ChatGPT每处理用户5个提问就需要“喝掉”500ml的冷却水

ChatGPT每处理用户5个提问就需要“喝掉”500ml的冷却水爱荷华州得梅因（美联社）——构建像ChatGPT这样的人工智能产品的成本很难衡量。但微软支持的OpenAI的技术需要大量的水，这些水是从爱荷华州中部的浣熊河和得梅因河的分水岭抽取的，用于冷却一台强大的超级计算机，它被用来教会人工智能系统如何模仿人类书写内容。构建大型语言模型需要分析大量人类书写文本的模式。所有这些计算都会消耗大量电力并产生大量热量。为了在炎热的天气里保持凉爽，数据中心需要泵入水——通常是泵入仓库大小的建筑外的冷却塔。微软在其最新的环境报告中透露，从2021年到2022年，其全球用水量猛增了34%（达到近17亿加仑，相当于2,500多个奥林匹克规模的游泳池），外部研究人员认为，与前几年相比，这一数字急剧增加与它的人工智能研究有关。在即将于今年晚些时候发表的一篇论文中，任少磊的团队估计，每当你向ChatGPT提出5到50个提示或问题时，ChatGPT就会“喝掉”500毫升的水（编注：一瓶农夫山泉为550ml）。这个范围因服务器的位置和季节而异。估算的用水量还包括公司没有测量的间接用水量，例如冷却为数据中心供电的发电厂的用水量。——

跟ChatGPT聊10句天要费半斤水？谷歌环境报告：数据中心是费水大户

跟ChatGPT聊10句天要费半斤水？谷歌环境报告：数据中心是费水大户56亿加仑，约等于国内某一线城市全年的用水量，或者是全球每天饮用水的1/4。也有人称，这水量相当于37个高尔夫球场的用水量，大概能装满一个半西湖。这并不是个例。2023年初，由OpenAI打造的ChatGPT火遍全球。要对AI进行大量训练，也就意味着需要更强的算力中心和与之匹配的散热能力。据悉，在单个系统中与AI聊天机器人进行20-50个问题的对话可能会导致其消耗“500毫升瓶装水”，而因ChatGPT在全球拥有数十亿用户，由此累计的总用水量异常巨大。而当初微软训练GPT-3，该公司可能消耗了700,000升水，在此基础上，如果人工智能模型的数据由一个能源使用效率较低的数据中心生成，那么其用水量可能会增加三倍。而对于OpenAI新推出的GPT-4，其用水量可能会较GPT-3版本增加“数倍”。此外，在另一项研究中，研究团队估计通过创建GPT-3聊天模型，他们消耗了1,287兆瓦时的电力，并产生了552吨二氧化碳。对此，教授指出，尽管人工智能为许多人提供了便利，但仍应尽量减少其使用，同时不要忽视它也会对环境造成严重影响。...PC版：https://www.cnbeta.com.tw/articles/soft/1375449.htm手机版：https://m.cnbeta.com.tw/view/1375449.htm

