因此，就能耗而言，影像生成相當於為智慧型手機充滿電。同時，一千個文 印度商務傳真列表 字建立請求只需要其中 16% 的能量。
訓練大型人工智慧模型非常耗費能源，但這只是難題的一小部分。他們的大部分碳足跡來自實際使用。
這項新研究是研究人員首次估計使用人工智慧模型執行各種任務相關的碳排放量。
Hugging Face 新創公司研究員兼專案經理 Sascha Luccioni 和她的團隊研究了 Hugging Face 平台上的 10 種流行的人工智慧查詢，包括機器人查詢、文字生成、圖像描述、字幕和圖像生成。在 88 個不同的模型上進行了實驗。
對於每項任務，Luccioni 使用了 1,000 個提示，並使用她開發的名為 Code Carbon 的工具測量了消耗的能量。 Code Carbon透過分析電腦運行模型時消耗的能量來進行計算。
影像生成是迄今為止人工智慧最耗能源和最碳密集的任務。
使用功能強大的 Stable Diffusion XL 車型創建 1,000 張影像時，排放的二氧化碳量與普通汽油動力汽車行駛 6.6 公里時排放的二氧化碳量大致相同。
同時，他們研究的最高效的文本生成模型所排放的二氧化碳相當於駕駛類似車輛 0.9 m 的二氧化碳排放量。
這些排放量正在迅速增加。生成式人工智慧的蓬勃發展促使大型科技公司將強大的人工智慧模式整合到從電子郵件到文字編輯器等產品中。如今，這些模型每天被數百萬人甚至數十億人使用。
團隊發現大型生成模型比小型且特定於任務的模型昂貴得多。例如，寫電影評論時，他們需要30倍的精力。原因是大型模型試圖同時執行許多任務，例如文字生成、分類和摘要，而不是只執行一項任務，例如分類。
盧奇奧尼希望這項研究能鼓勵人們在使用生成人工智慧時更加敏銳，並在可能的情況下選擇更專業的模型來減少碳足跡。
谷歌曾計算出，平均一次在線上搜尋需要 0.3 瓦時的電量，相當於駕駛一輛汽車 0.5 m 的電量。如今，這個數字可能要高得多，因為谷歌搜尋整合了生成人工智慧模型。
