球3%，且耗电量正在以每四年翻一番的速度增长；同时，数据中心的温室气体排放占到全球的2%，碳足迹已经追上民航业。

来自网友的讨论

这篇论文一进入大众视野，便引起了广泛讨论，业内人人士更多是持一种辩证的态度，表示虽然用于训练所产生的碳排放是客观存在的，但是并没有文章中所说的那么夸张。

Reddit有网友评论：

而更大的BERT model，在64个GPU上训练110万个参数，耗时80小时，消耗了1507千瓦时的能量，排放了1438磅二氧化碳，计算成本为3751-12571美元。但这是一个相当大的ML项目，比大多数人运行过的规模都更大，很少有个人或者组织能够做这种项目。

论文中比较有意义的是神经结构搜索（NAS）消耗的能量和排放的二氧化碳。这是有道理的，因为搜索过程可能意味着运行几个大数量级的训练步骤。

而值得指出的是，该论文所阐述的一个例子：把TPU换成八块P100GPU，用同样的方式训练同一个Transformer达到同样的成绩，将会产生惊人的62.6万磅（约合284公吨）二氧化碳。这个结果虽然很震撼，但实际没有人会这样去做。

而Slashdot上则有网友用新能源汽车举例：

设计节能汽车也需要消耗大量能源。但是，从长远来看是有好处的。如果这些受过训练的人工智能能够通过它们所做的工作节省能量，那么从长远来看，这也将是有益的。

人工智能与环境保护站在对立面吗？

首先，人工智能并非是不落地的“实验室产物”。

提到人工智能，大众往往第一反应的都是资本市场所宣传的产品，这些产品往往由于宣传的需要被加入了许多噱头而不具备普遍的说服力，所以人工智能在应用上总给人一种很玄的感觉。

在能源利用领域呢？人工智能也不是永远都是耗电的那一方。

其次这篇论文也并非是反对消耗资源来开发人工智能的。

如何做环境友好的人工智能研究，更多的使用清洁能源或是出路。从下面的表中我们可以看出，Google的数据中心用电56%来自可再生能源。

而国内的互联网巨头也有类似的做法，阿里巴巴张北云计算基地内数据中心将百分百基于绿色能源运转，建筑外表覆盖太阳能电板，同时采用自然风冷和自然水冷系统，预计仅数据中心的制冷能耗就可以降低45%。阿里巴巴技术保障负责人周明就表示：“我们将采用全球最先进的绿色数据中心设计方案，将张北源源不断的绿色能源转化成计算资源。”