Position: Neglecting the Sustainability of AI is Fuelling a Global AI Arms Race
本立场文件认为，忽视人工智能可持续性的经济与社会维度——特别是公平资源获取与环境影响之间的紧张关系——加剧了全球人工智能军备竞赛，并提议通过马克思主义视角的分析以及气候与资源感知型机器学习（CARAML）框架，来调和这些因素以实现真正可持续的人工智能。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，现在的 AI（人工智能）世界就像一场规模宏大、赌注极高的全球竞赛。各国和巨头科技公司正处于冲刺阶段，力求构建出最大、最快、最强大的 AI 引擎。他们投入数以十亿计的美元用于超级计算机，并雇佣数千名工程师，这非常类似于冷战时期各国竞相制造更多核武器的情况。
本文认为，这场“AI 军备竞赛”是危险的，因为每个人都如此专注于赢得比赛，以至于忽略了燃料的成本以及参赛者的排斥问题。
以下是该论文主要观点的简单拆解：
1. 三脚凳摇摇欲坠
作者指出，“可持续性”不仅仅是指保护地球（环境）。它是一个三脚凳：
- 环境： AI 使用了多少电力和水资源？它排放了多少碳？
- 经济： 谁有钱去建造这些东西？
- 社会： 谁有权参与其中？这是否公平？
目前，AI 世界痴迷于环境这一条腿（试图让 AI 变得“绿色”或高效），但却忽视了经济和社会这两条腿。他们试图让比赛跑得更快，却不问谁被允许参赛，也不问赛道是否正在破坏森林。
2. “效率”的陷阱（杰文斯悖论）
论文指出了一个棘手的陷阱。当工程师们让 AI 模型变得更高效（即在执行单项任务时消耗更少的能量）时，这听起来很棒。但结果往往适得其反。
- 类比： 想象你发明了一辆耗油量减半的汽车。很好，对吧？但因为开车变得更便宜了，于是所有人开始开更多的车，甚至买了更大的卡车。突然间，你消耗的燃油比以前更多了。
- 在 AI 领域： 当像“DeepSeek”这样的模型变得高效时，更多的人开始使用它们，公司也开始构建规模更大、更复杂的模型（例如“推理”模型）来消耗海量的能量。效率的提升被使用量的激增所吞噬了。
3. “贫富”差距
论文利用历史视角（受卡尔·马克思启发）来解释硬件（“基础”）是如何控制规则与文化（“上层建筑”）的。
- 现实情况： 只有少数国家（主要是美国、中国和欧洲）以及少数几家巨头公司拥有训练 AI 所需的大规模数据中心和超级计算机。
- 结果： 这创造了一种“数字殖民主义”。富裕的国家和公司制定规则、构建模型并攫取利润。而较贫穷的国家和规模较小的研究人员则被拒之门外，因为他们负担不起“入场费”（电力和硬件）。
- 讽刺之处： 即便是当人们谈论“AI 主权”（各国想要拥有自己的 AI）时，这往往只是在加剧军备竞赛，促使各国去建造更昂贵的基础设施以求竞争，而不是共享资源。
4. 解决方案：CARAML 框架
作者提出了一种看待 AI 的新方式，称为 CARAML（气候与资源感知机器学习）。他们希望停止这场军备竞赛，建立一个真正可持续的系统。
他们向不同群体提出了“行动呼吁”，就像一个团队协作修理漏水的船只一样：
- 个人（研究人员）： 不要仅仅以 AI 有多“聪明”来衡量成功。要开始衡量获得这种智能消耗了多少能量。如果一个 AI 很聪明但耗费了巨额电费，那它就是失败的。
- 社区（学术会议）： 不要把时间和精力浪费在重复旧思想的实验上。要求研究人员“预注册”他们的计划，这样我们才不会在死胡同里浪费资源。
- 行业（大型科技公司）： 它们需要一个“碳上限”。就像工厂不能无限制排放污染一样，AI 公司也应该有一个排放碳排放量的硬性限制。
- 政府： 应当将 AI 视为一项重大的建设工程。在开工前，他们应该进行“影响评估”，看看这会对就业、隐私和气候产生什么影响。
- 全球层面： 我们需要解决“数字鸿沟”。富裕国家应该帮助较贫穷的国家获得计算能力。与其让每个国家都去建造自己的昂贵引擎，我们应该共享资源，共同解决气候变化等全球性问题。
核心结论
论文总结道，如果我们用 AI 本身正在破坏气候的方式来解决气候问题，那是行不通的。如果我们只有富人才能构建技术，那么我们就无法拥有公平的社会。
为了赢得通往更美好未来的竞赛，我们必须停止互相竞争去制造更大、更肮脏的机器。相反，我们需要放慢脚步，共享资源，并确保当我们构建 AI 时，我们是在为所有人以及整个地球而构建，而不仅仅是为了利润和权力。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。