科技巨頭聲稱生成式 AI 將拯救地球，卻拿不出多少證據

Wired - AI

10 天前

AI 生成摘要

一項新報告發現，在 154 項關於人工智慧如何造福氣候的具體主張中，僅有四分之一引用了學術研究，更有三分之一完全沒有提供任何證據。

大科技公司聲稱生成式 AI 將拯救地球，但並未提供太多證據 | WIRED 選單帳戶展開搜尋儲存文章

大科技公司聲稱生成式 AI 將拯救地球，但並未提供太多證據

幾年前，Ketan Joshi 讀到一項關於人工智慧與氣候變遷的統計數據，引起了他的注意。2023 年底，Google 開始聲稱 AI 到 2030 年可以幫助減少全球 5% 到 10% 的溫室氣體排放量。這一說法出現在其首席永續發展官共同撰寫的一篇評論文章中，隨後被媒體和一些學術論文廣泛引用。

能源研究員 Joshi 對 Google 宣揚的巨大數字感到震驚——尤其是 AI 據稱能有效削減相當於歐盟每年的排放量。「我發現（關於排放的說法）非常有吸引力，因為很少有東西能做到這一點，」他說。

他決定追查其來源。Joshi 發現，這 5% 到 10% 的數字源自 Google 與諮詢機構波士頓諮詢公司（BCG）發表的一篇論文，而該論文又源自 BCG 2021 年的一項分析，該分析僅引用該公司「與客戶合作的經驗」作為估計 AI 大幅減排的基礎——Joshi 稱這個來源「站不住腳」。這項分析發布於 ChatGPT 問世的一年前，隨後引發了建置能源密集型基礎設施的競賽，科技公司聲稱這些設施是推動 AI 革命所必需的。

在首次支持 5% 到 10% 的估計幾個月後，Google 在其 2023 年永續發展報告中悄悄承認，AI 的擴建正顯著推高其公司的排放量。然而，它仍繼續吹捧 BCG 提供給它的數據，最近一次是在去年給歐洲政策制定者的備忘錄中。

Joshi 說，世界上最強大的科技公司之一使用這種指標向「全球最大的地區之一提出政策建議——我認為這非常引人注目。那個案例讓我立即對這種說法的結構及其背後的證據產生了濃厚興趣。」

Google 發言人 Mara Harris 在回覆 WIRED 關於 5% 到 10% 統計數據的電子郵件中表示：「我們堅持我們的研究方法，它是基於現有的最佳科學。我們在分享指導該方法的原則和方法論方面是透明的。」Harris 附上了一個連結，指向該公司計算 Google 產品和合作夥伴減排量的方法論，但未詳細說明該公司具體如何將這些標準應用於 BCG 的數據。（BCG 未回應 WIRED 的提問。）

科技公司正陷入一場盡快開發 AI 的競爭——這對氣候變遷具有潛在的巨大影響。在美國這個全球最大的數據中心市場，這種擴建帶來的能源壓力已導致燃煤電廠繼續運作，並有數百吉瓦（GW）的新天然氣發電等待併入電網，其中近 100 吉瓦的電力專門用於供應數據中心。

科技高層一再表示，考慮到 AI 為地球帶來的可能性，這種能源和數據中心的擴建是值得的。在去年紐約市舉行的年度氣候週活動中，傑夫·貝佐斯（Jeff Bezos）專注於永續發展的非營利組織「貝佐斯地球基金」（Bezos Earth Fund）舉辦了一系列關於「AI 將如何成為環境向善力量」的對話。2024 年底，Google 前執行長 Eric Schmidt 表示，既然世界無法達成氣候目標，專注於 AI 能做什麼更為重要。（他說：「我寧願賭 AI 能解決問題，也不願限制它而讓問題存在。」）OpenAI 執行長 Sam Altman 則承諾 AI 將「修復」氣候。

但事實證明，這些說法中的許多內容幾乎沒有——甚至完全沒有——實際證據支持。

Joshi 是週一發布的一份新報告的作者，該報告在多個環保組織的支持下發布，試圖量化一些關於 AI 將如何拯救地球的最受關注的說法。該報告研究了科技公司、能源協會和其他機構提出的超過 20 項關於「AI 將帶來淨氣候效益」的說法。Joshi 的分析發現，這些說法中只有四分之一有學術研究支持，而超過三分之一根本沒有公開引用任何證據。

