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！
結論來自 LeCun 最新分享“非常因吹斯汀”的一篇論文:
看這轉發(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歐文分校、麻省理工學院斯隆管理學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、BLOOM、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練排放、二是每次查詢排放。訓練排放作為一次性成本，計算時將分攤到每次查詢中。
這里參照的模型訓練排放量數(shù)據(jù)是:訓練 GPT-3 排放約 552 噸二氧化碳當量；訓練 BLOOM 排放了 30 噸二氧化碳當量。
此外，訓練模型并不是訓一次就可以了，后面還要不斷訓練優(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 10000000 次查詢的數(shù)據(jù)，估算了每次查詢會產(chǎn)生 0.382 克二氧化碳當量排放。同樣方法，BLOOM 每次查詢會排放 1.5 克。
綜合訓練和查詢排放，最后得出 ChatGPT 每查詢一次約排放 2.2 克二氧化碳當量，BLOOM 每查詢一次約排放 1.6 克二氧化碳當量。
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 噸二氧化碳當量。則印度人每小時碳排放約為 0.22 公斤二氧化碳當量。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。
下面來看比較結果。
BLOOM 生成每頁文本排出的二氧化碳當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。
綜上來看比較結果。
DALL-E2 排放二氧化碳當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域都適合 AI 干預，某些簡單任務人類更高效。并且未來技術變化可能會改變 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，可能導致工作流失、訓練數(shù)據(jù)的合法性存在爭議。
此外，隨著 AI 技術的提高，有可能導致對由 AI 生產(chǎn)的商品和服務的需求增加，從而通過反彈效應導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上 AI 碳排放遠低于人類，不應忽視 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)想從人類藝術家那里購買的數(shù)量；當價格彈性小于 1 時，單位成本的降低會導致總支出的增加，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？技術人員不是應該更關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”，這是一個必須要打開的話題。
還有網(wǎng)友這波 Q 到了老黃:
不要跟 Jensen講。
參考鏈接:
鄭重聲明：此文內(nèi)容為本網(wǎng)站轉載企業(yè)宣傳資訊，目的在于傳播更多信息，與本站立場無關。僅供讀者參考，并請自行核實相關內(nèi)容。
|
