.jpg)
（2019-06-18）我們的個人電腦，只要一開機就有碳腳印，以去年一名Google實習生為例，建構了一套AI神經網路，為了讓圖像顯現細節，他不斷增加神經網路的複雜度，結果所耗用的電能，足夠一個家庭半年所需...
（2019-06-18）一套市面上的AI口語軟體，經過訓練瞭解人類的語言，成為可用的商品，在訓練期間，電腦運轉所花耗的電能，如果轉換成二氧化碳（CO2）排放量，相當五輛汽車壽命的總和，約280噸。
電腦的電源來自電廠，電廠燃燒煤、油、天然氣、或其他燃料發電，所排放CO2的重量，即是所謂的「碳腳印」（Carbon Footprint）。上面那套軟體的「碳腳印」，就是280噸。
碳腳印是怎麼計算出來的？當然不是在工廠煙囪外面量出來的，而是根據多年經驗發展出的計算方式。每燃燒一個碳原子（C），就會產生一個二氧化碳分子（CO2），也就是除了原來的Ｃ，又增加了兩個氧原子（O），Ｃ的原子量為12，Ｏ為16，所以CO2的重量為12＋16Ｘ2＝44，為Ｃ的3.67倍。
每一種燃料都含有碳的成份，煤的含碳量約60%至80%，無煙煤更可能到90%，汽油與柴油含碳量約86%，石油、天然氣、別的燃料也都含不同的碳成份，所以：
燃料使用量Ｘ燃料含碳成份Ｘ 3.67＝ CO2排放量
以一家燃煤電廠使用70%含碳的煤為例，燃燒100萬噸的煤，也就是70萬噸碳，所產生的CO2約250萬噸，遠大過燃料本身的重量。
有人把我們日常生活的碳腳印算出來了。一個人從舊金山飛到紐約來回，碳腳印約0.9噸；一個人平均活動一年的碳腳印約５噸；一位美國人平均活動一年的碳腳印約16噸，為別國人的三倍；一輛美國汽車總壽命的碳腳印約57噸。
我們的個人電腦，只要一開機就有碳腳印，因為耗電不多沒有在意，但一旦用來訓練AI就不同了。以去年一名Google實習生為例，建構了一套AI神經網路，把圖片影像展現得栩栩如生，為了讓圖像顯現細節，這名實習生不斷增加神經網路的複雜度，結果所耗用的電能，足夠一個家庭半年所需。
美國麻州大學（UMass）研究生Emma Strubell作博士論文時，發現所設計的演算法耗用電能的碳腳印高達35噸，相當一位美國人兩年的排放量，於是寫了一篇論文，七月底在義大利佛羅倫斯「計算語言協會」年會上發表，論述AI的深層學習、特別是自然語言的處理，務必要考量所花耗的能源。
自然語言處理是近年AI的一大優勢，但在訓練上花耗的能源，依結構的複雜、與調整的精細，有顯著增加。
Transformer是兩年前的協助寫作軟體，訓練的碳腳印僅87公斤，今年初升級，用神經網路調整學習方式，不斷精緻寫作功能（如作詩、作文），務使趨近完美。但訓練所耗用的電能，卻高達656,000千瓦小時（度），碳腳印也高達284噸，電費可高達300萬美元之譜。
Emma Strubell特別強調，像這類AI付出的巨大代價，卻與提升的品質不成比例，是否可避免，或在運算技術上大幅度提昇運轉效益。幸好欣見Google上月宣佈投資新的機器學習模型，能源的使用效率可以增加10倍。
除了AI會使用高額度能源，所有的技術都會留下碳腳印，以目前趨勢，到了2040年，全球20%碳腳印會來自技術。YouTube僅是一個播放影片的平台，大家用來觀賞影視，但每年消耗能源的碳腳印卻高達110萬噸。數位器具雖小，龐大的數量加在一起，就了製造環保衝擊。
人的腦子思考與運算，不需要那麼多能源，問題是如何製造跟人腦一樣的機器？
本文取材自2019年６月16日「那福忠西海岸數位隨筆（104）」：AI留下的碳腳印
對本文有任何看法，歡迎 E-Mail：frank.na@gmail.com 給作者，分享您對本文的看法。
.jpg)
.png)