揭秘ChatGPT背后的肮脏秘密 AI巨头要牺牲环境吗？

揭秘ChatGPT背后的肮脏秘密AI巨头要牺牲环境吗？外媒指出，构建高性能人工智能搜索引擎的竞赛很可能需要计算能力的大幅提升，它所产生的后果将是科技公司所需能源和碳排放量的大幅增加。英国萨里大学网络安全教授艾伦·伍德沃德(AlanWoodward)表示：“已经有大量资源被用于索引和搜索互联网内容，但人工智能的整合需要一种不同的火力。它需要处理能力、存储和高效搜索。每当我们看到在线处理的步骤变化时，我们就会看到大型处理中心所需的电力和冷却资源的显著增加。我认为人工智能的整合可能是会走这一步。”碳排放大增训练大型语言模型(LLMs)意味着在大量数据中解析和计算链接，这就是为什么它们往往是由拥有大量资源的公司开发的原因，比如为微软必应搜索提供动力的ChatGPT，为Google聊天机器人“巴德”(Bard)提供支持的那些语言模型。“训练这些模型需要大量的计算能力，”西班牙科鲁尼亚大学(UniversityofCoruña)计算机科学家卡洛斯·戈麦兹·罗德里古兹(CarlosGómez-Rodríguez)表示，“现在，只有大型科技公司才能训练他们。”微软已在必应中整合ChatGPT尽管OpenAI和Google都没有透露其产品的计算成本是多少，但研究人员发布的第三方分析预计，ChatGPT部分依赖的GPT-3模型的训练会消耗1287兆瓦时电力，产生550多吨的二氧化碳当量，相当于一个人在纽约和旧金山之间往返550次。“这个数字看起来没有那么糟糕，但你必须考虑到这样一个事实：你不仅要训练它，还要执行它，为数百万用户服务。”罗德里古兹表示。而且，把ChatGPT作为一个独立产品使用与把它整合到必应中还有很大不同。投行瑞银预计，ChatGPT日均独立访问用户为1300万。相比之下，必应每天要处理5亿次搜索。加拿大数据中心公司QScale联合创始人马丁·布查德(MartinBouchard)认为，根据他对微软和Google搜索计划的了解，在搜索过程中添加生成式人工智能，需要“每次搜索至少增加4到5倍的计算量”。为了满足搜索引擎用户的需求，企业必须做出改变。“如果他们要经常重新训练模型，并添加更多参数之类的东西，这是一个完全不同的规模，”布查德表示，“这将需要在硬件上进行大量投资。我们现有的数据中心和基础设施将无法应对生成式人工智能的消耗。它们对性能的需求太高了。”如何减少碳排放？根据国际能源署发布的数据，数据中心的温室气体排放量已经占到全球温室气体排放量的1%左右。随着云计算需求的增长，这一数字预计还会上升，但运营搜索引擎的公司已承诺减少它们对全球变暖的净贡献。微软已经承诺到2050年实现碳负排放，该公司计划今年购买150万吨碳信用额。碳信用又称碳权，是指排放1吨二氧化碳当量的温室气体的权利。Google承诺到2030年在其整个业务和价值链实现净零排放。对于这些巨头来说，减少将人工智能整合到搜索中的环境足迹和能源成本的一个方式就是将数据中心转移到更清洁的能源上，并重新设计神经网络让让变得更高效，减少所谓的“推断时间”，也就是算法处理新数据所需的计算能力。“我们必须研究如何减少这种大型模型所需要的推断时间，”谢菲尔德大学自然语言处理讲师纳菲斯·萨达特·莫萨维(NafiseSadatMoosavi)表示，她致力于自然语言处理的可持续性研究，“现在是关注效率方面的好时机。”Google发言人简·帕克(JanePark)表示，Google最初发布的“巴德”版本是一个由轻量级大型语言模型支持的版本。“我们还发表了一项研究，详细介绍了最先进语言模型的能源成本，包括早期和更大版本的LAMDA，”帕克称，“我们的研究结果表明，将高效的模型、处理器和数据中心与清洁能源相结合，可以将机器学习系统的碳足迹减少1000倍。”...PC版：https://www.cnbeta.com.tw/articles/soft/1344011.htm手机版：https://m.cnbeta.com.tw/view/1344011.htm

