隨著生成式AI快速發展,人工智慧所需算力與能源消耗也成為全球關注議題。正值聯合國COP31舉行之際,環境部也同步舉辦系列論壇,本周舉辦的「綠色算力與氣候數位科技」論壇,邀請產學界專家共同關注人工智慧與氣候變遷發展,加拿大麥吉爾大學電腦科學學院副教授,也是Climate Change AI共同創辦人的David Rolnick指出,AI與氣候變遷並非只能二選一,AI確實能協助解決氣候問題,但前提是必須重新思考「使用什麼樣的AI」。
Climate Change AI共同創辦人:AI永續關鍵不是更大模型,而是選對AI工具
Show the rest Hide the rest
Rolnick表示,目前談論AI與氣候變遷時,經常存在兩種看法。一種認為AI能成為氣候行動的重要工具,例如改善氣候模型、預測極端天氣、提升能源效率與協助災害應變;另一種看法憂心AI本身造成能源負擔,尤其大型生成式AI模型需要大量運算資源,可能增加資料中心能源消耗。
不過,他認為這兩種觀點都忽略了一個關鍵:AI並不是單一技術,而是一系列不同用途的工具。真正需要討論的問題,不是「是否使用AI」,而是「什麼問題應該使用什麼樣的AI」。
AI不是越大越好,氣候應用需要更多專用模型
Rolnick以「大象與小蜜蜂」生動的比喻目前AI發展的兩種方向。
他表示,大型生成式AI模型,例如ChatGPT、Gemini、Claude等,可以視為「大象」。這類模型規模龐大,需要大型資料中心與大量算力,主要用途是生成文字、影像、程式碼,以及處理通用型任務。
另一類AI則像「小蜜蜂」,包括用於預測、分類、最佳化與科學計算的專用AI模型。這些模型通常針對特定任務設計,例如分析衛星影像、預測野火發生的風險、最佳化電網運作,並不需要大型資料中心支撐。
Rolnick強調,這兩類AI本質不同,不能簡單理解為「把大型模型縮小」就能成為專用AI。他指出,氣候領域需要更多的是針對特定問題打造的小型、高效率AI,而不是讓所有應用都依賴大型生成式模型。
他引用研究案例指出,大型語言模型可能具有兆級參數規模,但部分氣候應用模型可能只需要百萬級參數,兩者在規模上可能相差數百萬倍。對於特定科學問題而言,小型模型反而可能更有效率。
Rolnick認為許多社會問題的AI應用,應是少數「大象」(大模型),加上多個「蜜峰」(專用領域AI),許多問題由「蜜峰」來解決,既能提升效率,同時降低不必要的能源消耗。
AI協助氣候行動,關鍵在把資料轉換成決策資訊
Rolnick指出,目前AI已經在多個氣候領域發揮作用,其中一項重要價值是,將大量感測資料轉換成人類可採取行動的資訊。
以衛星影像為例,全球每天產生大量地球觀測資料,但原始影像難以直接支援政策決策。透過AI分析後,可以協助辨識土地利用變化、農業區域、森林狀況,以及災害發生位置。
他也提到,聯合國等組織已利用AI分析衛星資料,快速掌握洪水等災害範圍,以協助緊急應變。
除了資料分析,AI也可提升能源系統效率。例如利用AI預測太陽能與風力發電量,協助電網提前調整能源配置;也可以用於建築空調與冷卻系統最佳化,降低能源消耗。
Rolnick表示,AI在氣候領域的價值,並不是取代所有現有方法,而是加速資料分析與決策流程,協助人類更有效率地處理氣候問題。
AI導入氣候領域,應從問題出發而非從模型出發
Rolnick認為,目前許多AI專案面臨的問題,是先建立AI工具,再尋找應用場景。然而,對於氣候問題而言,更有效的方法應該反過來,先確認需要解決的問題,再判斷AI是否能改善現有流程。
例如目標是預測下一小時的太陽能發電量,需要的是結合氣象與能源資料的預測模型,而不是大型語言模型。
他指出,AI並非所有問題的答案,很多情況下AI只是讓既有流程更快速,而不是創造原本不存在的能力。因此導入AI前必須確認,它是否真正解決了問題中的瓶頸。
降低生成式AI的不必要使用,提升能源透明度
除了推動AI應用於氣候行動,Rolnick也提醒,目前生成式AI與代理型AI的大規模普及,可能帶來額外能源壓力。他認為,問題並非單一模型耗電,而是在於高耗能AI功能被大量、甚至預設部署到日常服務之中。
他以Google搜尋導入生成式AI摘要功能為例,使用者並未主動要求每次搜尋都使用生成式AI,但系統會自動產生AI摘要。如果這類功能部署到全球數十億次搜尋,即使單次推論耗電量有限,累積起來的能源需求仍可能十分驚人。他估算,若所有搜尋都採用這類生成式AI功能,其整體用電量可能相當於一座大型城市住宅用電規模。
因此,他認為,生成式AI應優先用於真正需要推理、生成內容的場景,而非預設套用到所有服務或工作流程。他主張,AI應根據實際需求選擇合適的模型,而不是讓大型生成式AI成為所有應用的預設方案。
在此基礎上,他進一步建議,AI發展應朝幾個方向調整,包括推動更多中型運算資源,讓使用者能透過個人電腦或邊緣設備使用適合任務的AI,而非所有需求都集中到大型資料中心;提高AI能源透明度,讓開發者與使用者了解不同AI工具、硬體與任務所造成的能源成本;以及持續提升模型、硬體與資料中心的能源效率,鼓勵採用更永續的冷卻與基礎設施設計。
Rolnick也強調,這並不是要求停止大型AI模型發展,而是避免將所有問題都交由大型模型處理。
「AI永續發展的核心,不是讓所有模型變得更大,而是選擇適合問題的工具」,這是他認為未來AI與氣候行動能夠並存的關鍵。
Comments (0)
Sign in to comment