人工智慧能否在不犧牲性能的情況下變得環保？

人工智慧正在改變許多領域，從醫療到金融，提升效率和自動化水平。然而，這場革命卻建立在日益複雜且耗能的模型之上。自 2012 年以來，訓練這些模型所需的計算資源幾乎每三到四個月就翻一番，增長速度遠超摩爾定律的預測。這種指數級增長帶來了一個重大挑戰：如何在推動技術進步的同時，兼顧環境保護？

人工智慧對環境的影響如今已無可否認。訓練一個大型模型所消耗的電力，可能相當於數百戶家庭一年的用電量，並排放數千噸二氧化碳。例如，訓練 GPT-3 模型耗費了近 1,300 兆瓦時的電力，相當於 120 戶美國家庭的年用電量。這些數據凸顯了我們迫切需要重新思考人工智慧的開發和使用方式。

面對這一現實，一種新方法應運而生：綠色人工智慧。與傳統人工智慧不同，後者不惜一切代價追求性能，而綠色人工智慧則致力於在保持模型效率的同時，減少其生態足跡。這可以通過更輕量的架構、優化的演算法和更有效的資源管理來實現。例如，EcoFormer 或 EfficientFormer-V2 等模型已證明，可以在不顯著損失精確度的情況下，將能源消耗減少 60%。

綠色人工智慧並不僅限於技術優化。它還融入了社會和經濟層面，使資源較少的研究人員和組織也能使用這些模型。這有助於推動創新的民主化，並防止技術權力過度集中在少數大型企業手中。

為了衡量綠色人工智慧的進展，我們需要精確的指標。能源消耗、碳足跡、資料中心冷卻用水量以及硬體資源效率等，都是需要考量的標準。CarbonTracker 或 CodeCarbon 等工具能夠追蹤這些指標，並評估模型的環境影響。

然而，通往真正可持續人工智慧的道路並非一帆風順。技術挑戰，如測量工具與不同硬體類型的兼容性，以及經濟和政治障礙，都在阻礙這一轉型。即便如此，近期的進展表明，綠色人工智慧並非烏托邦，而是技術和地球未來的必然需求。

Sources et crédits

Étude source

DOI : https://doi.org/10.1007/s11831-026-10546-2

Titre : Green Artificial Intelligence: A Comprehensive Review of Metrics, Tools, Challenges, Trends, and Future Prospects

Revue : Archives of Computational Methods in Engineering

Éditeur : Springer Science and Business Media LLC

Auteurs : Pejman Peykani; Ali Emrouznejad; Sanly Ghanidel; Iman Javadi-Sisi; Seyedali Mirjalili