隐藏的人工智能竞赛：追踪创新环境成本

过去十年间，AI 系统的流行度大幅上升，主要归功于生成式 AI（Gen AI）的发展，这些技术在诸多行业和应用领域取得了革命性进展。然而，这一进展对环境造成了巨大成本，训练和部署这些模型消耗大量计算资源和能源，并在大气中产生巨大的碳足迹。本文研究了不同领域、不同时间段模型释放的二氧化碳量。通过考察模型规模、软件仓库活动（如提交次数和仓库年龄）、任务类型以及组织属性等参数，我们识别出影响 AI 开发环境影响的关键因素。我们的发现表明，模型规模和版本控制频率与更高排放强烈相关，而领域特定趋势显示，NLP 模型相较于基于音频的系统通常具有较低的碳足迹。组织背景也起着重要作用，其中由大学驱动的项目排放最高，其后是非营利组织和公司，而社区驱动的项目则显示出排放降低。这些结果凸显了绿色 AI 实践的关键需求，包括采用能效更好的架构、优化开发工作流程以及利用可再生能源。我们还讨论了一些可以lead to a more sustainable future with AI的做法，并以我们的工作为导向提出了一些未来研究方向。这项工作不仅为减轻 AI 环境影响提供了可操作的见解，还提出了社区可探索的新研究问题。通过强调可持续性与创新之间的相互作用，我们的研究旨在引导未来努力 toward building a more ecologically responsible AI ecosystem。