国际空间站正进行免疫、衰老、量子冷却和喷气包的测试与研究

国际空间站正进行免疫、衰老、量子冷却和喷气包的测试与研究国际空间站在拉普拉塔河附近的阿根廷海岸上空266英里处翱翔，飞入轨道日落。前景左起分别是空间站的主太阳能电池阵列、Canadarm2机械臂和"希望"号实验舱的外部平台。图片来源：美国国家航空航天局太空生物研究飞行工程师安德烈亚斯-莫根森（AndreasMogensen）和古川聪（SatoshiFurukawa）将他们的研究活动集中在太空生物学上，以了解失重如何影响人体免疫力和衰老过程。来自欧空局（ESA）的莫根森本周的第三天都在处理血液样本并准备培养，以了解太空如何影响宇航员的免疫系统。来自日本宇宙航空研究开发机构（JAXA）的古川从"希望"号实验舱的水回收系统中取样，进行听力测试，然后更换商业研究硬件。确保水质和量子研究美国国家航空航天局飞行工程师弗兰克-鲁比奥（FrankRubio）从饮用水分配器中采集样本并进行分析，以检测微生物并确定水质。随后，卢比奥完成了冷原子实验室内的硬件更换工作，准备将原子冷冻到接近绝对零度的量子研究装置进行测试和运行。美国国家航空航天局（NASA）宇航员兼第69远征队飞行工程师贾斯敏-莫格贝利（JasminMoghbeli）在国际空间站的命运号实验舱内采集水样进行微生物分析。资料来源：美国国家航空航天局医疗库存和太空服维护美国国家航空航天局（NASA）飞行工程师贾斯敏-莫格贝里（JasminMoghbeli）清点了人类研究设施内的医疗用品，并将物品拍照供地面专家查看。接下来，她检查了一个宇航服喷气包，测试其部件并进行泄漏检查。喷气包也被称为简化EVA救援辅助装置（SAFER），是宇航员在太空行走时穿戴的宇航服的附件。SAFER提供控制功能，允许太空行走人员在万一脱离轨道实验室的情况下返回空间站。飞行工程师的准备工作俄罗斯宇航局飞行工程师德米特里-佩特林（DmitriPetelin）和康斯坦丁-鲍里索夫（KonstantinBorisov）周四上午一起测试了下半身负压服，这套负压服可以帮助机组人员重新适应地球重力环境。佩特林还从奥兰太空服冷却系统中采集了水样进行测试。鲍里索夫与指挥官谢尔盖-普罗科皮耶夫（SergeyProkopyev）合作，在"兹韦兹达"号服务舱的尾部端口安装了对接硬件，俄罗斯宇航局的"进步85"号补给船就停靠在这里。...PC版：https://www.cnbeta.com.tw/articles/soft/1382505.htm手机版：https://m.cnbeta.com.tw/view/1382505.htm

ChatGPT在临床决策中显示出"令人印象深刻"的准确性

