昔日東方大行觀點：AI變革藏能源消耗隱患
人工智能（AI）正在迅速改變人類的生活及工作方式，雖然AI有可能顛覆許多行業的發展，但亦需要關注AI對環境造成的重大影響。
AI對環境產生的直接影響，主要來自其所需的實體基礎設施，包括數據中心、處理器及其他專用電腦硬件，這些被稱為AI的基礎設施。不少證據顯示，AI運算對環境產生的直接影響，很大程度上都是負面的。AI運算的生命周期分為4個階段：一、生產階段；二、運輸階段；三、營運階段；四、報廢階段。當中，營運階段所產生的碳排放量高達70至80%。
生產階段涉及採用原材料的物理提取，以及建造AI硬件和基礎設施所需的組件。衡量碳排放量的其中一個難題，是所使用的資源通常與整體資訊及通訊技術（ICT）領域相關，而非只涉及AI領域。
數據中心耗電量龐大
AI在生產階段的碳足迹估計存在着差異，目前而言，生產階段的碳足迹仍相對輕微。然而，隨着可再生電力在營運階段消耗的能源佔比持續上升，生產階段對環境足迹的影響將會更為顯著。
資訊與通訊科技硬件產生的排放量，只佔全球運輸溫室氣體排放的一小部分，與AI運算硬件相關運輸排放所佔的比例甚至會更低。
在分析AI對環境的直接影響時，營運階段是主要關注的領域。這個階段的兩項環境主要考慮因素是能源消耗及用水量。以數據中心作為替代指標，以了解AI的能源消耗情況。雖然並非所有數據中心的用途都與AI有關，但愈來愈多AI模型在超大型倉庫規模的數據中心進行訓練、儲存及部署。據估計，全球約有1至1.5%的總用電量來自數據中心，相當於約220至320太瓦時（TWh）。
儘管數據中心的工作負荷大幅增加，但數據中心的耗電量在過去10年維持在相對穩定水平。出現這種明顯脫鈎情況的主要原因是：AI運算效率提升、轉移至雲端，以及轉向更大規模數據中心。
就生成式人工智能（Generative AI）的能源消耗而言，哈佛大學的一項研究發現，訓練ChatGPT-3需要1.3吉瓦時（GWh）電力，相當於120個美國家庭一年的用電量。與生成式AI相關的主要問題，在於模型複雜性急速增長，因此所需的能源大大增加。
同時，數據中心的水足迹，受發電時消耗的水資源及冷卻消耗的水資源所影響。麻省大學阿默斯特分校近期的一項研究發現，訓練一項生成式AI模型可能消耗多達28.4萬公升水，這相當於一個普通人27年的用水量。
電子廢棄物造成污染
AI報廢階段對環境的主要影響是其產生的電子廢棄物。這些廢棄物含有重金屬和有毒的化學物質，這些物質一旦滲入居住環境，將會造成污染。
實施循環經濟模型，即盡量減少廢物及最大程度上利用資源，對於管理AI的環境影響至關重要。從正面的角度看，可運用多種創新的方法，重新利用數據中心所產生的熱量，其中包括利用多餘的熱量支持地區性的供熱系統，將高溫水輸送到各個家庭住戶及不同的建築物。
此外，這種熱能亦適用於農業範疇，例如為溫室全年供暖，或為養魚場及公共游泳池的水加熱。
AI幾乎可以解決現實世界的各種問題。就以可持續土地用途為例，AI的應用包括早期的農作物產量預測、精準量度農業及營養補給、用於農作物管理的超局部天氣預報、早期檢測農作物問題、自動化及增強土地用途變化檢測，以避免森林砍伐並監測牲畜的健康與福祉。
然而，任何增強具有破壞性行業的AI應用都被視為有害。在某些特定情況下，只有能源消耗下降，AI提高營運效率及繼而有利環境的論證才能成立。但隨着技術變得更有效率及更具成效，需求及消耗亦可能因而增加。這可能會抵銷效率提升所帶來的環境或經濟效益。
人人做記者
爆料方法 :
爆料熱線：
(852) 3600 3600
傳 真：
(852) 3600 8800
SMS：
(852) 6500 6500
