人工智慧不喝水，但訓練人工智慧系統的資料中心會使用大量水來冷卻伺服器。這只是數位水消耗問題的一小部分。
ChatGPT 和 Bard 等人工智慧比典型的網路搜尋消耗更多的水和能源。
根據加州大學河濱分校的預印本，與 ChatGPT 的一次對話消耗約 50 厘升的水，相當於一個小塑膠瓶的水量。
每月有近 15 億用戶，這個數字加起來很快。
二氧化碳排放量波動
資料中心對於人工智慧培訓至關重要，幾乎佔全球能源消耗的 1%。這個數字在未來幾年將會上升。
但這些中心排放的二氧化碳量各不相同，取決於它們的基地國是使用煤炭、天然氣還是再生能源發電。
在微軟和艾倫人工智慧研究所資助的一篇論文中，研究人員表明，透過修改人工智慧的訓練位置，可以將營運的二氧化碳排放量減少 75%。
數位公司之間也有很多關於「追隨太陽」的討論，即全天改變人工智慧訓練地點，以便能夠持續使用太陽能。
優化人工智慧訓練地點可能是限制其對環境影響的重要手段。
更具體地說，像 Bloom 這樣的人工智慧（作為 BigScience 研究計畫的一部分而開發的 ChatGPT 的完全開源版本）在訓練過程中產生了相當於 25 噸的二氧化碳。
儘管所使用的能源大部分來自核能，因此是無碳的。對於運行 ChatGPT 的 GPT-3，其碳足跡估計高出 20 倍，相當於乘坐飛機從巴黎到紐約約 300 次往返。
支援地球的人工智慧
儘管人工智慧對環境有影響，但它在應對全球暖化方面可以發揮作用。例如，它們可以幫助氣象學家預測極端天氣事件，或優化工業流程以減少二氧化碳排放。
如今，開發人員面臨的特殊挑戰是透明度。大多數公開的人工智慧模型不會透露模型的訓練地點或使用它們的碳成本。
當使用者確實掌握了這些資訊時，他們可以做出自己明智的選擇。例如，在用基本問題轟炸ChatGPT之前，我們可以進行簡單的瀏覽器搜索，這樣比較省電。
要了解更多信息，請觀看上面的視頻。
