AI 生成比人類動手寫畫所排放的二氧化碳可少三個數(shù)量級！
結(jié)論來自 LeCun 最新分享“非常因吹斯汀”的一篇論文：
看這轉(zhuǎn)發(fā)評論量就知道，網(wǎng)友又坐不住了。
有網(wǎng)友看到這個結(jié)果還有點小驚訝：
生成式 AI 更具創(chuàng)造力且對環(huán)境更友好，這誰能猜到？
還有一小撮網(wǎng)友沒看過論文問道：
有沒有把訓(xùn)練模型過程中的二氧化碳排放量算進去。
此外，也有很多網(wǎng)友對論文中使用的計算方法提出了質(zhì)疑。
那這篇論文里究竟是如何計算的？訓(xùn)練模型有沒有算上？我們一起來看看。
AI vs 人類
這項研究由來自加州大學(xué)歐文分校、麻省理工學(xué)院斯隆管理學(xué)院等研究人員共同完成。
在這場人機二氧化碳排放量比較中，研究人員派出的 AI 隊成員有 ChatGPT（文本）、BLOOM（文本）、DALL-E2（圖像）、Midjourney（圖像）。
先來看文本方面的比較。
寫作比較
首先要解決的第一個問題就是定義 AI 的二氧化碳排放源。
研究人員認為兩個主要組成一是模型的訓(xùn)練排放、二是每次查詢排放。訓(xùn)練排放作為一次性成本，計算時將分攤到每次查詢中。
這里參照的模型訓(xùn)練排放量數(shù)據(jù)是：訓(xùn)練 GPT-3 排放約 552 噸二氧化碳當(dāng)量；訓(xùn)練 BLOOM 排放了 30 噸二氧化碳當(dāng)量。
（二氧化碳當(dāng)量是用作比較不同溫室氣體排放的量度單位）
此外，訓(xùn)練模型并不是訓(xùn)一次就可以了，后面還要不斷訓(xùn)練優(yōu)化，研究人員在這里默認每個月都要再對模型進行一次完整訓(xùn)練。
而每次查詢排放的計算，則是按照 ChatGPT 每天約排放 3.82 噸、回復(fù) 10000000 次查詢的數(shù)據(jù)，估算了每次查詢會產(chǎn)生 0.382 克二氧化碳當(dāng)量排放。同樣方法，BLOOM 每次查詢會排放 1.5 克。
綜合訓(xùn)練和查詢排放，最后得出 ChatGPT 每查詢一次約排放 2.2 克二氧化碳當(dāng)量，BLOOM 每查詢一次約排放 1.6 克二氧化碳當(dāng)量。
在人類寫作二氧化碳排放方面，The Writer 雜志的一篇文章曾指出：馬克?吐溫每小時約能創(chuàng)作 300 字，可看作是其他作家的平均寫作速度。
基于上述速度，來估算一個人寫 250 字（這里算 1 頁字）大約需要 0.8 小時。
然后研究人員的算法是這樣嬸兒的：
美國人年平均碳排放約為 15 噸二氧化碳當(dāng)量，則美國人每小時碳排放約為 15 噸 / 8760 小時 = 1.7 公斤二氧化碳當(dāng)量。因此，美國人寫 250 字所產(chǎn)生的碳排放約為 0.8 小時 x1.7 公斤 / 小時 = 1.4 公斤二氧化碳當(dāng)量，約 1400 克。
同理，印度人年平均碳排放約為 1.9 噸二氧化碳當(dāng)量。則印度人每小時碳排放約為 0.22 公斤二氧化碳當(dāng)量。因此，印度人寫 250 字所產(chǎn)生的碳排放約為 0.18 公斤二氧化碳當(dāng)量，約 180 克。
此外，根據(jù)電腦平均功率和發(fā)電碳排放系數(shù)，研究人員還計算出支持人類寫作的筆記本電腦 0.8 小時產(chǎn)生約 27 克二氧化碳，臺式機產(chǎn)生 72 克。
下面來看比較結(jié)果。
BLOOM 生成每頁文本排出的二氧化碳當(dāng)量是美國作家寫作的 1/1500，是印度作家寫作的 1/190。
而 ChatGPT 的排放是美國作家寫作的 1/1100，印度作家寫作的 1/130。
考慮電腦的使用，AI 寫作也比人類加電腦總排放要少得多。
再來看看圖像方面的比較。
繪圖比較
DALL-E2 參考 ChatGPT 的方法，每次查詢排放量約 2.2 克。
而 Midjourney CEO David Holz 曾表示每個圖像需要數(shù)萬兆次運算量。