「人們對 AI 的社會影響和對能源系統的影響做出斷言——這些斷言往往缺乏嚴謹性，」能源與技術研究員 Jon Koomey 表示，他並未參與 Joshi 的報告。「重要的是不要照單全收這些出於自身利益的說法。其中一些說法可能是真的，但你必須非常小心。我認為有很多人在沒有太多支持的情況下發表這些言論。」

報告探討的另一個重要主題是，當科技公司談論 AI 拯救地球時，具體指的是哪種 AI。許多類型的 AI 比近年來佔據頭條新聞、以消費者為中心的生成式模型更不耗能，後者在訓練和運行時需要大量的運算能力和電力。機器學習幾十年來一直是許多科學學科的支柱。但大規模的生成式 AI——特別是像 ChatGPT、Claude 和 Google Gemini 這樣的工具——才是科技公司基礎設施擴建的公眾焦點。Joshi 的分析發現，他檢查的幾乎所有說法都將傳統的、能源消耗較低的 AI 形式，與推動數據中心擴建、以消費者為中心的生成式 AI 混為一談。

David Rolnick 是麥基爾大學（McGill University）計算機科學助理教授，也是非營利組織「氣候變遷 AI」（Climate Change AI）的主席，該組織倡導利用機器學習解決氣候問題。他對大科技公司從何處獲得 AI 氣候影響數據的來源並不像 Joshi 那麼擔心，因為他說在該領域要定量證明影響非常困難。但對 Rolnick 來說，區分科技公司宣揚哪些類型的 AI 至關重要，這是對話的關鍵部分。

他說：「我對大科技公司關於 AI 和氣候變遷的說法的問題不在於它們沒有完全量化，而在於它們有時依賴於現在並不存在的假設性 AI。我認為對生成式 AI 未來可能發生什麼的推測量是荒謬的。」

Rolnick 指出，從提高電網效率的技術到幫助發現新物種的模型，深度學習已經在世界各地的無數領域中使用，目前正在幫助減排和對抗氣候變遷。「然而，這與『在未來的某個時刻，這可能會有用』是不同的，」他說。此外，「大科技公司正在研發的技術，與真正產生他們聲稱支持的效益的技術之間存在落差。」有些公司可能會吹捧例如幫助更好偵測洪水的演算法，將其作為 AI 向善的例子來為其大型語言模型做廣告——儘管幫助預測洪水的演算法與面向消費者的聊天機器人並非同一類型的 AI。

「我們需要大型 AI 模型——以及近乎無限的能源——這種敘事試圖向我們推銷這樣一種觀點：這是我們需要的唯一一種 AI，也是唯一可能的未來，」AI 與永續發展研究員 Sasha Luccioni 說。「但有許多不同、更小且更高效的模型，可以用對人類和地球都只是極小部分的成本來部署。」

在週一發布的另一項研究中，Luccioni 和 AI 公司 Hugging Face 的永續發展主管 Yacine Jernite 研究了訓練各種 AI 模型的成本，發現依賴大量數據和能源訓練的大型專有模型並非強大 AI 解決方案的唯一選擇。通常，較小的模型在 AI 應用中的表現與昂貴的模型一樣好。

她說：「唯一能在這種『越大越好』的 AI 競賽中競爭的公司，是那些財力最雄厚、在過去幾十年裡——無論是否徵得同意——搜刮了我們的數據並繼續這樣做的公司。現在他們透過說服我們需要這些龐然大物模型來把這些數據賣回給我們，管它地球會怎樣。」

專家告訴 WIRED，衡量 AI 對氣候影響的一個關鍵問題在於，公眾缺乏理解 AI 能力和影響所需的一些最基本資訊。我們仍在使用粗略的估計來推算 AI（更不用說生成式 AI）在數據中心使用了多少能源。Google 直到去年才發布其 AI 查詢使用多少能源的估計；其他公司仍然落後，或者不發布關於其模型的關鍵環境資訊。雖然生成式 AI 正被推向我們的許多消費體驗中，但我們仍在等待具體的例子，證明大規模生成式 AI 在解決氣候問題上能比低能耗模型做得更好。

Joshi 認為解決方案很簡單：推動更多 AI 開發的公司應該披露更多關於氣候成本的資訊。

他說：「如果（科技公司）擔心人們誇大或過分渲染生成式 AI 的氣候影響，那麼應該沒有什麼能阻止他們說：『好吧，我們今年的能源增長是 6 兆瓦時，其中 2 兆瓦時是用於生成式 AI。』這就是我們在報告中推動披露的資訊。我認為這最終對他們來說會是一件非常好的事情。」