热门文档
- 2023-10-28 08:02:39 一种液冷一体储能电池管理系统的设计_潘明俊
- 2024-02-04 09:01:48 2023年各省市双碳政策汇总
- 2023-10-28 07:56:41 液冷将成储能装置核心冷却方式
- 2024-05-16 17:07:11 【Excel计算表】工商业储能峰谷套利模型
- 2024-02-03 14:35:00 太阳能光伏光热建筑一体化(BIPV_T)研究新进展_王君
- 2024-06-08 14:51:19 产品碳足迹量化方法 钢铁(征求意见稿)
- 2024-05-24 15:35:05 203060双碳文库更新文件240524
- 2024-05-28 12:53:37 电化学储能电站的安全与高效设计
- 2023-11-02 14:34:29 讲义13丨中国独立焦化企业温室气体核算方法与报告指南
- 2023-11-10 08:32:58 世界银行-乌兹别克斯坦的气候变化与残疾人包容(英)-2023.10-39页
- 2024-05-16 17:18:12 【PPT】中储国能张栩:压缩空气储能发展现状及未来展望
- 2024-05-10 10:30:30 B.12_基于安全测试的新能源汽车产品竞争力评价

1、本文档共计 24 页,下载后文档不带水印,支持完整阅读内容或进行编辑。
2、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
4、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。
2、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
4、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。
5、有任何问题,文件需求请联系WX:baomafenxiang520
CENTERDATA重新思考关于AI的能源使用Daniel Castro|2024年1月29日关注数字技术使用的能源并不新鲜。在互联网繁荣的高峰期附近1990年代,a福布斯文章哀叹,“在某处美国,每次一本书都会燃烧一块煤网上订购”。1文章的作者,成为在随后几年关于能源的辩论中被广泛引用政策,估计“一半的电网将是在下一个时代为数字互联网经济提供动力十年”。2然而,估计是错误的,错误是它的事实和方法论。3事后看来,没有不再有任何争议,如国际能源署IEA)估计,当今的数据中心和数据输电网络“每个占大约1-1.5%的全球用电量。“4这个错误不是一个孤立的事件。许多头条新闻多年来出现的预测数字经济的能源脚印会失控。5例如,作为流媒体战争2019年开始-苹果,迪士尼,HB0和其他宣布视频流媒体订阅服务,与Netflix、亚马逊和YouTube-多家媒体重复声称来自法国智囊团“观看Netflix30分钟产生的排放是就像开车4英里一样。"6但同样,估计是完全错误(这更像是在10到100码之间行驶),这是由于有缺陷的假设和转换错误的混合,智囊团最终在一年后纠正。7随若最近对人工智能(A)的兴趣激增,人们再次提出了关于新兴能源使用的问题技术。在这种情况下,批评家推测A1的快速采用数据创新中心1再加上深度学习模型规模的增加将导致能源使用的大量增加,具有潜在的破坏性环境影响。8然而,与过去的技术一样,许多关于人工智能消耗能源的早期说法已被证明是夸大和误导。本报告概述了辩论,包括一些早期的失误以及它们是如何形成的政策对话,并澄清人工智能能源的记录足迹以及未来几年可能会如何发展。它建议政策制定者通过以下方式解决对人工智能能源消耗的担忧采取以下步骤:·为A!模型制定能源透明度标准。◆寻求关于能源透明度的自愿承诺基础模型。考虑AI法规对能源使用。·使用A!使政府运营脱碳。关于!的能量使用和碳排放的事实准确估算AI的能源使用和碳排放系统在其生命周期中具有挑战性,因为这些计算取决于许多复杂的因素,包括有关芯片的详细信息,冷却使用的系统、数据中心设计、软件、工作负载和能源用于发电。这个问题不是A!独有的。作为一组能源研究人员在一篇文章中描述了这个问题Annual为信息创建可靠的电力需求估计技术充满了困难。底层数据未知准确地说,经验数据是有限的,最有用的数据是通常是专有的,而且技术变化如此之快,甚至准确的数据很快就过时了。9然而,一些研究试图量化当前和未来的人工智能系统的能源需求和碳排放。不幸的是,一些最初的估计已经陷入了与过去早期研究相同的陷阱关于数字技术的能源使用,并产生了误导估计。这些研究通常考虑A!所需的能量系统在其生命周期中分为两个阶段:1)训练A1模型:以及2)使用A1模型来响应特定的查询-这个过程称为“推理”。训练A!模型马萨诸塞州阿默斯特大学的研究人员估计2019年几个A1模型的碳排放,第一个主要模型之一同类研究。1o研究发现BERT-当时是Google最先进的大型语言模型(LM)-发出数据创新中心2