人工智能的熱潮不僅消耗了大量的能源和水，還造成了前所未有的電子垃圾海嘯。
據斯坦福大學稱，人工智能領域的私人投資從 2022 年的 30 億美元增至去年的 250 億美元，企業採用人工智能工具的速度比以往任何時候都快。這種激增迫使數據中心不斷升級硬件，丟棄仍在運行的設備，以保持競爭優勢。
大量使用零部件來爲運行人工智能模型的硬件提供動力，這會產生數百萬噸廢棄的電子元件。來自中國、以色列和英國的研究人員團隊在《自然》雜誌上發表的一項新研究估計，僅 ChatGPT、Claude 或 LlaMa 等大型語言模型 (LLM) 每年就會產生 275 萬噸（250 萬噸）的電子垃圾，嚴重增加了人工智能對環境的影響。
研究表明：“在 LLM 變得無處不在的樂觀情況下（即每個人都在日常生活中使用它，例如社交網絡），結果表明，從 2020 年到 2030 年的十年內，來自指定數據中心的 EoS 電子垃圾流將增加到約 1600 萬噸（Mt）。”
垃圾流正在以驚人的速度增長，複合年增長率達到 110%——大大超過傳統電子垃圾（如屏幕和洗衣機）2.8% 的增長率。
此次危機的地理分佈高度集中。根據中國科學院和賴希曼大學的研究，北美是人工智能相關電子垃圾的發源地，佔比 58%，其次是東亞，佔比 25%，歐洲佔比 14%。
除了大量的電子垃圾外，整個人工智能行業還消耗着大量的資源。去年，Decrypt 報告稱，ChatGPT 每 4 次查詢就會消耗半升水。想想這個網站每月有超過 2.2 億訪問者，你就可以算一算，爲什麼人工智能數據中心附近的城市在不到十年的時間裏水費幾乎翻了一番。
研究估計，到2030年，這些電子垃圾將含有近一百萬噸鉛、6000噸鋇以及令人擔憂的鎘、銻和汞的含量，向環境中添加大量有毒元素——所有這些都對土壤、水和公衆健康具有衆所周知的風險。
研究人員沒有說明企業和政府是否做得足夠，但從經濟角度來看，回收電子垃圾也是有益的。這些廢棄服務器中使用的金、銀和鉑等金屬如果回收，也具有巨大的經濟潛力。該研究估計，適當回收這些金屬可以爲經濟注入 700 億美元，從而激勵推進電子垃圾回收基礎設施。
該研究還解釋說，無法使用最新芯片的國家可能會產生高達 14% 的電子垃圾，因爲它們被迫使用效率較低的硬件。
但有些解決方案或許有助於解決這個問題。研究人員認爲，通過加強維護延長服務器壽命可以減少 58% 的電子垃圾量，而重複使用特定部件則可以進一步減少 21% 的垃圾量。
此外，過時的人工智能服務器可以被重新用於較輕的任務，例如教育項目或基本的網絡託管，而不是被扔掉，從而將它們從廢物流中轉移出來並最大限度地發揮其效用。
這正成爲世界各地環保組織的首要任務。Digiconomist 創始人、能源分析師 Alex de Vries 告訴 Decrypt，在人工智能行業的負面影響難以控制之前，找到解決方案非常重要。
“目前，數字很小，所以你可以爭辯說，‘如果數字仍然很小，我們爲什麼要把這個放在議程的首位？’”德弗里斯說。“但數字不會一直很小。”
安德魯·海沃德 (Andrew Hayward) 編輯
