人工智能的进展带来了*未曾想到*的环境影响。一些请求对二氧化碳排放产生深远影响。*这些提示可能产生比其他提示多出50倍的排放*。
研究人员正在评估性能与可持续性之间的这种悖论，揭示不当使用的影响。有效的响应模型可能会危及我们星球的健康。*因此，审慎对待每一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
近期在德国进行的研究揭示了人工智能模型对环境影响的令人担忧的现实。研究人员测量了在处理标准化问题时各种人工智能产生的二氧化碳排放。这个提问过程涉及复杂的转换，导致显著的排放，用户通常对此并不知情。
推理过程与能耗
慕尼黑应用科技大学的研究员马克西米连·道纳指出，模型的推理方法对其碳足迹有着强烈影响。具有推理能力的模型产生的二氧化碳排放是那些提供简洁回应的模型的50倍。这种能量消耗的增加源于令牌的产生，这些是处理信息的基本元素，取决于请求的类型。
人工智能模型的分析
研究人员评估了14种人工智能模型。每个模型具有七到七十二亿个参数，测试涉及确切的千个问题，涵盖不同领域。推理模型平均需要543.5个令牌，而提供更简短答案的模型仅需37.7个令牌。较高的令牌数量不可避免地导致二氧化碳排放增加，而不保证答案的更高准确性。
优化精度的模型
为复杂推理设计的Cognito模型以其效率脱颖而出，达到了84.9%的准确率。然而，与提供简洁回答的类似模型相比，它产生的二氧化碳排放量是其三倍。这种情况凸显了答案的准确性与环境可持续性之间的困境。
根据主题的排放变化
问题的类型也显著影响排放水平。哲学相关的关注或抽象代数的问题产生的排放量比简单的主题（如中学历史）多出六倍。被询问的主题的多样性增加了推理过程的复杂性，从而产生更高的碳足迹。
负责任的消费实践
研究人员希望这些发现能促使更深思熟虑地使用人工智能。采用诸如限制提示到简洁回答这样的做法可以减少排放。例如，只有在确实需要强大能力的任务中，才应使用高能力模型。通过选择合适的模型，用户可以减轻其请求对环境造成的影响。
能耗成本与技术选择
研究表明，使用像DeepSeek R1这样的模型可能产生与伦敦和纽约之间的往返航班相当的排放，经过600,000个问题。另一方面，模型Qwen 2.5在回答约190万个问题时产生的排放量相似，同时保持可比的准确率。
提高用户对其碳影响的认识
研究人员指出，告知用户人工智能生成答案的环境成本的重要性。了解与看似无害的行为（如创建头像）相关的实际排放可能会提高用户在使用这些先进技术时的谨慎。这种意识在引导更可持续地使用人工智能方面起着决定性作用。
有关更多详细信息，其他研究和分析探讨了与人工智能相关的气候问题，可在专业平台上获取。这些引用为人工智能的发展及其对环境的影响提供了重要的洞见，尤其是在碳排放方面。
常见问题解答
是什么导致使用人工智能模型时二氧化碳排放的变化？
二氧化碳排放的变化主要是由于使用的人工智能模型、其参数数量和生成的答案的复杂性。涉及深入推理的模型产生更多的令牌，从而增加能耗和相关排放。
提示如何影响人工智能的二氧化碳排放？
简单的提示通常会导致简洁的回答并产生较少的令牌，而更复杂的提示会导致推理能力的强烈使用，从而显著增加二氧化碳排放。
令牌数量与碳排放之间的关系是什么？
产生大量令牌的模型通常会产生更高的二氧化碳排放。例如，推理模型每个问题产生更多的“思考”令牌，这导致碳足迹增加。
参数较少的人工智能模型是否更可持续？
一般来说，参数较少的模型往往产生较低的排放。然而，它们的回答准确性可能也较低，导致精确度与可持续性之间的权衡。
问题领域是否会影响二氧化碳排放？
是的，涉及复杂推理的主题，例如抽象数学或哲学，可能导致的排放量比简单主题，例如历史，增加六倍。
用户可以采取哪些措施来最小化使用人工智能对环境的影响？
用户可以通过提出精确简洁的问题、避免在绝对必要时使用强大模型，并意识到相关的能耗来减少排放。
哪个人工智能模型被认为是最精确但也是最具污染性的？
Cogito模型，拥有700亿个参数，显示出高准确性但其产生的二氧化碳排放量是提供更简洁回答的类似模型的三倍。
关于二氧化碳排放的研究结果是否适用于所有人工智能用户？
结果可能因所用硬件、地理位置和所考察的模型类型而异，这可能限制它们的普遍适用性。了解与人工智能请求相关的排放成本对于用户至关重要。
