人工智能發展的關鍵要素及其對氣候變化的影響
人工智能已經成為世界的流行語，并且幾乎是每個公司數字化轉型議程中不可或缺的一部分。AI用戶已成為AI工具和服務的生產者。公司領導都提出了關于人工智能的促進，頒布和發展的指令。
全球有4000多家公司從事AI工具，產品和服務的生產。人工智能及其對氣候變化的影響。Gartner預測，到2021年，人工智能將創造2.9萬億美元的商業價值，并產生62億小時的工人生產力。根據這些假設，難怪普華永道預測，到2030年，人工智能可以為全球經濟貢獻15.7萬億美元。
盡管全世界都對以人工智能為主導的用例感到樂觀，并支持大量投資，但一件事的關注度可能遠遠低于理想情況：人工智能–引發了氣候變化。
人工智能的發展需要兩個關鍵要素：
- 大量的培訓數據。如果沒有歷史數據可以訓練它們，那么機器學習模型將一無所獲。例如，要訓練計算機視覺模型以檢測，識別和標記看到照片或視頻的對象，則需要在較長的時間段內首先對相應的，帶有標簽和注釋的數據進行訓練，直到他們開始使用這些知識。然后確定他們之前可能見過的物體。
- 相應地，大量的存儲和計算能力。現在，將其與公司正在使用計算機視覺開發的數百萬個用例相乘，以檢測，識別，標記和預測一些用例，以了解所用基礎架構的數量。在非常保守的水平上，2018年全球有4000多家*公司，并且在不斷增長，致力于使用AI以一種或另一種形式實現人類工作自動化的一種或多種特定用例。
這兩種成分的意思是存儲，備份和功能設計此培訓數據所需的大量能量。
為了給您一個想法，麻省大學阿默斯特分校的一些機智的人測算出，一輛普通汽車在其一生中會產生126000磅的二氧化碳。訓練單個變壓器模型以在神經體系結構上使用1個GPU達到可接受的精度水平，需要的能量將產生626000磅的CO2。
二氧化碳的數量大約等于大約5輛汽車運行其引擎長達10年。該數據告訴我們，僅訓練一個AI變壓器模型就是5輛運行10年的汽車。
將其推斷為模型構建和培訓，表明那些4000多家AI公司正在做24/7的事情，令人驚訝的是看到相等的CO2產量以及向ML培訓轉移的能量。
出現3個明顯的問題。
- 這種AI流程的道德性如何—尤其是當全世界有超過9.4億人無法用電時。
- 當公司說他們支持“綠色”倡議時，當同一家公司向AI投資數十億美元時，這種說法有多可信?當您投資人工智能研究時，如何仍能保持綠色環保，Google似乎很有趣-它通過可再生能源使用了總電力需求的56%。相比之下，微軟約為32%，亞馬遜約為17%。
- 考慮到由于如此高的二氧化碳生產量和能源轉移遠離社會底層而造成的氣候變化影響，人工智能的進步值得嗎?
反對AI進步正在創造更多就業機會的反駁。
因此，我們有一個反駁，即人工智能的進步正在創造更多的就業機會，并幫助各國實現更高的GDP和人均率。這是有效的主張嗎?是的，但是有待進一步研究的是這是否確實是新的就業機會或對現有人力的再培訓。
從早期工業革命的自動織布機到今天的計算機，每一波技術的爭論都認為工作并沒有被破壞，而是隨著創造了全新的就業類別，就業從一個地方轉移到了另一個地方。
路德主義者可能破壞了工廠，以抗議對機器自動化的抗議，但是今天，這些工人將捍衛制造業以防止這些工作的消失。
氣候變化
也許，最根本的是-與保護氣候相比，我們能實現的AI重要的是什么?在AI方面進行投資是否真的是一個對社會負責的領導者的好選擇?我沒有答案，但是這個問題經常引起我的興趣。
我們正竭盡所能地尋求與這個問題的平衡。請強調您對這個問題的想法。希望下方評論區留下您的觀點。
