您知道嗎？訓練AI 所排放的碳量，相當於五輛汽車的整個使用壽命期間所排放的碳量！5個降低環境影響的小技巧！

麻省大學阿默斯特分校的研究人員針對數種常見大型AI 訓練過程進行了生命週期評估。他們發現該過程可能排放超過626,000磅二氧化碳，相當於一輛美國普通汽車（含車輛製造過程）終生排放量的五倍左右。

研究發現：AI 碳足跡相當顯著，主要源於訓練模型所需電腦運算的能源消耗。透過採用再生能源為資料中心供電，可有效降低AI 過程中的碳排放量。

高效演算法透過減少訓練AI 所需的能源來降低碳排放，例如：近似演算法——能為問題提供良好解法，但不保證最佳解；或數據驅動演算法——基於數據進行訓練。下表呈現兩種優化演算法的應用成果： 彈性啟動（適用於短任務型AI 的彈性啟動機制）與 暫停與恢復 則依據閾值機制暫停與恢復較長任務的執行。

當區域排放量偏高時暫停AI 可降低整體排放總量。節省幅度可能相當可觀，對於極長時間的運算，最高可達25%。短時間運算的節省效果較低，因為即使將運算時間延長一倍，整體時長仍相對較短。表格同時顯示，每小時暫停次數會隨模型規模增加而上升。這是因為大型模型需要更多運算能力，因此訓練所需時間更長。

五項技巧與創新技術，助您降低AI 的碳排放量

1. 使用節能硬體，其中可能包括 GPU。
   • 在特定工作負載下，以每瓦特功耗對比工作效能而言，GPU 的能源效率優於 CPU。相較於純CPU GPU 可加速AI 訓練，從而降低能源消耗。
   • 液態冷卻可更有效率地冷卻運算硬體，進而降低資料中心的能源消耗與廢氣排放。並可降低高達 50% 的噪音，創造更舒適的工作環境。它比空氣冷卻更容易維護，而且液態冷卻器不易損壞。
2. 優化資料中心的能源效率。 有幾種方法可以降低資料中心所需的能源，例如使用可降低 PUE 的自由空氣冷卻。更有效率的冷卻系統：傳統的氣冷式資料中心需要耗用大量能源來冷卻伺服器。
   • 更高效的電源供應器：傳統電源供應器的效率可能很低，會浪費高達 20% 的能源。請務必使用鈦金或白金電源供應器。
   • 更有效率的伺服器：使用可共用資源的多節點伺服器，從而降低每台伺服器的整體能源使用量。
3. 運用可再生能源為AI 供電。專注於AI 的資料中心可採用可再生能源作為動力來源：太陽能或風力發電。
4. 提升AI 效率。創新技術如量子運算、尖峰神經網路、聯合學習、遷移學習及神經架構搜尋，皆能提升AI 效率並降低能源消耗。
5. 使用預先訓練的模型。預先訓練的模型已經在大型資料集上訓練過，不需要從頭開始開發，這樣會消耗能源。

遵循以下建議，讓AI 永續性。