大科技公司称生成式AI能拯救地球，但拿不出多少证据

能源研究员乔希对谷歌宣扬的庞大数字感到震惊，尤其是人工智能据称能有效减少相当于欧盟每年排放量的说法。“我觉得（减排说法）非常有吸引力，因为很少有东西能做到这一点，”他说。

他决定追查其来源。乔希发现，这个5%至10%的数字来自谷歌和咨询公司波士顿咨询集团（BCG）发表的一篇论文，而该论文又借鉴了BCG 2021年的一项分析，该分析仅以公司的“客户经验”作为估算人工智能大幅减排的依据——乔希称这个来源“站不住脚”。该分析发表于ChatGPT推出前一年，而ChatGPT的出现引发了一场建设高耗能基础设施的竞赛，科技公司称这些基础设施是为人工智能革命提供动力所必需的。

在首次支持5%至10%这一估算几个月后，谷歌在其2023年可持续发展报告中悄悄承认，人工智能的建设显著推高了其企业排放量。然而，它仍在继续宣扬BCG提供的数字，最近一次是在去年给欧洲政策制定者的备忘录中。

“世界上最强大的科技公司之一用这个指标向世界上最大的地区之一提出‘政策建议’——我认为这很了不起，”乔希说。“正是这个例子让我立刻对这一说法的结构和背后的证据产生了浓厚兴趣。”

“我们坚持我们的方法，它基于现有的最佳科学，”谷歌发言人马拉·哈里斯在回复有关5%至10%数据的几个问题时通过电子邮件告诉《连线》杂志。“而且我们在分享指导它的原则和方法时是透明的。”哈里斯提供了一个链接，指向该公司计算谷歌产品和合作伙伴减排量的方法，但没有详细说明该公司究竟如何将这些标准应用于BCG的数据。（BCG没有回应《连线》的问题。）

科技公司正陷入一场尽可能快地开发人工智能的竞赛——这场竞赛可能对气候变化产生巨大影响。在美国这个世界上最大的数据中心市场，这种建设带来的能源压力导致燃煤电厂继续运营，数百吉瓦的新天然气发电将被加入电网，其中近100吉瓦专门用于为数据中心供电。

科技高管们一再表示，考虑到人工智能为地球带来的可能性，这种能源和数据中心的建设是值得的。在去年纽约市的年度气候周活动上，杰夫·贝索斯专注于可持续发展的非营利组织“贝索斯地球基金”举办了一系列关于“人工智能将成为环保力量”的对话。2024年底，谷歌前首席执行官埃里克·施密特表示，由于世界无法实现气候目标，关注人工智能能做什么更为重要。（“我宁愿打赌人工智能能解决问题，也不愿限制它而让问题存在，”他说。）OpenAI首席执行官山姆·奥特曼承诺人工智能将“修复”气候。

但事实证明，许多这样的说法几乎没有——如果有的话——实际证据支持。

乔希是周一发布的一份新报告的作者，该报告得到了几个环保组织的支持，试图量化一些关于人工智能将拯救地球的最引人注目的说法。该报告研究了科技公司、能源协会和其他机构提出的150多项关于“人工智能将带来净气候效益”的说法。乔希的分析发现，这些说法中只有四分之一有学术研究支持，而超过三分之一根本没有公开引用任何证据。

“人们对人工智能的社会影响和对能源系统的影响做出断言——这些断言往往缺乏严谨性，”能源和技术研究员乔恩·库米说，他没有参与乔希的报告。“重要的是不要轻信出于自身利益的说法。有些说法可能是真的，但你必须非常小心。我认为很多人在没有太多支持的情况下就做出这些陈述。”

该报告探讨的另一个重要话题是，当科技公司谈论人工智能拯救地球时，他们具体指的是哪种人工智能。许多类型的人工智能比近年来占据头条的生成式、面向消费者的模型耗能更少，后者需要大量的计算能力和电力来训练和运行。机器学习几十年来一直是许多科学学科的核心。但正是大规模的生成式人工智能——尤其是像ChatGPT、Claude和谷歌Gemini这样的工具——成为科技公司基础设施建设的公众焦点。乔希的分析发现，他所研究的几乎所有说法都将更传统、耗能更少的人工智能形式与推动数据中心建设的面向消费者的生成式人工智能混为一谈。

大卫·罗尔尼克是麦吉尔大学计算机科学助理教授，也是非营利组织“气候变化人工智能”的主席，该组织倡导利用机器学习解决气候问题。他不像乔希那样关注大型科技公司关于人工智能对气候影响的数据来源，他说，在这个领域定量证明影响非常困难。但对罗尔尼克来说，科技公司所吹捧的“必要”人工智能类型之间的区别是这场对话的关键部分。

“我对大型科技公司关于人工智能和气候变化的说法的问题不在于它们没有被完全量化，而在于在某些情况下，它们依赖的是目前不存在的假设性人工智能，”他说。“我认为对生成式人工智能未来可能发生的事情的猜测是荒谬的。”

罗尔尼克指出，从提高电网效率的技术到帮助发现新物种的模型，深度学习已经在全球无数行业中得到应用，正在帮助减少排放和应对气候变化。“然而，这与‘在未来某个时候，这可能会有用’是不同的，”他说。更重要的是，“大型科技公司正在研究的技术与它们声称带来好处的实际技术之间存在不匹配。”例如，一些公司可能会吹捧有助于更好地检测洪水的算法，将它们作为“向善的人工智能”的例子来宣传其大型语言模型——尽管帮助洪水预测的算法与面向消费者的聊天机器人不是同一种人工智能。

“我们需要大型人工智能模型——以及近乎无限的能源——这种说法试图向我们灌输这是我们唯一需要的人工智能类型，也是唯一可能的未来，”人工智能与可持续发展研究员萨沙·卢乔尼说。“但有许多不同的、更小、更高效的模型可以以对人类和地球来说都低得多的成本部署。”

在周一同时发表的另一项研究中，卢乔尼和人工智能公司Hugging Face的可持续发展负责人亚辛·杰尼特研究了各种人工智能模型的训练成本，发现依靠大量数据和能源训练的大型专有模型并不是强大人工智能解决方案的唯一选择。在人工智能应用中，较小的模型往往表现得与更昂贵的模型一样好。

“唯一能在这场‘越大越好’的人工智能竞赛中竞争的公司是那些财大气粗的公司，它们在过去几十年里——无论是否征得同意——收集了我们的数据，并继续这样做，”她说。“现在，他们通过说服我们需要这些庞大的模型，不惜牺牲地球，把这些数据卖回给我们。”

专家告诉《连线》杂志，衡量人工智能对气候影响的问题的一个关键部分是，公众缺乏一些理解人工智能能力和影响所需的最基本信息。我们仍然在用粗略的估计来计算人工智能——更不用说生成式人工智能——在数据中心的能源使用量。谷歌去年才发布了其人工智能提示使用的能源估算；其他公司仍落后，或者没有发布其模型的关键环境信息。虽然生成式人工智能正被大量融入我们的消费体验，但我们仍在等待具体例子，说明大规模生成式人工智能如何能比耗能更少的模型更好地解决气候问题。

乔希认为解决方案很简单：推动更多人工智能发展的公司应该披露更多关于气候成本的信息。

“如果（科技公司）担心人们夸大生成式人工智能对气候的影响，那么他们应该可以说，‘好吧，我们今年的能源增长是6太瓦时，其中2太瓦时用于生成式人工智能，’”他说。“这是我们在报告中推动更多披露的信息。我认为这最终对他们来说是非常好的事情。”