【发现者网】2月22日消息，随着人工智能技术的快速发展，机器学习所消耗的能源问题逐渐引起人们的关注。众所周知，机器学习需要大量的电力支持，尤其是那些能够制作视频的人工智能模型，每小时的电量消耗更是惊人。然而，具体的能源消耗数字却鲜为人知，甚至开发这些技术的公司也未能给出确切的答案。
据专家指出，目前所公布的数字只是人工智能总消耗量的一小部分。机器学习模型的配置极具可变性，能够以极大地改变其功耗。此外，一些领先的人工智能公司，如meta、微软和OpenAI等，对于相关的能源消耗数据保持沉默，不愿与公众分享。
训练大型人工智能模型所需的能源远超过传统的数据中心活动。以GPT-3这样的大型语言模型为例，其训练过程预计消耗近1300兆瓦时的电力，这相当于约130个美国家庭一年的用电量。相较之下，流媒体服务每小时的电力消耗仅为0.8千瓦时，这意味着用户需要连续观看近162.5万小时才能达到与训练GPT-3相同的能源消耗量。
然而，对于当前最先进的人工智能系统而言，很难准确评估其能源消耗量。随着人工智能模型规模的不断扩大，能源消耗也呈上升趋势。尽管如此，一些公司正努力采用节能技术来降低能源成本，这有望抑制能源消耗的过快增长。
人工智能的能源使用问题并非无足轻重。随着人工智能技术的商业化应用，越来越多的公司开始关注能源成本。有研究人员指出，与加密货币等行业的能源浪费相比，人工智能的能源使用统计数据同样令人担忧。尽管人工智能带来了巨大的便利和创新，但其背后的能源消耗却不容忽视。
为了更好地了解人工智能的能源消耗情况，一些研究人员开始对各种人工智能模型的推理能耗进行评估。他们发现，不同模型和任务之间的能源消耗存在显著差异。例如，分类任务的能源消耗相对较低，而生成任务则需要更多的电力支持。此外，图像生成模型的能源消耗明显高于文本生成模型。
尽管这些研究为我们提供了一些有关人工智能能源消耗的有用数据，但仍存在许多未知数。人工智能革命带来的全球成本尚未完全揭示，这使得我们无法全面评估其对地球环境的影响。为了更准确地了解人工智能的能源消耗情况，我们需要更多的研究和数据支持。
在未来几年里，随着人工智能技术的不断进步和应用领域的拓展，其能源消耗问题将日益突出。为了应对这一挑战，我们需要采取更有效的措施来提高人工智能的能源效率并降低其成本。这包括改进算法、优化硬件设计、推广节能技术等方面的努力。同时，我们也需要加强国际合作与交流，共同推动人工智能技术的可持续发展。
