好了，我们开始吧！忘掉那些令人沮丧的表格数字；让我们用一种最意想不到的方式来谈论科技。还记得那个关于谷歌排放量“真的”飞速上涨的天空新闻头条吗？好吧，不仅仅是我因为咖啡机被数据中心取代而感到恐慌（虽然说实话，跟某些东西比，我的咖啡机好像挺高效似的）。

事实证明，“人工智能：为什么”这件事比周二早上的通勤还要复杂。并不是说有一天他们突然醒来，说着：“你知道什么？我们要加倍投入去驱动那个花里胡哨的新聊天机器人。”不！增长是在五年内发生的——把它看作是一种缓慢的渗透，而不是突如其来的数字末日激增。而 48% 这个数字听起来很可怕（如果你只考虑碳足迹的话），但当你考虑到其中涉及的巨大算力和智力时，感觉就有点不同了。

因为人工智能？这就像试图向一个总是把颜料涂满整页的幼儿解释水彩画原理：这需要*大量*的试错。训练那些大型模型就像拥有数千万只微小的、渴求能量的蚂蚁整齐行进——只不过它们会在中途感到无聊，转而开始跟虚拟热狗玩“捡”的游戏！每个模型迭代都需要大量的计算能量，就像我上次试图只用微波炉烘烤蛋糕（教训是：回合制系统需要持续的外部热量）。

而这里就变得更加奇特了。虽然你可能认为为人工智能供电是纯粹的环境邪恶，但这故事并非非黑即白。它不那么关于办公室里灯光简单的开/关开关，更像……好吧，想象一下试图教满屋子好动的幼儿园孩子做复杂微积分而没有任何零食。你能看到潜在的突破（训练好的模型），但你同时也要处理一大堆低效的反复尝试！这不仅关于现在与那时相比使用了多少电力，而是关于这些电力实际上驱动了什么。

啊，没错，因为人工智能不仅仅是运行在电池上的另一个应用程序。我们谈论的是多模态理解——模型学会通过眼睛和耳朵（有时）来观察世界。或者更准确地说，它们需要海量的计算能力同时进行！此外，我们还在尝试像强化学习这样的东西，算法通过行动来学习……这意味着它在稍微更接近有用结果之前会搞砸很多。这有点像那只猫试图弄清楚跳上冰箱的高度——有很多次练习跳跃！

但是停下你的马（或者你的监管担忧），让我们不要把整个“碳宝宝”连同洗澡水一起扔掉！事实是，人工智能随着时间的推移确实在自我改进。效率提升不断发生——想想研究人员在他们的阁楼上摆弄着，试图找到那些数字大脑无需博士学位就能理解事物的方法，好吧……字面意义上就是这样。也许如果他们远程工作于像“海外求职”这样的项目上？谁知道呢！重点是，我们可以从中吸取教训。

那么，对于普通人来说，听到他们最喜欢的科技巨头基本上变得更显眼地消耗能量意味着什么？这意味着也许下次当你向你的 AI 助手问一个关于天气的愚蠢问题或松鼠为何收集橡子时，停下来并欣赏幕后发生的所有复杂运转。但嘿，也许我们应该考虑我们如何能减少消耗——就像那篇文章建议的那样：“海外求职”可能是寻求更绿色环境的专业人士的一条途径？这是一个狂野的想法！

归根结底，这不仅仅是关于谷歌的电费账单（虽然它们可能还没有付）。它突显了创新的复杂现实。我们用人工智能推动边界，探索新的前沿——无论是字面意义还是隐喻意义上的——但我们需要比以往任何时候都更聪明地去做。

所以这里是结论：虽然为人工智能供电目前是一个严峻的能量挑战，但不要指望每个人因为科技使用太多电力就放弃科技！该领域一直在演变，解决方案每天都在被酝酿。这是关于平衡进步与责任——找到强力工具与环保实践相遇的那个甜蜜点。我们拥有能让算法变得更高效的算法；让我们希望我们也具备集体意愿去实现这一点……在我们碳足迹再次意外地急坠之前！
< Go Back