研究稱AI繪畫碳排放僅為人類畫家1/2900，LeCun轉發(fā)

西風 2023-09-21 16:45:27 來源：量子位

西風 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

AI生成比人類動手寫畫所排放的二氧化碳可少三個數量級！

結論來自LeCun最新分享“非常因吹斯汀”的一篇論文：

看這轉發(fā)評論量就知道，網友又坐不住了。

有網友看到這個結果還有點小驚訝：

生成式AI更具創(chuàng)造力且對環(huán)境更友好，這誰能猜到？

還有一小撮網友沒看過論文問道：

有沒有把訓練模型過程中的二氧化碳排放量算進去。

此外，也有很多網友對論文中使用的計算方法提出了質疑。

那這篇論文里究竟是如何計算的？訓練模型有沒有算上？我們一起來看看。

AI vs 人類

這項研究由來自加州大學歐文分校、麻省理工學院斯隆管理學院等研究人員共同完成。

在這場人機二氧化碳排放量比較中，研究人員派出的AI隊成員有ChatGPT（文本）、BLOOM（文本）、DALL-E2（圖像）、Midjourney（圖像）。

先來看文本方面的比較。

寫作比較

首先要解決的第一個問題就是定義AI的二氧化碳排放源。

研究人員認為兩個主要組成一是模型的訓練排放、二是每次查詢排放。訓練排放作為一次性成本，計算時將分攤到每次查詢中。

這里參照的模型訓練排放量數據是：訓練GPT-3排放約552噸二氧化碳當量；訓練BLOOM排放了30噸二氧化碳當量。

（二氧化碳當量是用作比較不同溫室氣體排放的量度單位）

此外，訓練模型并不是訓一次就可以了，后面還要不斷訓練優(yōu)化，研究人員在這里默認每個月都要再對模型進行一次完整訓練。

而每次查詢排放的計算，則是按照ChatGPT每天約排放3.82噸、回復10000000次查詢的數據，估算了每次查詢會產生0.382克二氧化碳當量排放。同樣方法，BLOOM每次查詢會排放1.5克。

綜合訓練和查詢排放，最后得出ChatGPT每查詢一次約排放2.2克二氧化碳當量，BLOOM每查詢一次約排放1.6克二氧化碳當量。
在人類寫作二氧化碳排放方面，The Writer雜志的一篇文章曾指出：馬克·吐溫每小時約能創(chuàng)作300字，可看作是其他作家的平均寫作速度。

基于上述速度，來估算一個人寫250字（這里算1頁字）大約需要0.8小時。

然后研究人員的算法是這樣嬸兒的：

• 美國人年平均碳排放約為15噸二氧化碳當量，則美國人每小時碳排放約為15噸/8760小時=1.7公斤二氧化碳當量。因此，美國人寫250字所產生的碳排放約為0.8小時x1.7公斤/小時=1.4公斤二氧化碳當量，約1400克。
• 同理，印度人年平均碳排放約為1.9噸二氧化碳當量。則印度人每小時碳排放約為0.22公斤二氧化碳當量。因此，印度人寫250字所產生的碳排放約為0.18公斤二氧化碳當量，約180克。

此外，根據電腦平均功率和發(fā)電碳排放系數，研究人員還計算出支持人類寫作的筆記本電腦0.8小時產生約27克二氧化碳，臺式機產生72克。

下面來看比較結果。

BLOOM生成每頁文本排出的二氧化碳當量是美國作家寫作的1/1500，是印度作家寫作的1/190。

而ChatGPT的排放是美國作家寫作的1/1100，印度作家寫作的1/130。

考慮電腦的使用，AI寫作也比人類加電腦總排放要少得多。

再來看看圖像方面的比較。

繪圖比較

DALL-E2參考ChatGPT的方法，每次查詢排放量約2.2克。

而Midjourney CEO David Holz曾表示每個圖像需要數萬兆次運算量。

所以研究人員根據運算量，算出了耗電量繼而轉換為碳排放量，最后估算出Midjourney每生成一張圖排放約1.9克二氧化碳當量。

在計算人類繪圖二氧化碳排放量時，研究人員先是根據行業(yè)數據，計算出人類插圖師的平均繪圖項目費用約為200美元，平均時薪約為62.5美元/小時。 因此估計完成一項商業(yè)繪圖項目平均需要3.2小時。

這里也是分別評估了美國和印度插圖師的碳排放量。

美國人年平均碳排放量約為15噸。 創(chuàng)作一張圖像耗時3.2小時，對應碳排放量約為5500克。印度人年平均碳排放量約為1.9噸，繪一張圖對應碳排放量約為690克。

此外，電腦碳排放量也要計算在內，筆記本電腦0.8小時產生約100克二氧化碳排放，臺式電腦約280克。

綜上來看比較結果。

DALL-E2排放二氧化碳當量約為美國插畫師的1/2500，約為印度插畫師的1/310。

Midjourney排放的二氧化碳當量約為美國插畫師的1/2900，約為印度插畫師的1/370。

同樣考慮電腦使用，AI繪圖也比人類及電腦總排放要少得多。

也要考慮其它因素

雖然根據研究人員的計算，AI在寫作和繪圖任務中比人類動手寫作畫圖排放的二氧化碳量要少得多，但同時他們也指出了其中的局限性：

首先研究人員認為并非所有領域都適合AI干預，某些簡單任務人類更高效。并且未來技術變化可能會改變AI和人類對環(huán)境的影響程度。

其次AI還存在潛在的社會影響，可能導致工作流失、訓練數據的合法性存在爭議。

此外，隨著AI技術的提高，有可能導致對由AI生產的商品和服務的需求增加，從而通過反彈效應（rebound effects）導致資源使用和污染的進一步增加。

總之研究人員認為：

AI可以在社會的各個領域發(fā)揮重要作用，目前不會陷入碳排放問題之中。盡管AI碳排放量不可忽視，但目前在某些寫作和繪圖任務上AI碳排放遠低于人類，不應忽視AI相對于人類的碳排放優(yōu)勢。

引起網友熱議

被LeCun發(fā)出來的論文，自然受到了很多人的關注。

看過論文的網友對其中的計算方法提出了質疑：

這篇文章的方法論有很大問題，不能簡單地比較一個人的排放和一個AI模型的排放。

還有網友把杰文斯悖論都搬出來了，認為AI的使用量增加后，二氧化碳排放量會彈彈彈回來：

我用Midjourney生成的圖像數量遠超我曾經想從人類藝術家那里購買的數量；當價格彈性小于1時，單位成本的降低會導致總支出的增加，雖然我承認我可能不會生成1萬張圖。

除了有吐槽方法缺陷的，還有網友認為這種排放和其它活動的排放量相比微不足道：

誰是二氧化碳最大的排放者？技術人員不是應該更關注那些真正有重大影響活動？

雖然研究人員在論文最后的討論中已或多或少提到了這些問題，但還是成為了網友的熱議點。

也有部分肯定這種比較的網友：

盡管這種方法存在缺陷，但我認為它為討論和潛在的新方法打開了大門，促進更好地比較AI和“人類”（傳統對應物），這是一個必須要打開的話題。

還有網友這波Q到了老黃（doge）：

不要跟Jensen（黃仁勛）講。

參考鏈接：
[1]https://twitter.com/ylecun/status/1704098609535320365
[2]https://arxiv.org/abs/2303.06219