人工智能的環境成本

人工智能（AI）近年來呈現爆炸性增長，不僅釋放了嶄新潛力，更徹底改變了各個領域和行業的格局。它能夠更高效地繪製生物多樣性地圖，快速處理大量衛星圖像和聲音記錄[1]。農民亦可在農田中應用AI，更精準地管理雜草，以減少除草劑的使用[2]。香港天文台最近表示，新的AI軟件在天氣預報和颱風路徑預測方面的表現，已優於傳統電腦模型[3]。

LaserWeeder利用機器學習識別雜草與作物，並用激光消滅雜草，免卻了化學除草劑的使用（圖片來源：Carbon Robotics）

在個人層面上，我們越來越頻密地使用，甚至依賴ChatGPT和Deepseek等生成式AI模型來處理日常工作和娛樂需求。你每天會使用大型語言模型（Large Language Models, LLMs）多少次來校對文本或撰寫電郵？有些人甚至與LLMs建立了擬社會關係，將它們視為朋友[4]。

然而，我們習以為常地使用AI，卻衍生了高昂的能源和水資源代價[5]。一個LLM查詢的能耗是典型搜索引擎的10倍。隨著LLMs的規模不斷擴大，推理能力持續提升，以及需要處理更多細微差異的參數，這項成本在未來恐將進一步增加。

由 AI 驅動的數據中心電力需求預測（圖片來源：國際能源總署）

一項新研究顯示，根據所採用的模型、主題內容以及查詢方式的不同，基礎型與進階型LLMs的溫室氣體排放量可能相差多達50倍[6]。研究人員發現，精準度的提升與排放量上升之間存在明顯關聯，但產出更簡潔答案的模型則能降低排放。當LLM處理如哲學等需要深入推理及解析細微差異的問題時，其排放量甚至可能比解答高中數學問題高出六倍。

隨著AI的普及，研究人員建議我們應更審慎地使用這項技術，以減少碳排放。例如，可以要求系統提供簡潔的答案，並僅在確實需要時才使用高效能模型。畢竟，並不是每次都需要用電鑽來完成螺絲批也能做到的事情。

ChatGPT發布至今已有兩年多。如今，生成式AI已在許多領域被廣泛採用，並深深融入日常生活中。人們期待AI能協助解決當前諸多環境問題，但其快速普及也帶來了能源與水資源消耗的新挑戰，以及因數據中心需求激增而引發的關鍵礦物需求問題。

2030 年數據中心增長所需關鍵礦物需求，佔其 2024 年總需求的比例（圖片來源：國際能源總署）

我們如何能更妥善管控AI對環境的影響？提高算法和硬件的能源效率[7]、將數據中心轉向使用可再生能源[8]、以及運用先進的冷卻與電力管理系統來優化數據中心運作[9]，都是減少碳排放的重要措施。此外，採用綠色生產製造方案、回收硬件設備和利用共享資源，皆能減少浪費並降低高能耗基礎設施的重複建設[10]。在個人層面，鼓勵更審慎的使用方式，例如要求生成簡潔的回應和選擇合適的模型，也能進一步減少AI的環境足跡。透過結合技術創新與可持續實踐，我們可以在負責任且可持續的基礎上，充分發揮AI的變革潛力。