“如果你在做一个特定的应用，比如搜索电子邮件……你真的需要这些无所不能的大型模型吗?”我会说不，”Luccioni说。
艾伦人工智能研究所(Allen Institute for AI)的研究科学家杰西?道奇(Jesse Dodge)表示，与使用人工智能工具相关的能源消耗一直是了解它们真正碳足迹的一个缺失部分。道奇并未参与这项研究。
道奇补充说，比较更新、更大的生成模型和旧的人工智能模型的碳排放量也很重要。他表示:“这凸显了这样一种观点，即新一波人工智能系统的碳密集程度，甚至比我们在两三年前看到的还要高得多。”
谷歌曾估计，一次在线搜索平均消耗0.3瓦时的电力，相当于一辆汽车行驶0.0003英里。麻省理工学院林肯实验室(MIT Lincoln lab)的研究科学家维贾伊?加德帕利(Vijay Gadepally)表示，如今，这个数字可能要高得多，因为谷歌已将生成式人工智能模型集成到其搜索中。加德帕利并未参与这项研究。
研究人员不仅发现每个任务的排放量远远高于他们的预期，而且他们发现与使用人工智能相关的日常排放量远远超过训练大型模型的排放量。卢奇奥尼测试了不同版本的hug Face的多语言人工智能模型BLOOM，看看需要多少次使用才能超过培训成本。它用了超过5.9亿次才达到训练其最大模型的碳成本。Luccioni说，对于ChatGPT等非常受欢迎的模型，只需几周时间，这种模型的使用排放量就会超过其训练排放量。
这是因为大型人工智能模型只训练一次，但之后它们可以被使用数十亿次。据估计，ChatGPT等流行模型每天拥有多达1000万用户，其中许多人不止一次提示该模型。
Gadepally说，像这样的研究使与人工智能相关的能源消耗和排放更加切实，并有助于提高人们对使用人工智能相关的碳足迹的认识，并补充说:“我希望消费者开始询问这一点。”
道奇说，他希望这样的研究能帮助我们让公司对他们的能源使用和排放更加负责。
他表示:“在这里，责任在于创建模型并从中获利的公司。”
