人工智能的进展带来了*意想不到*的环境影响。某些请求深刻地影响了二氧化碳排放。*这些提示可能产生多达50倍以上的排放*与其他提示相比。
研究人员评估了这一性能与可持续性之间的悖论，揭示了不当使用的影响。在回应方面有效的模型可能会危及我们星球的健康。*因此，考虑每个请求对于减少我们的碳足迹至关重要。*
人工智能对二氧化碳排放的影响
最近在德国进行的研究揭示了人工智能模型的环境影响的一个令人担忧的现实。研究人员测量了在处理标准化问题时产生的二氧化碳排放。这一问询过程涉及复杂的转换，导致显著的排放，通常为用户所不知。
推理过程与能源消耗
来自慕尼黑应用科技大学的研究员玛克西米连•道纳指出，模型的推理方法对其碳足迹产生了重大影响。拥有推理能力的模型产生的二氧化碳排放高达 50倍 于提供简明回复的模型。这一能源消耗的增加源于生成标记，这些是信息处理的基本要素，数量随请求类型的不同而变化。
人工智能模型分析
研究人员对十四种人工智能模型进行了评估。每种模型的参数数量在七亿至七十二亿之间，测试涉及正好一千个问题，涵盖多个领域。推理模型平均需要543.5个标记，而提供简约回复的模型仅需37.7个标记。标记数量的增加不可避免地促进了二氧化碳的排放增加，但并不保证回答的更高精确性。
为精确度优化的模型
旨在进行复杂推理的Cognito模型以其效率脱颖而出，达到84.9%的准确率。然而，，与同类提供简洁回答的模型相比，它产生了三倍的二氧化碳排放。这种情况突显了答案的准确性与环境可持续性之间的困境。
根据主题的排放变量
问题类型也显著影响排放水平。哲学问题或抽象代数问题的排放量比普通主题（如中学历史）高出多达六倍。被询问主题的多样性增加了推理过程的复杂性，从而产生了更高的碳足迹。
负责任的消费实践
研究人员希望这些发现能够鼓励更深思熟虑地使用人工智能。采取限制提示以获得简明回复的做法可以减少排放。例如，强大的模型的使用应限于真正需要这种强度的任务。选择合适的模型，用户可以减轻其请求的环境影响。
能源成本与技术选择
研究表明，使用DeepSeek R1模型可能产生的排放等同于从伦敦到纽约的往返航班，涉及600,000个问题。相比之下，模型Qwen 2.5在回答约1.9百万个问题时，产生的排放相似，同时保持了相似的准确率。
使用户意识到其碳影响
研究人员指出，通知用户人工智能生成回答的环境成本的重要性。了解与看似无害的操作（如创建头像）相关的真正排放可能会促使更多人在使用这些先进技术时更加谨慎。这种意识在引导实现更可持续地使用人工智能方面发挥着重要作用。
有关更多详细信息，其他研究和分析讨论与人工智能相关的气候问题，均可在专业平台上找到。这些参考材料为人工智能的发展及其环境影响提供了必要的见解，尤其是在碳排放方面。
常见问题解答
是什么导致了使用人工智能模型时二氧化碳排放的可变性？
二氧化碳排放的可变性主要归因于所使用的人工智能模型、其参数数量和生成的答案复杂性。涉及深入推理的模型会产生更多的标记，从而增加能源消耗和相关的排放。
提示如何影响人工智能的二氧化碳排放？
简单的提示通常导致简洁的回答，并生成较少的标记，而更复杂的提示则导致推理能力的高强度使用，这显著增加二氧化碳排放。
标记数量与碳排放之间有什么关系？
生成大量标记的模型通常会产生更高的二氧化碳排放。例如，推理模型每个问题会生成更多的“思维”标记，从而导致更高的碳足迹。
参数较少的人工智能模型是否更可持续？
一般而言，参数较少的模型往往会产生较少的排放。然而，它们的答案准确性可能也较低，在准确性与可持续性之间存在权衡。
问题领域是否会影响二氧化碳排放？
是的，要求复杂推理的主题，如抽象数学或哲学，可能产生的排放量是较简单主题（如历史）的六倍以上。
用户可以采取哪些措施来最小化使用人工智能的环境影响？
用户可以通过提出准确且简洁的问题、避免在绝对必要的情况下使用强大的模型以及意识到相关能源消耗来减少排放。
哪个人工智能模型被确定为最精确也是最污染的？
Cogito模型显示出极高的准确性，但其二氧化碳排放量是提供更简洁回答的同类模型的三倍。
针对二氧化碳排放的研究结果是否适用于所有人工智能用户？
研究结果可能因使用的硬件、地理位置和所研究的模型而异，这可能限制其普遍性。用户应被告知与其人工智能请求相关的排放成本。
