继Chat GPT 的生成式AI

marvel at  对....感到诧异

energy intensive  能量消耗大的

ChatGpt 被大多数人所熟知，使用人工智能完成各项工作，不限于文本类的，图像类的也纳入AI的工作范畴

但是不管是AI的研发，还是使用，都需要耗费大量的能量，对环境带来的影响是不可忽视的

be poised to  随时准备着

in the near future  在不久的将来

traction  拉力

用于存储和管理信息及通信技术系统的数据中心行业的温室气体排放量占全球总排放量的2%到3%，但其数据在接下来的几年会成倍增长，这些AI工具对环境造成的巨大成本是不可忽视的

ever-expanding  不断发展的

renewable  可再生的

hyperscale  超大规模

carbon footprint  碳足迹

processing  加工，运算

这些不断扩展的“信息海洋”系统需要耗费大量的能量和水来运行计算机服务器、设备和冷却系统，并且几乎所有著名的生成式人工智能模型都在GPU芯片上运行，由“超大规模”的云提供商生成，要动用数千台服务器，产生大量的碳足迹

transistor  晶体管

arithmetic  算数

vendors   卖方

GPU芯片的能耗是传统CPU的10到15倍，因为GPU的算数逻辑单元需要更多的晶体管。亚马逊AWS、谷歌云和微软Azure是当前三大超大规模的云提供商。这场使生成式AI 更环保的运动，不仅仅产出端要发力，AI使用者也要尽力“环保化”

pervasive   流行的

know of   知道有

不管是AI还是生成式AI，（尤其是在GAI被大家广泛使用之前），我们需要利用已知的方法使其“绿色化”

other than  除了

from scratch  从头开始

使用现有的大型生成模型，不要从头开始。

如果不是大型供应商或者云提供商，企业没有必要白手起家生成自己的模型。创造、培训模型都需要耗费大量的能量和精力。现有的语言、图像模型已经非常多了，未来还会更多。直接使用完备的大数据和云运算，会给他们节省大量的精力

microcontroller  微控制器

bandwidth  带宽

使用能量节约型的电脑技术。

TinyML框架允许用户在小型、低功耗边缘设备（带宽要求较低的微控制器）上运行ML模型（无需将数据发到服务器进行处理）

普通的CPU平均消耗70瓦特，GPU消耗400瓦特，一个小型的微控制器消耗不到100瓦特能量，并且微控制器无需将数据发到服务器可自行处理

discerning   有识别力的

NLP  自然语言处理

hazard  危险

要有选择地使用GAI。

生成式人工智能对于医药相关领域和自然语言处理有着革命性的意义，它们对于自然灾害的预测同样有着重要的作用。相比之下，使用GAI生成博客文章就显得“大材小用”了。

更糟的是，它们对人类的帮助可能远不抵对地球的伤害。因此，在使用AI生成文章时，要尽可能降低计算成本，减少对模型的使用，将对地球的损害降到最小

fossil fule  化石燃料

hydroelectric  水力发电的

评估你的云供应商使用的是什么能量源。

在能够使用环保电力且碳友好的地区部署模型，能够最大限度降低人工智能（以及一般软件）的碳强度。比如，在美国训练和运行的模型可能使用的是化石燃料能源，但相同的模型完全可以在以水电为主要能源的魁北克运行

点击蓝字 关注我们