ChatGPT-3也消耗大量水資源。加州大學河濱分校（University of California Riverside）的電機暨計算機工程教授Shaolei Ren表示，當ChatGPT-3進行20至50個基本對話時，就要消耗500毫升的水。至於模型更龐大的ChatGPT-4，Ren推估，應該會消耗更多水資源，但目前沒有充足的公開數據去推算確切的耗水量。
至於Google的大型語言模型LaMDA，Ren的團隊估算，僅在訓練的階段，模型就消耗了約1,000公噸的水。根據Google統計，2022年資料中心的用水量比2021年增加將近20%。至於LaMDA模型的碳排放量，Google估算為26公噸，相當於22名乘客搭飛機往返舊金山與紐約的碳排放量。
使用不同地區的水和電，也會影響AI訓練的排碳量
資料中心該如何節水節電，以降低AI運算所產生的碳排？
能源來源是降低碳排的重要因素，若使用替代能源，就能在不改變模型的規模條件下，減少AI運算的碳排放量。另外，美國沒有中央電網，每個州的發電方式不同，所以在不同州訓練模型的碳排放量也不同。若要在美國建設資料中心，選擇風電資源豐富的加州，會比依賴化石燃料的維吉尼亞州更佳，能取得更多的減碳效益。
用水也能像用電一樣，使其更有效率，但關鍵在水從何來。微軟統計，資料中心每使用一單位的電，亞洲資料中心用於降溫的耗水量是美洲資料中心的3倍，原因是亞洲的氣候較熱，需要使用水冷式冷卻機組降溫，就會消耗更多水。Ren的研究團隊則表示，不同季節會劇烈影響用水量。夏天時，因為水更容易蒸發，因此要消耗更多水。季節變化加上不同的地理位置影響，資料中心的最高用水量可以和最低用水量差到3倍以上。
AI的工作都是透過網路來進行，可以透過不同的資料中心運算，若能根據不同地區的能源與用水量的特性來分擔運算工作，就可以降低總體的耗電與耗水，進而降低碳排。例如使用再生能源較多的資料中心，或是透過較冷地區的資料中心運算，就能更省水省電。Ren也表示，除了使用淡水，Google也在研究如何使用廢水、海水替代，降低耗水量。Google去年曾在blog文章中提到，Google的目標是在2030年前，為自然環境補充其資料中心120%的用水量。
Luccioni則認為，不是所有的任務都需要導入AI，如果該任務原先已經有良好且高效的技術，就不需要使用高耗能的AI，這樣也有助於降低碳排放量。但在對抗氣候變遷的戰役中，透過AI能尋找出更有效率的工作路徑，也能更精準模擬氣候模式，進而找出更好的應對方式。水可載舟也可覆舟，人們必須在AI的減碳效益與AI的能耗間找到平衡點。
本文為風傳媒特邀導讀人金牛幫幫忙撰寫，請點此訂閱：風傳媒・華爾街日報VVIP，風傳媒會員獨享全球最低優惠價，暢讀中英日文全版本之華爾街日報，洞悉國際政經最前沿。
責任編輯／郭家宏
