儘管關於人工智能的危險性，包括錯誤信息和威脅人類工作被取代等問題仍然主導著討論，但波士頓大學的一位教授正對另一個可能的副作用發出警告——生成式人工智能工具可能帶來相當大的環境影響。
波士頓大學計算機科學副教授凱特·薩恩科在《The Conversation》的一篇文章中寫道：“作為一名人工智能研究者，我經常擔心構建人工智能模型的能源成本。”她指出，“人工智能越強大，所需能源就越多。”
儘管比特幣和以太坊等區塊鏈的能源消耗已經成為從Twitter到國會大廳的研究和爭論的焦點，但人工智能的快速發展對地球的影響尚未得到同樣的關注。
薩恩科教授旨在改變這種情況，但她在文章中承認，關於單個生成式人工智能查詢的碳足跡數據有限。然而，她表示，研究結果顯示，生成式人工智能查詢的能源消耗比簡單搜索引擎查詢高出四到五倍。
根據2019年的一份報告，薩恩科教授提到一個名為BERT（Bidirectional Encoder Representations from Transformers）的生成式人工智能模型，擁有1.1億個參數，訓練該模型所消耗的能源相當於一人往返跨大陸的飛行，並使用圖形處理單元（GPU）進行模型訓練。
在AI模型中，參數是從數據中學習得到的變量，用於指導模型的預測。模型中的參數越多，通常意味著模型的複雜性更高，因此需要更多的數據和計算資源。在訓練過程中，參數會進行調整以最小化錯誤。
相比之下，薩恩科教授提到OpenAI的GPT-3模型擁有1750億個參數，其消耗的能源相當於123輛汽油驅動的乘用車一年的能量消耗量，或大約1287兆瓦時的電力。同時，該模型產生了552噸二氧化碳。她還補充說，這個數字僅僅是在準備啟動模型之前，沒有任何消費者開始使用模型時的數據。
薩恩科教授說：“如果聊天機器人像搜索引擎一樣流行，部署這些人工智能的能源成本可能會非常高。”她舉例提到，微軟在本月早些時候將ChatGPT加入其Bing網絡瀏覽器。
事情變得更加複雜的是，越來越多的AI聊天機器人，如Perplexity AI和OpenAI廣受歡迎的ChatGPT，正在發布移動應用程序。這使得它們更容易使用，並暴露給更廣泛的用戶群。
薩恩科教授指出，谷歌進行的一項研究發現，使用更高效的模型架構和處理器，以及更環保的數據中心，可以大幅減少碳足跡。
薩恩科寫道：“單個大型AI模型不會毀壞環境，但如果成千上萬家公司為不同目的開發略有不同的AI機器人，並且每個機器人都被數百萬客戶使用，那麼能源消耗可能成為一個問題。”
最後，薩恩科得出結論，需要進行更多研究，以使生成式人工智能更加高效，但她對此持樂觀態度。
她寫道：“好消息是，AI可以運行在可再生能源上。通過將計算放在可再生能源更豐富的地方，或者安排在可再生能源更充足的時間進行計算，與使用主要由化石燃料主導的電網相比，可以將排放量減少30到40倍。”
