生成式人工智能Generative artificial intelligence (GAI) 需要大量的计算资源，以进行模型训练和推理，但生成式人工智能GAI及其管理策略对于电子废弃物electronic-waste (e-waste) 的影响，仍未得以充分研究。近日，中国科学院城市环境研究所汪鹏Peng Wang, Ling-Yu Zhang，陈伟强Wei-Qiang Chen等，以色列瑞赫曼大学（Reichman University）Asaf Tzachor，在Nature Computational Science上发文，介绍了计算能力驱动的物质流分析框架方法，以量化和探索管理生成式人工智能GAI产生的电子垃圾，并特别关注大型语言模型。研究表明，在未来不同的生成式人工智能GAI发展环境下，这一电子废弃物流可能会增加，在2020-2030年期间，将达到120万-500万吨的总积累量。在地缘政治限制半导体进口和服务器快速周转以节省运营成本的背景下，这种情况可能会有所加剧。研究发现，沿着生成式人工智能GAI价值链，实施循环经济战略，可以减少16-86%的电子垃圾。为此，面对先进的生成式人工智能GAI技术，这强调了积极主动采取电子废弃物管理的重要性。E-waste challenges of generative artificial intelligence.
电子垃圾对生成式人工智能的挑战。
![]()
图1: 计算能力驱动了物质流分析模型的层次框架，以及在没有干预的情况下，关于大语言模型Large language models，LLM相关废弃物产生的相应情景结果。![]()
图2: 循环经济战略及其生成式人工智能GAI相关电子废弃物的潜在影响。Wang, P., Zhang, LY., Tzachor, A. et al. E-waste challenges of generative artificial intelligence. Nat Comput Sci (2024). https://doi.org/10.1038/s43588-024-00712-6https://www.nature.com/articles/s43588-024-00712-6声明：仅代表译者观点，如有不科学之处，请在下方留言指正！
