當(dāng)前，以大語言模型為基礎(chǔ)的生成式人工智能正在快速發(fā)展，并走進(jìn)日常生產(chǎn)與生活。然而，生成式人工智能需要龐大的計算算力與硬件資源，以支撐大模型的訓(xùn)練和推理。因此，圍繞生成式人工智能的硬件需求分析及其資源環(huán)境影響評估成為國際可持續(xù)發(fā)展領(lǐng)域的前沿挑戰(zhàn)。然而，鮮有關(guān)于生成式人工智能對于電子廢棄物的影響及管理策略舉措的研究。
 

　　中國科學(xué)院城市環(huán)境研究所聯(lián)合英國劍橋大學(xué)、以色列瑞赫曼大學(xué)的科研人員，在生成式人工智能的電子廢棄物排放預(yù)測及管理策略研究方面取得了進(jìn)展。相關(guān)研究成果以E-waste challenges of generative artificial intelligence為題，在線發(fā)表在《自然-計算科學(xué)》(Nature Computational Science)上。
 

　　該研究開發(fā)了人工智能需求-算法-算力-硬件關(guān)聯(lián)的物質(zhì)流核算方法，完成了生成式人工智能產(chǎn)生的電子廢棄物的情景預(yù)測與應(yīng)對舉措識別，為人工智能全球可持續(xù)治理提供了新的維度及支撐。研究顯示，在不同情景下，生成式人工智能將在2023年至2030年產(chǎn)生120萬至500萬噸的電子廢棄物，并對生態(tài)環(huán)境及人群健康產(chǎn)生影響；同時，研究識別發(fā)現(xiàn)，通過實施相關(guān)循環(huán)經(jīng)濟(jì)戰(zhàn)略，可以減少16%至86%的電子廢棄物。
 

　　研究工作得到國家自然科學(xué)基金等的支持。
 

人工智能需求-算法-算力-硬件關(guān)聯(lián)的物質(zhì)流核算方法