生成式AI消耗巨量能源与水资源。此外,该技术可能替代劳动力、助长虚假信息传播、制造或加剧国家安全风险。由于数据匮乏,生成式AI的效益与风险尚不明确,其影响评估存在显著差异。生成式AI产品与服务的持续扩张引发对其效益风险规模的质疑。

应美国会要求,美政府问责局(GAO)对生成式AI影响(尤指风险维度)开展技术评估,重点审查:(1)生成式AI技术的潜在环境影响(2)潜在人文影响(3)优化效益或缓解环境人文影响的政策选项。

生成式人工智能(AI)可能引发行业革命。短期内,其有望显著提升多领域生产力并变革日常任务。然而该技术的效益与风险(含环境人文影响)仍属未知或不明。生成式AI消耗大量能源水资源,但企业普遍未披露具体用量。现有环境影响评估多聚焦模型训练能耗及关联碳排放,水资源消耗测算研究有限。生成式AI被视为数据中心需求的核心驱动力,但其在数据中心电力消耗中的占比仍不明确。据国际能源署数据,2022年美国数据中心电力消耗约占全国需求4%,2026年或达6%。尽管生成式AI可能造福人类,GAO仍强调其对社会、文化及个体构成的五大人文风险(见图例):例如不安全系统可能生成损害安全的输出——包括错误信息、不良内容或助长恶意行为。但因技术快速迭代且私营开发商未披露关键技术信息,对这些风险挑战难下定论。

GAO提出可优化效益或应对环境人文挑战的政策选项。这些选项指明政策制定者(含国会、联邦机构、州地方政府、学术研究机构及产业界)的潜在行动路径。政策制定者亦可选择维持现状——即在当前措施外不采取额外行动。

成为VIP会员查看完整内容
1

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《建模与仿真(M&S)导论》32页最新报告
专知会员服务
26+阅读 · 5月18日
《赢得感知和理解之战》最新64页报告
专知会员服务
38+阅读 · 2024年12月31日
《人工智能与影响力作战:最新趋势》2024最新39页报告
专知会员服务
45+阅读 · 2024年6月11日
《人工智能赋能影响力作战》最新42页报告
专知会员服务
48+阅读 · 2024年6月2日
国家自然科学基金
43+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
44+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
Arxiv
170+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
472+阅读 · 2023年3月31日
Arxiv
24+阅读 · 2023年3月17日
VIP会员
相关VIP内容
相关资讯
相关基金
国家自然科学基金
43+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
44+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员