本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

AI生成比人類動手寫畫所排放的二氧化碳可少三個(gè)數(shù)量級！

結(jié)論來自LeCun最新分享“非常因吹斯汀”的一篇論文：

看這轉(zhuǎn)發(fā)評論量就知道，網(wǎng)友又坐不住了。

有網(wǎng)友看到這個(gè)結(jié)果還有點(diǎn)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(xùn)練模型過程中的二氧化碳排放量算進(jìn)去。

此外，也有很多網(wǎng)友對論文中使用的計(jì)算方法提出了質(zhì)疑。

那這篇論文里究竟是如何計(jì)算的？訓(xùn)練模型有沒有算上？我們一起來看看。

AI vs 人類

這項(xiàng)研究由來自加州大學(xué)歐文分校、麻省理工學(xué)院斯隆管理學(xué)院等研究人員共同完成。

在這場人機(jī)二氧化碳排放量比較中，研究人員派出的AI隊(duì)成員有ChatGPT（文本）、BLOOM（文本）、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(gè)問題就是定義AI的二氧化碳排放源。

研究人員認(rèn)為兩個(gè)主要組成一是模型的訓(xùn)練排放、二是每次查詢排放。訓(xùn)練排放作為一次性成本，計(jì)算時(shí)將分?jǐn)偟矫看尾樵冎小?/p>

這里參照的模型訓(xùn)練排放量數(shù)據(jù)是：訓(xùn)練GPT-3排放約552噸二氧化碳當(dāng)量；訓(xùn)練BLOOM排放了30噸二氧化碳當(dāng)量。

（二氧化碳當(dāng)量是用作比較不同溫室氣體排放的量度單位）

此外，訓(xùn)練模型并不是訓(xùn)一次就可以了，后面還要不斷訓(xùn)練優(yōu)化，研究人員在這里默認(rèn)每個(gè)月都要再對模型進(jìn)行一次完整訓(xùn)練。

而每次查詢排放的計(jì)算，則是按照ChatGPT每天約排放3.82噸、回復(fù)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(dāng)量排放。同樣方法，BLOOM每次查詢會排放1.5克。

綜合訓(xùn)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(dāng)量，BLOOM每查詢一次約排放1.6克二氧化碳當(dāng)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(shí)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(gè)人寫250字（這里算1頁字）大約需要0.8小時(shí)。

然后研究人員的算法是這樣?jì)饍旱模?/p>

• 美國人年平均碳排放約為15噸二氧化碳當(dāng)量，則美國人每小時(shí)碳排放約為15噸/8760小時(shí)=1.7公斤二氧化碳當(dāng)量。因此，美國人寫250字所產(chǎn)生的碳排放約為0.8小時(shí)x1.7公斤/小時(shí)=1.4公斤二氧化碳當(dāng)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(dāng)量。則印度人每小時(shí)碳排放約為0.22公斤二氧化碳當(dāng)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(dāng)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(jì)算出支持人類寫作的筆記本電腦0.8小時(shí)產(chǎn)生約27克二氧化碳，臺式機(jī)產(chǎn)生72克。

下面來看比較結(jié)果。

BLOOM生成每頁文本排出的二氧化碳當(dāng)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(gè)圖像需要數(shù)萬兆次運(yùn)算量。

所以研究人員根據(jù)運(yùn)算量，算出了耗電量繼而轉(zhuǎn)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(dāng)量。

在計(jì)算人類繪圖二氧化碳排放量時(shí)，研究人員先是根據(jù)行業(yè)數(shù)據(jù)，計(jì)算出人類插圖師的平均繪圖項(xiàng)目費(fèi)用約為200美元，平均時(shí)薪約為62.5美元/小時(shí)。因此估計(jì)完成一項(xiàng)商業(yè)繪圖項(xiàng)目平均需要3.2小時(shí)。

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(shí)3.2小時(shí)，對應(yīng)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(yīng)碳排放量約為690克。

此外，電腦碳排放量也要計(jì)算在內(nèi)，筆記本電腦0.8小時(shí)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(jié)果。

DALL-E2排放二氧化碳當(dāng)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(dāng)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(jì)算，AI在寫作和繪圖任務(wù)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(shí)他們也指出了其中的局限性：

研究人員認(rèn)為并非所有領(lǐng)域都適合AI干預(yù)，某些簡單任務(wù)人類更高效。并且未來技術(shù)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(dǎo)致工作流失、訓(xùn)練數(shù)據(jù)的合法性存在爭議。

此外，隨著AI技術(shù)的提高，有可能導(dǎo)致對由AI生產(chǎn)的商品和服務(wù)的需求增加，從而通過反彈效應(yīng)（rebound effects）導(dǎo)致資源使用和污染的進(jìn)一步增加。

總之研究人員認(rèn)為：

AI可以在社會的各個(gè)領(lǐng)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(wù)上AI碳排放遠(yuǎn)低于人類，不應(yīng)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(guān)注。

看過論文的網(wǎng)友對其中的計(jì)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(gè)人的排放和一個(gè)AI模型的排放。

還有網(wǎng)友把杰文斯悖論都搬出來了，認(rèn)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(yuǎn)超我曾經(jīng)想從人類藝術(shù)家那里購買的數(shù)量；當(dāng)價(jià)格彈性小于1時(shí)，單位成本的降低會導(dǎo)致總支出的增加，雖然我承認(rèn)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(rèn)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(shù)人員不是應(yīng)該更關(guān)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(diǎn)。

當(dāng)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(rèn)為它為討論和潛在的新方法打開了大門，促進(jìn)更好地比較AI和“人類”（傳統(tǒng)對應(yīng)物），這是一個(gè)必須要打開的話題。

還有網(wǎng)友這波Q到了老黃（doge）：

不要跟Jensen（黃仁勛）講。