所以研究人員根據(jù)運算量，算出了耗電量繼而轉(zhuǎn)換為碳排放量，最后估算出 Midjourney 每生成一張圖排放約 1.9 克二氧化碳當(dāng)量。
在計算人類繪圖二氧化碳排放量時，研究人員先是根據(jù)行業(yè)數(shù)據(jù)，計算出人類插圖師的平均繪圖項目費用約為 200 美元，平均時薪約為 62.5 美元 / 小時。因此估計完成一項商業(yè)繪圖項目平均需要 3.2 小時。
這里也是分別評估了美國和印度插圖師的碳排放量。
美國人年平均碳排放量約為 15 噸。創(chuàng)作一張圖像耗時 3.2 小時，對應(yīng)碳排放量約為 5500 克。印度人年平均碳排放量約為 1.9 噸，繪一張圖對應(yīng)碳排放量約為 690 克。
此外，電腦碳排放量也要計算在內(nèi)，筆記本電腦 0.8 小時產(chǎn)生約 100 克二氧化碳排放，臺式電腦約 280 克。
綜上來看比較結(jié)果。
DALL-E2 排放二氧化碳當(dāng)量約為美國插畫師的 1/2500，約為印度插畫師的 1/310。
Midjourney 排放的二氧化碳當(dāng)量約為美國插畫師的 1/2900，約為印度插畫師的 1/370。
同樣考慮電腦使用，AI 繪圖也比人類及電腦總排放要少得多。
也要考慮其它因素
雖然根據(jù)研究人員的計算，AI 在寫作和繪圖任務(wù)中比人類動手寫作畫圖排放的二氧化碳量要少得多，但同時他們也指出了其中的局限性：
研究人員認為并非所有領(lǐng)域都適合 AI 干預(yù)，某些簡單任務(wù)人類更高效。并且未來技術(shù)變化可能會改變 AI 和人類對環(huán)境的影響程度。
其次 AI 還存在潛在的社會影響，可能導(dǎo)致工作流失、訓(xùn)練數(shù)據(jù)的合法性存在爭議。
此外，隨著 AI 技術(shù)的提高，有可能導(dǎo)致對由 AI 生產(chǎn)的商品和服務(wù)的需求增加，從而通過反彈效應(yīng)（rebound effects）導(dǎo)致資源使用和污染的進一步增加。
總之研究人員認為：
AI 可以在社會的各個領(lǐng)域發(fā)揮重要作用，目前不會陷入碳排放問題之中。盡管 AI 碳排放量不可忽視，但目前在某些寫作和繪圖任務(wù)上 AI 碳排放遠低于人類，不應(yīng)忽視 AI 相對于人類的碳排放優(yōu)勢。
引起網(wǎng)友熱議
被 LeCun 發(fā)出來的論文，自然受到了很多人的關(guān)注。
看過論文的網(wǎng)友對其中的計算方法提出了質(zhì)疑：
這篇文章的方法論有很大問題，不能簡單地比較一個人的排放和一個 AI 模型的排放。
還有網(wǎng)友把杰文斯悖論都搬出來了，認為 AI 的使用量增加后，二氧化碳排放量會彈彈彈回來：
我用 Midjourney 生成的圖像數(shù)量遠超我曾經(jīng)想從人類藝術(shù)家那里購買的數(shù)量；當(dāng)價格彈性小于 1 時，單位成本的降低會導(dǎo)致總支出的增加，雖然我承認我可能不會生成 1 萬張圖。
除了有吐槽方法缺陷的，還有網(wǎng)友認為這種排放和其它活動的排放量相比微不足道：
誰是二氧化碳最大的排放者？技術(shù)人員不是應(yīng)該更關(guān)注那些真正有重大影響活動？
雖然研究人員在論文最后的討論中已或多或少提到了這些問題，但還是成為了網(wǎng)友的熱議點。
當(dāng)然也有肯定這種比較的網(wǎng)友：
盡管這種方法存在缺陷，但我認為它為討論和潛在的新方法打開了大門，促進更好地比較 AI 和“人類”（傳統(tǒng)對應(yīng)物），這是一個必須要打開的話題。
還有網(wǎng)友這波 Q 到了老黃（doge）：
不要跟 Jensen（黃仁勛）講。
參考鏈接：
[1]https://twitter.com/ylecun/status/1704098609535320365
[2]https://arxiv.org/abs/2303.06219
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。