尽管关于人工智能的危险性，包括错误信息和威胁人类工作被取代等问题仍然主导着讨论，但波士顿大学的一位教授正对另一个可能的副作用发出警告——生成式人工智能工具可能带来相当大的环境影响。波士顿大学计算机科学副教授凯特·萨恩科在《TheConversation》的一篇文章中写道：“作为一名人工智能研究者，我经常担心构建人工智能模型的能源成本。”她指出，“人工智能越强大，所需能源就越多。”尽管比特币和以太坊等区块链的能源消耗已经成为从Twitter到国会大厅的研究和争论的焦点，但人工智能的快速发展对地球的影响尚未得到同样的关注。
萨恩科教授旨在改变这种情况，但她在文章中承认，关于单个生成式人工智能查询的碳足迹数据有限。然而，她表示，研究结果显示，生成式人工智能查询的能源消耗比简单搜索引擎查询高出四到五倍。根据2019年的一份报告，萨恩科教授提到一个名为BERT（BidirectionalEncoderRepresentationsfromTransformers）的生成式人工智能模型，拥有1.1亿个参数，训练该模型所消耗的能源相当于一人往返跨大陆的飞行，并使用图形处理单元（GPU）进行模型训练。在AI模型中，参数是从数据中学习得到的变量，用于指导模型的预测。
模型中的参数越多，通常意味着模型的复杂性更高，因此需要更多的数据和计算资源。在训练过程中，参数会进行调整以最小化错误。相比之下，萨恩科教授提到OpenAI的GPT-3模型拥有1750亿个参数，其消耗的能源相当于123辆汽油驱动的乘用车一年的能量消耗量，或大约1287兆瓦时的电力。同时，该模型产生了552吨二氧化碳。
她还补充说，这个数字仅仅是在准备启动模型之前，没有任何消费者开始使用模型时的数据。萨恩科教授说：“如果聊天机器人像搜索引擎一样流行，部署这些人工智能的能源成本可能会非常高。”她举例提到，微软在本月早些时候将ChatGPT加入其Bing网络浏览器。事情变得更加复杂的是，越来越多的AI聊天机器人，如PerplexityAI和OpenAI广受欢迎的ChatGPT，正在发布移动应用程序。
这使得它们更容易使用，并暴露给更广泛的用户群。萨恩科教授指出，谷歌进行的一项研究发现，使用更高效的模型架构和处理器，以及更环保的数据中心，可以大幅减少碳足迹。萨恩科写道：“单个大型AI模型不会毁坏环境，但如果成千上万家公司为不同目的开发略有不同的AI机器人，并且每个机器人都被数百万客户使用，那么能源消耗可能成为一个问题。”最后，萨恩科得出结论，需要进行更多研究，以使生成式人工智能更加高效，但她对此持乐观态度。她写道：“好消息是，AI可以运行在可再生能源上。通过将计算放在可再生能源更丰富的地方，或者安排在可再生能源更充足的时间进行计算，与使用主要由化石燃料主导的电网相比，可以将排放量减少30到40倍。”
