像ChatGPT这样的大型语言模型能帮助我们获得更好的搜索结果，给我们的生活带来便利，但它也有不好的一面：为了提升搜索体验，训练和运行大型语言模型将产生巨大的碳排放量。

二月初，谷歌与微软先后宣布对他们的搜索引擎进行了重大改革。这两家科技巨头都在构建或购买生成式人工智能工具上投入巨资，这些工具能使用大型语言模型来理解和回答复杂的问题。现在，他们正试图将其整合到搜索中，希望能给用户提供更丰富、更准确的体验。

(相关资料图)

但对这些新工具的兴奋之情可能掩盖了一个肮脏的秘密——构建高性能人工智能搜索引擎的竞赛可能需要计算能力的大幅提升，随之而来的是科技公司所需的能源和碳排放量的大幅增加。

英国萨里大学网络安全教授艾伦·伍德沃德（Alan Woodward）表示：“已经有大量资源用于索引和搜索互联网内容，但人工智能的加入会将这件事所需的能源和资源提升到另一个层次。它需要高效的处理能力、存储能力和搜索能力。每当我们看到在线处理的进一步变化时，就会看到大型处理中心所需的电力和冷却资源在显著增加。”

训练大型语言模型（LLMs），比如OpenAI的ChatGPT（它将为微软的必应搜索引擎提供支持），以及谷歌的同类产品Bard，意味着在大量数据中解析和计算联系，这就是这些模型往往是由拥有大量资源的公司开发的原因。

“训练这些模型需要大量的计算能力，”西班牙拉科鲁尼亚大学的计算机科学家卡洛斯·戈麦斯·罗德里格斯（Carlos Gómez-Rodríguez）说，“现在，只有大型科技公司才能训练这些模型。”

虽然OpenAI和谷歌都没有说过他们各自产品的计算成本是多少，但研究人员的第三方分析估计，ChatGPT部分基于GPT-3的训练消耗了1287兆瓦时，并导致了超过550吨的二氧化碳排放量，这相当于一个人在纽约和旧金山之间往返550次。

卡洛斯·戈麦斯·罗德里格斯表示：“这并没有那么糟糕，但你必须考虑到这样一个事实：你不仅要训练它，还要执行它，为数百万用户服务。”

投资银行瑞银（UBS）估计，ChatGPT每天有1300万用户，将其作为一个独立产品使用，与将其整合到每天处理5亿次搜索的必应中，也有很大的区别。

加拿大数据中心公司QScale联合创始人马丁·布沙尔（Martin Bouchard）认为，根据他对微软和谷歌搜索计划的了解，在这一过程中添加生成式人工智能，需要“每次搜索至少增加4到5倍的计算量”。他指出，ChatGPT目前对2021年底之后的事情是不理解的，这在一定程度上减少了计算需求。

但为了满足搜索引擎用户日益增长的需求，这将不得不改变。他说：“如果他们要经常重新训练模型，并添加更多参数之类的东西，计算量的规模就完全不同了。”

这将需要在硬件上进行大量投资。布沙尔说：“我们现有的数据中心和基础设施将无法应对（生成式人工智能的竞争）。计算量太大了。”

根据国际能源署（International Energy Agency）的数据，数据中心的温室气体排放量已经占到全球温室气体排放量的1%左右。随着云计算需求的增长，这一数字预计还会上升，但运营搜索引擎的公司已承诺将减少自身对全球变暖的净贡献。

卡洛斯·戈麦斯·罗德里格斯表示：“这绝对没有运输业或纺织业那么糟糕。但（人工智能）可能成为碳排放的一个重要来源。”

微软已经承诺到2050年实现碳负排放。该公司计划今年购买150万吨碳信用额。谷歌承诺到2030年在其整个业务和价值链实现净零排放。OpenAI和微软没有回应记者的置评请求。

为了减少“将人工智能集成到搜索中”的环境足迹和能源成本，可以将数据中心转移到更清洁的能源上，以及重新设计神经网络以提高效率，减少所谓的“推理时间”（即算法在新数据上工作所需的计算能力）。

谢菲尔德大学自然语言处理讲师纳菲思·沙达特·穆塞维（Nafise Sadat Moosavi）说：“我们必须研究如何减少这种大型模型所需的推理时间，”她致力于自然语言处理的可持续性研究，“现在是关注效率方面的一个好时机。”

谷歌发言人简·帕克（Jane Park）告诉《连线》杂志，谷歌最初发布的Bard版本是由一个轻量级大型语言模型提供支持的。

帕克说：“我们还发表了一项研究，详细介绍了最先进的语言模型的能源成本，包括早期和更大版本的LaMDA。我们的研究结果表明，将高效的模型、处理器和数据中心与清洁能源相结合，可以将[机器学习]系统的碳足迹减少1000倍。”

问题是，至少在谷歌的情况下，为了获得在搜索准确性上的微小进步，而付出所有额外的计算能力和麻烦是否值得。但是穆塞维说，虽然关注LLMs产生的能源和碳足迹很重要，但我们也需要注意到大型语言模型的积极方面。

她说：“这对终端用户来说是件好事。因为之前的大型语言模型并不是每个人都能使用得到的。”