AI 生成比人类动手写画所排放的二氧化碳可少三个数量级！

结论来自 LeCun 最新分享“非常因吹斯汀”的一篇论文：

看这转发评论量就知道，网友又坐不住了。

有网友看到这个结果还有点小惊讶：

生成式 AI 更具创造力且对环境更友好，这谁能猜到？

还有一小撮网友没看过论文问道：

有没有把训练模型过程中的二氧化碳排放量算进去。

此外，也有很多网友对论文中使用的计算方法提出了质疑。

那这篇论文里究竟是如何计算的？训练模型有没有算上？我们一起来看看。

AI vs 人类

这项研究由来自加州大学欧文分校、麻省理工学院斯隆管理学院等研究人员共同完成。

在这场人机二氧化碳排放量比较中，研究人员派出的 AI 队成员有 ChatGPT（文本）、BLOOM（文本）、DALL-E2（图像）、Midjourney（图像）。

先来看文本方面的比较。

写作比较

首先要解决的第一个问题就是定义 AI 的二氧化碳排放源。

研究人员认为两个主要组成一是模型的训练排放、二是每次查询排放。训练排放作为一次性成本，计算时将分摊到每次查询中。

这里参照的模型训练排放量数据是：训练 GPT-3 排放约 552 吨二氧化碳当量；训练 BLOOM 排放了 30 吨二氧化碳当量。

（二氧化碳当量是用作比较不同温室气体排放的量度单位）

此外，训练模型并不是训一次就可以了，后面还要不断训练优化，研究人员在这里默认每个月都要再对模型进行一次完整训练。

而每次查询排放的计算，则是按照 ChatGPT 每天约排放 3.82 吨、回复 10000000 次查询的数据，估算了每次查询会产生 0.382 克二氧化碳当量排放。同样方法，BLOOM 每次查询会排放 1.5 克。

综合训练和查询排放，最后得出 ChatGPT 每查询一次约排放 2.2 克二氧化碳当量，BLOOM 每查询一次约排放 1.6 克二氧化碳当量。

在人类写作二氧化碳排放方面，The Writer 杂志的一篇文章曾指出：马克・吐温每小时约能创作 300 字，可看作是其他作家的平均写作速度。

基于上述速度，来估算一个人写 250 字（这里算 1 页字）大约需要 0.8 小时。

然后研究人员的算法是这样婶儿的：

• 美国人年平均碳排放约为 15 吨二氧化碳当量，则美国人每小时碳排放约为 15 吨 / 8760 小时 = 1.7 公斤二氧化碳当量。因此，美国人写 250 字所产生的碳排放约为 0.8 小时 x1.7 公斤 / 小时 = 1.4 公斤二氧化碳当量，约 1400 克。

• 同理，印度人年平均碳排放约为 1.9 吨二氧化碳当量。则印度人每小时碳排放约为 0.22 公斤二氧化碳当量。因此，印度人写 250 字所产生的碳排放约为 0.18 公斤二氧化碳当量，约 180 克。

此外，根据电脑平均功率和发电碳排放系数，研究人员还计算出支持人类写作的笔记本电脑 0.8 小时产生约 27 克二氧化碳，台式机产生 72 克。

下面来看比较结果。

BLOOM 生成每页文本排出的二氧化碳当量是美国作家写作的 1/1500，是印度作家写作的 1/190。

而 ChatGPT 的排放是美国作家写作的 1/1100，印度作家写作的 1/130。

考虑电脑的使用，AI 写作也比人类加电脑总排放要少得多。

再来看看图像方面的比较。

绘图比较

DALL-E2 参考 ChatGPT 的方法，每次查询排放量约 2.2 克。

而 Midjourney CEO David Holz 曾表示每个图像需要数万兆次运算量。

所以研究人员根据运算量，算出了耗电量继而转换为碳排放量，最后估算出 Midjourney 每生成一张图排放约 1.9 克二氧化碳当量。

在计算人类绘图二氧化碳排放量时，研究人员先是根据行业数据，计算出人类插图师的平均绘图项目费用约为 200 美元，平均时薪约为 62.5 美元 / 小时。因此估计完成一项商业绘图项目平均需要 3.2 小时。

这里也是分别评估了美国和印度插图师的碳排放量。

美国人年平均碳排放量约为 15 吨。创作一张图像耗时 3.2 小时，对应碳排放量约为 5500 克。印度人年平均碳排放量约为 1.9 吨，绘一张图对应碳排放量约为 690 克。

此外，电脑碳排放量也要计算在内，笔记本电脑 0.8 小时产生约 100 克二氧化碳排放，台式电脑约 280 克。

综上来看比较结果。

DALL-E2 排放二氧化碳当量约为美国插画师的 1/2500，约为印度插画师的 1/310。

Midjourney 排放的二氧化碳当量约为美国插画师的 1/2900，约为印度插画师的 1/370。

同样考虑电脑使用，AI 绘图也比人类及电脑总排放要少得多。

也要考虑其它因素

虽然根据研究人员的计算，AI 在写作和绘图任务中比人类动手写作画图排放的二氧化碳量要少得多，但同时他们也指出了其中的局限性：

研究人员认为并非所有领域都适合 AI 干预，某些简单任务人类更高效。并且未来技术变化可能会改变 AI 和人类对环境的影响程度。

其次 AI 还存在潜在的社会影响，可能导致工作流失、训练数据的合法性存在争议。

此外，随着 AI 技术的提高，有可能导致对由 AI 生产的商品和服务的需求增加，从而通过反弹效应（rebound effects）导致资源使用和污染的进一步增加。

总之研究人员认为：

AI 可以在社会的各个领域发挥重要作用，目前不会陷入碳排放问题之中。尽管 AI 碳排放量不可忽视，但目前在某些写作和绘图任务上 AI 碳排放远低于人类，不应忽视 AI 相对于人类的碳排放优势。

引起网友热议

被 LeCun 发出来的论文，自然受到了很多人的关注。

看过论文的网友对其中的计算方法提出了质疑：

这篇文章的方法论有很大问题，不能简单地比较一个人的排放和一个 AI 模型的排放。

还有网友把杰文斯悖论都搬出来了，认为 AI 的使用量增加后，二氧化碳排放量会弹弹弹回来：

我用 Midjourney 生成的图像数量远超我曾经想从人类艺术家那里购买的数量；当价格弹性小于 1 时，单位成本的降低会导致总支出的增加，虽然我承认我可能不会生成 1 万张图。

除了有吐槽方法缺陷的，还有网友认为这种排放和其它活动的排放量相比微不足道：

谁是二氧化碳最大的排放者？技术人员不是应该更关注那些真正有重大影响活动？

虽然研究人员在论文最后的讨论中已或多或少提到了这些问题，但还是成为了网友的热议点。

当然也有肯定这种比较的网友：

尽管这种方法存在缺陷，但我认为它为讨论和潜在的新方法打开了大门，促进更好地比较 AI 和“人类”（传统对应物），这是一个必须要打开的话题。

还有网友这波 Q 到了老黄（doge）：

不要跟 Jensen（黄仁勋）讲。

参考链接：

• [1]https://twitter.com/ylecun/status/1704098609535320365

• [2]https://arxiv.org/abs/2303.06219

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，所有文章均包含本声明。