迈向全面评估人工智能的环境影响

人工智能和机器学习（AI/ML）已使得探索各种环境和气候问题的解决方案成为可能，包括自然灾害、温室气体排放、生物多样性监测、农业以及天气和气候建模，从而推动气候变化减缓的进展。然而，AI/ML与环境的交集并非总是积极的。最近对ML的兴趣激增，得益于处理海量数据的能力，并由大规模计算能力的获取所推动，引发了AI/ML大规模采用的趋势。这种兴趣对自然资源造成了巨大压力，而这些压力往往被忽视或未得到充分报告。需要一个框架来监测AI/ML在其整个生命周期中对环境的影响和退化，以便为政策制定者和利益相关者提供信息，从而充分实施标准和政策，并随时间跟踪政策结果。为了使这些政策有效，需要在全球关键活动地点以空间分解、及时的方式监测AI的环境影响。本研究提出了一种方法，利用公开可用的能源数据和全球获取的卫星观测数据，跟踪与数据中心周围AI多方面影响相关的环境变量。我们以美国弗吉尼亚州北部（该地区拥有越来越多的数据中心）为例，观察了多个基于卫星的环境指标的变化。然后，我们讨论了将该方法扩展到全面评估AI对全球环境影响的步骤。我们还指出了数据差距，并提出了改进理解和监测AI引发的环境和气候变化的建议。