近年來，在測量機器學(xué)習(xí)的偏見方面存在一個估計。我們現(xiàn)在知道，這些“無偏見”的自動化工具實際上并非沒有偏見，并且越來越多的要求研究人員在將其產(chǎn)品釋放給社會之前考慮他們的產(chǎn)品可能如何破壞或危害他人的生命。但是，這不僅是我們應(yīng)該擔心的最終產(chǎn)品，而且還涉及構(gòu)建它們的后果。訓(xùn)練這些算法實際上會毒害我們的星球。

隨著世界在Facebook飼料和后院中燃燒，即使是最無害的東西的碳足跡也正在受到審查。它引發(fā)了有關(guān)空調(diào)設(shè)備，吸管，面部磨砂膏，塑料袋，航空旅行的辯論。但是，也有一些世俗的系統(tǒng)無法察覺地統(tǒng)治著我們的生活，并助長了氣候變化，例如垃圾郵件過濾器，翻譯服務(wù)，搜索引擎關(guān)鍵字和智能助手。

這些服務(wù)的基礎(chǔ)稱為自然語言處理(NLP)，這是人工智能的一個分支，旨在教機器如何理解人類語言的細微差別。以有價值的方式訓(xùn)練這些語言模型需要大量的計算能力和電力。僅僅使用由該技術(shù)提供支持的工具并不能引起全世界的關(guān)注(無需抵制自動更正)，但是，如果工業(yè)界和學(xué)術(shù)界不采取更環(huán)保的做法，那么教給這些工具背后的大腦可能會造成真正的環(huán)境破壞。

“我們希望就我們這個社區(qū)如何開始思考效率而不僅僅是以越來越高的準確性開始思考的對話，”最近關(guān)于環(huán)境后果的論文的合著者Ananya Ganesh深度學(xué)習(xí)，告訴我。Ganesh是馬薩諸塞州阿默斯特大學(xué)的一組研究人員之一，該研究組于6月發(fā)表了一篇論文，研究了這些模型對環(huán)境的影響。研究發(fā)現(xiàn)，僅訓(xùn)練一種AI模型產(chǎn)生的二氧化碳當量就相當于五輛普通美國汽車的終身排放量。

這些發(fā)現(xiàn)在AI專家社區(qū)中存在分歧。它僅探討了如何訓(xùn)練AI模型的一個非常具體的示例，大多數(shù)機器學(xué)習(xí)研究人員不一定都使用該模型-從頭開始訓(xùn)練。仍然有一個基本共識，即人們迫切需要關(guān)注機器學(xué)習(xí)對氣候變化的貢獻。

魁北克市Mila AI研究所的博士后研究員Sasha Luccioni致力于開發(fā)這種工具，以幫助AI研究人員估算其機器學(xué)習(xí)模型的碳足跡。她承認，馬薩諸塞州大學(xué)的論文有些微不足道，因為與研究中使用的場景不同，“很少有人”從頭開始訓(xùn)練他們的模型，現(xiàn)在很多培訓(xùn)是使用諸如例如Google，Amazon和Microsoft，它們大多數(shù)都是碳中和或正在向碳中和。但是盧奇奧尼(Luccioni)告訴我，這項研究是圍繞能源效率和AI進行重要對話的重要途徑。她說：“重要的是要討論這些問題，并將其作為標準對話的一部分進行。”