人工智能留下的碳足迹有多少

我们的个人计算机，只要一开机就有碳足迹，以去年一名Google实习生为例，建构了一套AI神经网络，为了让图像显现细节，他不断增加神经网络的复杂度，结果所耗用的电能，足够一个家庭半年所需。。。

一套市面上的人工智能（AI）口语软件，经过训练了解人类的语言，成为可用的商品，在训练期间，计算机运转所花耗的电能，如果转换成二氧化碳（CO2）排放量，相当五辆汽车寿命的总和，约280吨。

计算机的电源来自电厂，电厂燃烧煤、油、天然气、或其他燃料发电，所排放CO2的重量，即是所谓的碳足迹（Carbon Footprint）。上面那套软件的碳足迹，就是280吨。

碳足迹是怎么计算出来的？当然不是在工厂烟囱外面量出来的，而是根据多年经验发展出的计算方式。每燃烧一个碳原子（C），就会产生一个二氧化碳分子（CO2），也就是除了原来的Ｃ，又增加了两个氧原子（O），Ｃ的原子量为12，Ｏ为16，所以CO2的重量为12＋16Ｘ2＝44，为Ｃ的3.67倍。

每一种燃料都含有碳的成份，煤的含碳量约60%至80%，无烟煤更可能到90%，汽油与柴油含碳量约86%，石油、天然气、别的燃料也都含不同的碳成份，所以：

燃料使用量Ｘ燃料含碳成份Ｘ 3.67＝ CO2排放量

以一家燃煤电厂使用70%含碳的煤为例，燃烧100万吨的煤，也就是70万吨碳，所产生的CO2约250万吨，远大过燃料本身的重量。

有人把我们日常生活的碳足迹算出来了。一个人从旧金山飞到纽约来回，碳足迹约0.9吨；一个人平均活动一年的碳足迹约５吨；一位美国人平均活动一年的碳足迹约16吨，为别国人的三倍；一辆美国汽车总寿命的碳足迹约57吨。

我们的个人计算机，只要一开机就有碳足迹，因为耗电不多没有在意，但一旦用来训练AI就不同了。以去年一名Google实习生为例，建构了一套AI神经网络，把图片影像展现得栩栩如生，为了让图像显现细节，这名实习生不断增加神经网络的复杂度，结果所耗用的电能，足够一个家庭半年所需。

美国麻州大学（UMass）研究生Emma Strubell作博士论文时，发现所设计的算法耗用电能的碳足迹高达35吨，相当一位美国人两年的排放量，于是写了一篇论文，七月底在意大利佛罗伦萨「计算语言协会」年会上发表，论述AI的深层学习、特别是自然语言的处理，务必要考虑所花耗的能源。

自然语言处理是近年AI的一大优势，但在训练上花耗的能源，依结构的复杂、与调整的精细，有显着增加。

Transformer是两年前的协助写作软件，训练的碳足迹仅87公斤，今年初升级，用神经网络调整学习方式，不断精致写作功能（如作诗、作文），务使趋近完美。但训练所耗用的电能，却高达656，000千瓦小时（度），碳足迹也高达284吨，电费可高达300万美元之谱。

Emma Strubell特别强调，像这类AI付出的巨大代价，却与提升的质量不成比例，是否可避免，或在运算技术上大幅度提升运转效益。幸好欣见Google上月宣布投资新的机器学习模型，能源的使用效率可以增加10倍。

除了AI会使用高额度能源，所有的技术都会留下碳足迹，以目前趋势，到了2040年，全球20%碳足迹会来自技术。YouTube仅是一个播放影片的平台，大家用来观赏影视，但每年消耗能源的碳足迹却高达110万吨。数字器具虽小，庞大的数量加在一起，就了制造环保冲击。

人的脑子思考与运算，不需要那么多能源，问题是如何制造跟人脑一样的机器？