羊财神(yangcaishen.com)博客，尽管人工智能普遍受到媒体好评，但其对电力和水的消耗最近引发了相当大的争论。许多在线文章谴责人工智能使用的重要资源，其中包括《滚石》杂志的一篇文章，声称“微软的全球耗水量在一年内飙升至近 17 亿加仑”。这篇文章通过将人工智能的用水量与 2,500 个奥林匹克规模的游泳池的用水量进行比较，过于简单化了这个复杂的问题。
数字媒体 The Standard采用了类似的论点，将用水量等同于游泳池的容量。这种方法与比特币挖矿批评者所使用的方法相呼应，他们将其能源使用比作一个国家的消费水平。在社交媒体平台 X 上，比特币倡导者尼克·卡特 (Nic Carter)在回应《标准报》的标题时指出，他们“实际上只是将他们的反比特币挖矿观点复制粘贴到反人工智能文章中。”
将人工智能的消耗等同于特定人力资源的总使用量可以说是一种误导，因为这些夸大的人工智能叙述中经常忽视了各种因素，包括背景、性质和效用差异。细致入微、知情的讨论应反映每种情况下能源使用的质量、类型和影响。
为人工智能提供动力的能源非常重要。如果生成式人工智能是由可再生能源或过剩能源驱动的，而这些能源本来可能未被利用，那么这与使用对人类基本活动至关重要的不可再生资源不同，直接比较是徒劳的。此外，随着技术的进步，人工智能基础设施变得更加节能，有可能减少其相对能源影响。这些相同的观点已经被提出，并且可以应用于加密货币挖掘中涉及的资源利用。
开发人员兼 Casa 首席技术官 Jameson Lopp 在一篇讨论训练 AI 模型或大型语言模型 (LLM) 的 X 帖子中发表了评论。该帖子引用了 Earth.org 的一篇文章，声称“训练人工智能模型对环境的影响比美国汽车制造和燃料消耗的影响近七倍。” 洛普表示，这是“迄今为止最愚蠢的减速愤怒”。“我猜那些白痴没有意识到，受过训练的法学硕士可以被无限数量的人无限次地询问，”洛普补充道。
此外，在同一个 X 帖子主题中，另一位评论者解释说，当考虑总排放量而不是单位排放量时，很明显，与大量的人、汽车和飞机旅行相比，人工智能模型对排放的总体影响相对较小。这一观察结果表明，由于人工智能模型的数量较少，其环境足迹也较小。
该人士写道：“即使我们假设每年有 10,000 个模型接受训练，这绝对是高估的，但与之相比，总排放量仍然相形见绌。”
围绕比特币挖矿和生成人工智能对环境影响的热烈讨论反映了更广泛的社会关注。然而，匆忙成为耸人听闻的头条新闻往往掩盖了这些技术复杂、多方面的本质。除了标题诱饵的叙述之外，还更需要对我们不断进步的数字时代的真正影响进行全面理解和细致入微的辩论，这种影响要考虑所有观点，并寻求提供信息而不是煽动公众舆论。