ChatGPT在临床决策中显示出"令人印象深刻"的准确性这款基于扩展语言模型的人工智能聊天机器人在不同医疗领域的初级保健和急诊环境中都表现出了一致的性能。研究结果最近发表在《医疗互联网研究杂志》上。"我们的论文全面评估了通过ChatGPT提供的决策支持，从一开始与病人打交道到整个护理场景，从鉴别诊断一直到检测、诊断和管理，"论文通讯作者、麻省总医院创新和商业化副主席兼战略创新领导者、MESH孵化器执行主任MarcSucci博士说。"目前还没有真正的基准，但我们估计这种表现相当于医学院刚毕业的实习生或住院医师的水平。这告诉我们，一般来说，LLM有潜力成为医学实践的辅助工具，并以令人印象深刻的准确性支持临床决策。"人工智能技术的变化日新月异，正在改变包括医疗保健在内的许多行业。然而，人们还没有研究过LLM在临床护理中的全面辅助能力。在这项关于如何将LLMs用于临床建议和决策的跨专业综合研究中，Succi和他的团队测试了一个假设，即ChatGPT能够在与患者的整个临床接触过程中提出诊断建议，决定临床管理方案，并最终做出诊断。这项研究是通过将36个已发表的标准化临床案例的连续部分粘贴到ChatGPT中完成的。首先，要求该工具根据患者的初始信息（包括年龄、性别、症状以及是否急诊）提出一系列可能的诊断或鉴别诊断。然后，ChatGPT获得更多信息，并被要求做出处理决定和给出最终诊断--模拟真实病人就诊的整个过程。研究小组在结构化盲法过程中比较了ChatGPT在鉴别诊断、诊断检测、最终诊断和处理方面的准确性，对正确答案给予评分，并使用线性回归评估ChatGPT的表现与小插图人口统计信息之间的关系。研究人员发现，总体而言，ChatGPT的准确率约为72%，在最终诊断方面表现最佳，准确率为77%。在进行鉴别诊断时，它的准确率最低，只有60%。而在临床管理决策方面，如在得出正确诊断后决定用什么药物治疗病人，其准确率仅为68%。研究中其他值得注意的发现包括，ChatGPT的答案没有显示出性别偏见，其在初级和急诊护理中的整体表现稳定。"ChatGPT在鉴别诊断方面表现不佳，而鉴别诊断是医生必须弄清楚该怎么做的医学难题，"Succi说。"这一点很重要，因为它告诉我们医生在哪些方面才是真正的专家，并能带来最大的价值--在病人护理的早期阶段，几乎没有什么现成的信息，这时需要一份可能的诊断清单。"作者指出，在考虑将ChatGPT等工具整合到临床护理中之前，需要更多的基准研究和监管指导。下一步，Succi的团队将研究人工智能工具能否改善医院资源有限地区的病人护理和治疗效果。人工智能工具在医疗领域的出现具有开创性意义，有可能积极重塑医疗服务的连续性。麻省总医院布里格姆分院作为全美顶尖的综合学术医疗系统和最大的创新企业之一，在对新兴技术进行严格研究方面处于领先地位，为将人工智能负责任地融入医疗服务、劳动力支持和管理流程提供依据。MassGeneralBrigham首席信息官兼数字高级副总裁AdamLandman（医学博士、理学硕士、医学信息管理硕士、MHS）表示："MassGeneralBrigham认为LLM在帮助改善医疗服务和临床医生体验方面大有可为。我们目前正在评估LLM解决方案，以协助临床工作。"...PC版：https://www.cnbeta.com.tw/articles/soft/1379469.htm手机版：https://m.cnbeta.com.tw/view/1379469.htm

