AI有多绿色？机器学习环境影响趋势研究
人机交互
2024-12-24 v1
摘要
与训练人工智能（AI）模型相关的计算需求正呈指数级增长。优化策略旨在减少与AI相关的能源消耗和环境影响，可能将影响从使用阶段转移到硬件制造阶段的生命周期中。在本文中，我们研究了单个图形处理卡（GPU）生产的环境影响以及随时间发展的机器学习（ML）模型训练环境影响。我们收集了2013年至2023年间用于训练ML模型的图形处理卡的信息。我们评估了每张图形处理卡生产的环境影响，以可视化同一时期的趋势。随后，我们利用来自Epoch AI数据集中值得关注的AI系统信息，对每个系统的训练环境影响进行评估。图形处理卡生产的环境影响呈持续增长趋势。即使考虑到位置转移以降低碳密集型电力混合物的影响，机器学习模型训练的能源消耗和环境影响仍呈指数级增长。这些结果表明，当前的影响减少策略无法遏制AI环境影响的增长。这与反弹效应相符，即效率的提升燃造了更大型模型的创建，从而抵消了潜在的影响减少。此外，这些结果凸显了考虑硬件整个生命周期影响的重要性，而不仅仅是使用阶段，以避免影响转移。AI的环境影响若要降低，既需要减少AI活动，又需要提高效率。
引用
@article{arxiv.2412.17375,
title = {A Room to Roam: Reset Prediction Based on Physical Object Placement for Redirected Walking},
author = {Sulim Chun and Ho Jung Lee and In-Kwon Lee},
journal= {arXiv preprint arXiv:2412.17375},
year = {2024}
}