人工智能的力量并未变得低效——它正在进化！

好的，我们开始！忘掉那些令人沮丧、只有数字的表格吧；让我们以一种最意想不到的方式聊聊科技。还记得Sky News那条关于谷歌排放量急剧上升（*真的*）飞速增长的头条新闻吗？好吧，并不仅仅是我在咖啡机被数据中心取代的问题上感到恐慌。（不过说实话，我的咖啡机看起来比某些东西要高效得多）。事实证明，“人工智能：为何”这件事远比我想象的复杂。他们并没有像突然决定要把新潮聊天机器人运行所需的能源加倍那样行事。

那是在五年期间逐步发生的——可以把它想成是一种缓慢的增长趋势，而不是一夜之间爆发数字灾难（digital doom）。而且48%的增长，在纯粹考虑碳足迹的情况下可能听起来很可怕，但当你考虑到所投入的巨大算力时，感觉又有些不同了。因为人工智能？这就像是试图向一个不断把颜料涂得到处都是的小孩解释水彩画的原则：这需要大量的尝试和错误。

训练这些大型模型就像数以百万计的能量消耗型蚂蚁整齐划一地行军——但它们在过程中半途而废，转而去玩抛接虚拟热狗的游戏！每个模型的迭代都需要海量的计算资源，就像我那次试图只用微波炉的功率来烤蛋糕一样（学到的经验：回合制系统需要持续的外部热量）。而这变得真正有趣的是。尽管你可能会认为为AI提供能源是纯粹的环境罪恶，但故事并非完全是黑白分明。

它不像是在办公楼里简单地开关灯之类的，更像是……想象一下，在没有零食的情况下试图向满教室坐立不安的小学生讲解复杂的微积分（fidgeting kindergarteners）。你可以看到潜在的突破点（训练好的模型），但也得处理大量的低效反弹！不仅仅是现在使用的能源与过去相比的数量；关键在于这能源究竟用来驱动什么。

对了，因为人工智能不仅仅是在电池上运行另一个应用程序。我们谈论的是多模态理解——那些能通过视觉和听觉来感知世界的学习型模型（models that learn to see the world through both eyes AND ears）。或者更确切地说，它们需要万亿次浮点运算的处理能力，并且是同时进行！此外，在强化学习这样的领域中，算法是靠实践……有时意味着它在获得实用结果之前要花大量时间瞎玩。这就像是猫在琢磨从多高的冰箱上跳下来一样——需要很多次尝试！

所以，请保持耐心（或你的监管担忧），我们不要把整个AI碳宝宝和废水一起倒掉！事实是，人工智能随着时间推移确实在自我改进。

效率提升不断取得进展——想想研究员们在自己的小屋里捣鼓，试图找到让这些数字大脑能够理解事物而不需要博士学位的方法。而且也许，如果他们在国外的项目上远程工作呢？谁知道呢！

关键是，我们可以从中学习。
所以，当普通人听到他们喜欢的技术巨头在能源消耗方面变得“更加华丽”时（gaudier），这意味着什么呢？

这可能意味着下次当你向你的AI助手问一个关于天气或松鼠为何收集橡子之类愚蠢的问题时，请停下来思考一下幕后那些复杂旋转背后的意义。但嘿，也许我们应该考虑自己如何能减少能耗——就像那篇文章暗示的那样：`Find Work Abroad` 可以是专业人士寻找更绿色工作途径之一？真是个疯狂的想法！

归根结底，这不仅仅是关乎谷歌的电费账单（尽管他们可能仍然还没付清）。它突显了创新复杂的现实。我们在用人工智能挑战界限，在探索新的领域——无论是字面意义上还是象征意义上。

但我们正变得越来越智能。
所以，这里要吸取的关键信息是：尽管现在为AI提供能源是一个严峻的能源挑战，但别指望所有人都会因为技术消耗过多能量而放弃它！

这个领域在不断发展，并且解决方案也在每天被创造出来。这关乎于平衡进步与责任——找到那个美妙的交叉点，在那里强大的工具与环保实践相遇。

我们有了提高效率的算法；让我们希望也拥有集体决心去实现它……在我们的碳足迹再次出人意料地下降之前！
< Go Back