ChatGPT背后的AI技术诞生于爱荷华州 用了很多水

ChatGPT背后的AI技术诞生于爱荷华州用了很多水当微软、OpenAI和Google等领先的技术开发商竞相利用生成式人工智能的热潮时，他们也承认，对其人工智能工具日益增长的需求会带来高昂的成本，从昂贵的半导体到增加的耗水量。但他们往往对具体细节秘而不宣。在爱荷华州，很少有人知道这里是OpenAI最先进的大型语言模型GPT-4的诞生地，直到微软的一位高管在一次演讲中说，该模型"实际上是在得梅因西部的玉米地旁开发的"。建立大型语言模型需要分析大量人类撰写文本的模式。所有这些计算都需要耗费大量的电力并产生大量的热量。为了在炎热的天气保持凉爽，数据中心需要抽水--通常是抽到仓库大小的建筑外的冷却塔。微软在其最新的环境报告中披露，从2021年到2022年，其全球耗水量激增了34%（达到近17亿加仑，或超过2500个奥林匹克规格的游泳池），与前几年相比，耗水量急剧增加，外部研究人员认为这与微软的人工智能研究有关。加州大学河滨分校（UniversityofCalifornia,Riverside）的研究员任少磊（ShaoleiRen）说："可以说大部分耗水量增长都是人工智能造成的，包括它在生成式人工智能方面的大量投资以及与OpenAI的合作。"在即将于今年晚些时候发表的一篇论文中，任少磊的团队估计，每当你向ChatGPT提出5到50个提示或问题时，ChatGPT就会喝掉500毫升的水（接近一个16盎司水瓶的容量）。这个范围因服务器的位置和季节而异。这一估算还包括公司没有测量的间接用水量，例如冷却为数据中心供电的发电厂。"大多数人并不了解ChatGPT的资源使用情况，"任说。"如果你不知道资源的使用情况，那么我们就没有办法帮助你节约资源"。Google同期的用水量增长了20%，任也将其主要归因于人工智能工作。Google的用水量增长并不均衡--在俄勒冈州，Google的用水量保持稳定，该州的用水量引起了公众的关注，而在拉斯维加斯以外的地区，Google的用水量则翻了一番。在爱荷华州，Google的设备对水资源同样饥渴，其理事会布拉夫斯数据中心的饮用水用量比其他任何地方都要多。在回答美联社的提问时，微软在本周的一份声明中表示，它正在投资研究，以测量人工智能的能源和碳足迹，"同时研究如何使大型系统在训练和应用中更加高效"。"我们将继续监控我们的排放量，加快进度，同时增加使用清洁能源为数据中心供电，购买可再生能源，并做出其他努力，以实现我们的可持续发展目标，即到2030年实现负碳排放、正水排放和零浪费。"该公司的声明说。OpenAI周五在自己的声明中也表达了同样的观点，表示正在"认真思考"如何更好地利用计算能力。它说，"我们认识到大型模型的训练可能是能源和水资源密集型的"，并努力提高效率。微软于2019年首次向总部位于旧金山的OpenAI投资10亿美元，这距离这家初创公司推出ChatGPT并引发全球对人工智能进步的关注已有两年多时间。作为交易的一部分，这家软件巨头将提供训练人工智能模型所需的计算能力。为了至少完成其中的一部分工作，两家公司将目光投向了爱荷华州的西得梅因（WestDesMoines），这座拥有6.8万人口的城市十多年来一直是微软云计算服务的数据中心聚集地。微软的第四个和第五个数据中心将于今年晚些时候在这里启用。史蒂夫-盖尔（SteveGaer）说："他们正在以最快的速度建造这些数据中心。"吸引该公司的是该市对建设公共基础设施的承诺，并通过纳税为支持这项投资贡献了一笔"惊人"的资金。他补充说："但是，你知道，他们对自己在那里的所作所为相当保密。"微软首次表示，它正在为2020年的OpenAI开发世界上最强大的超级计算机之一，当时公司拒绝透露其位置，但将其描述为一个"单一系统"，拥有超过285,000个传统半导体内核和10,000个图形处理器--这种芯片已成为人工智能工作负载的关键。专家们表示，在单一地点"预训练"人工智能模型是有意义的，因为大量数据需要在计算内核之间传输。直到5月底，微软总裁布拉德-史密斯（BradSmith）才透露，微软已在爱荷华州建立了"先进的人工智能超级计算数据中心"，专门用于让OpenAI训练其第四代模型GPT-4。该模型现在为高级版本的ChatGPT和微软自己的一些产品提供动力，并加速了关于遏制人工智能社会风险的讨论。它是由加利福尼亚州的非凡工程师制造的，但实际上是在爱荷华州制造的。从某种程度上来说，西得梅因是一个相对高效的地方，可以用来训练强大的人工智能系统，尤其是与微软位于亚利桑那州的数据中心相比，后者在相同的计算需求下消耗的水资源要多得多。任少磊说："因此，如果你要在微软内部开发人工智能模型，那么你应该把训练安排在爱荷华州，而不是亚利桑那州。在培训方面没有任何区别。但在耗水量或能耗方面，差别就大了。"在一年中的大部分时间里，爱荷华州的天气都很凉爽，微软可以利用外部空气来保持超级计算机的正常运行，并将热量排出大楼。只有当温度超过29.3摄氏度（约85华氏度）时，微软才会取水，该公司在一份公开披露的文件中如是说。这仍然会消耗很大的水量，尤其是在夏天。根据西得梅因水厂（WestDesMoinesWaterWorks）的数据，2022年7月，也就是OpenAI称其完成GPT-4培训的前一个月，微软向其爱荷华州数据中心集群泵入了约1150万加仑的水。这约占该地区用水总量的6%，该地区还为该市居民提供饮用水。2022年，西得梅因水厂的一份文件称，如果微软的数据中心项目能够"展示并实施在当前水平上大幅降低高峰用水量的技术"，以保护住宅和其他商业用水的供应，那么西得梅因水厂和市政府"会考虑这些项目"。微软周四表示，它正在直接与水务局合作，以解决其反馈的问题。水厂在一份书面声明中表示，微软一直是一个很好的合作伙伴，并一直在与当地官员合作，在满足用水需求的同时减少水足迹。...PC版：https://www.cnbeta.com.tw/articles/soft/1382855.htm手机版：https://m.cnbeta.com.tw/view/1382855.htm