揭秘 ChatGPT 背后的“代價(jià)”：碳排放量大幅增加

北京時(shí)間 2 月 13 日消息，隨著 ChatGPT 的爆紅，微軟、谷歌、百度相繼宣布對(duì)他們的搜索引擎進(jìn)行重大改革，試圖將大型人工智能模型整合到搜索中，以便給用戶提供更豐富、更準(zhǔn)確的體驗(yàn)。但是興奮之余，新工具背后可能隱藏著一個(gè)“骯臟的秘密”。

 

外媒指出，構(gòu)建高性能人工智能搜索引擎的競賽很可能需要計(jì)算能力的大幅提升，它所產(chǎn)生的后果將是科技公司所需能源和碳排放量的大幅增加。

 

英國薩里大學(xué)網(wǎng)絡(luò)安全教授艾倫?伍德沃德 (Alan Woodward) 表示：“已經(jīng)有大量資源被用于索引和搜索互聯(lián)網(wǎng)內(nèi)容，但人工智能的整合需要一種不同的火力。它需要處理能力、存儲(chǔ)和高效搜索。每當(dāng)我們看到在線處理的步驟變化時(shí)，我們就會(huì)看到大型處理中心所需的電力和冷卻資源的顯著增加。我認(rèn)為人工智能的整合可能是會(huì)走這一步。”

 

碳排放大增 本文@內(nèi)/容/來/自:中-國-碳^排-放-交易&*網(wǎng)-tan pai fang . com
 

訓(xùn)練大型語言模型 (LLMs) 意味著在大量數(shù)據(jù)中解析和計(jì)算鏈接，這就是為什么它們往往是由擁有大量資源的公司開發(fā)的原因，比如為微軟必應(yīng)搜索提供動(dòng)力的 ChatGPT，為谷歌聊天機(jī)器人“巴德”(Bard) 提供支持的那些語言模型。

 

“訓(xùn)練這些模型需要大量的計(jì)算能力，”西班牙科魯尼亞大學(xué) (University of Coruña) 計(jì)算機(jī)科學(xué)家卡洛斯?戈麥茲?羅德里古茲 (Carlos Gómez-Rodríguez) 表示，“現(xiàn)在，只有大型科技公司才能訓(xùn)練他們。”

 

盡管 OpenAI 和谷歌都沒有透露其產(chǎn)品的計(jì)算成本是多少，但研究人員發(fā)布的第三方分析預(yù)計(jì)，ChatGPT 部分依賴的 GPT-3 模型的訓(xùn)練會(huì)消耗 1287 兆瓦時(shí)電力，產(chǎn)生 550 多噸的二氧化碳當(dāng)量，相當(dāng)于一個(gè)人在紐約和舊金山之間往返 550 次。

 

“這個(gè)數(shù)字看起來沒有那么糟糕，但你必須考慮到這樣一個(gè)事實(shí)：你不僅要訓(xùn)練它，還要執(zhí)行它，為數(shù)百萬用戶服務(wù)。”羅德里古茲表示。

 

而且，把 ChatGPT 作為一個(gè)獨(dú)立產(chǎn)品使用與把它整合到必應(yīng)中還有很大不同。投行瑞銀預(yù)計(jì)，ChatGPT 日均獨(dú)立訪問用戶為 1300 萬。相比之下，必應(yīng)每天要處理 5 億次搜索。

 

加拿大數(shù)據(jù)中心公司 QScale 聯(lián)合創(chuàng)始人馬丁?布查德 (Martin Bouchard) 認(rèn)為，根據(jù)他對(duì)微軟和谷歌搜索計(jì)劃的了解，在搜索過程中添加生成式人工智能，需要“每次搜索至少增加 4 到 5 倍的計(jì)算量”。

 

為了滿足搜索引擎用戶的需求，企業(yè)必須做出改變。“如果他們要經(jīng)常重新訓(xùn)練模型，并添加更多參數(shù)之類的東西，這是一個(gè)完全不同的規(guī)模，”布查德表示，“這將需要在硬件上進(jìn)行大量投資。我們現(xiàn)有的數(shù)據(jù)中心和基礎(chǔ)設(shè)施將無法應(yīng)對(duì)生成式人工智能的消耗。它們對(duì)性能的需求太高了。”

 

如何減少碳排放？
 

根據(jù)國際能源署發(fā)布的數(shù)據(jù)，數(shù)據(jù)中心的溫室氣體排放量已經(jīng)占到全球溫室氣體排放量的 1% 左右。隨著云計(jì)算需求的增長，這一數(shù)字預(yù)計(jì)還會(huì)上升，但運(yùn)營搜索引擎的公司已承諾減少它們對(duì)全球變暖的凈貢獻(xiàn)。

 

微軟已經(jīng)承諾到 2050 年實(shí)現(xiàn)碳負(fù)排放，該公司計(jì)劃今年購買 150 萬噸碳信用額。碳信用又稱碳權(quán)，是指排放 1 噸二氧化碳當(dāng)量的溫室氣體的權(quán)利。谷歌承諾到 2030 年在其整個(gè)業(yè)務(wù)和價(jià)值鏈實(shí)現(xiàn)凈零排放。

 

對(duì)于這些巨頭來說，減少將人工智能整合到搜索中的環(huán)境足跡和能源成本的一個(gè)方式就是將數(shù)據(jù)中心轉(zhuǎn)移到更清潔的能源上，并重新設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)讓讓變得更高效，減少所謂的“推斷時(shí)間”，也就是算法處理新數(shù)據(jù)所需的計(jì)算能力。

 

“我們必須研究如何減少這種大型模型所需要的推斷時(shí)間，”謝菲爾德大學(xué)自然語言處理講師納菲斯?薩達(dá)特?莫薩維 (Nafise Sadat Moosavi) 表示，她致力于自然語言處理的可持續(xù)性研究，“現(xiàn)在是關(guān)注效率方面的好時(shí)機(jī)。”

 

谷歌發(fā)言人簡?帕克 (Jane Park) 表示，谷歌最初發(fā)布的“巴德”版本是一個(gè)由輕量級(jí)大型語言模型支持的版本。“我們還發(fā)表了一項(xiàng)研究，詳細(xì)介紹了最先進(jìn)語言模型的能源成本，包括早期和更大版本的 LaMDA，”帕克稱，“我們的研究結(jié)果表明，將高效的模型、處理器和數(shù)據(jù)中心與清潔能源相結(jié)合，可以將機(jī)器學(xué)習(xí)系統(tǒng)的碳足跡減少 1000 倍。”