AI浪潮下的隱憂(yōu)：500萬(wàn)噸電子垃圾危機

（來(lái)源：MIT TR）

一項新研究表明，到 2030 年，生成式 AI 可能會(huì )產(chǎn)生多達 500 萬(wàn)噸電子垃圾。

盡管這只是目前全球每年超過(guò) 6000 萬(wàn)噸電子垃圾總量中相對較小的一部分，然而專(zhuān)家警告說(shuō)，這仍然是一個(gè)日益嚴重的問(wèn)題的重要組成部分。

電子垃圾是指被丟棄的空調、電視以及手機和筆記本電腦等個(gè)人電子設備等物品。這些設備通常含有危險或有毒材料，如果處理不當可能會(huì )危害人類(lèi)健康，造成環(huán)境污染。除了這些潛在危害之外，當洗衣機和高性能計算機等電器最終被扔進(jìn)垃圾桶時(shí)，設備內的有價(jià)值的金屬也會(huì )被浪費，從供應鏈中取出而不是被回收。

今天發(fā)表在 Nature Computational Science 雜志上的一項研究表明，根據生成式 AI 的采用率，到 2030 年，該技術(shù)可能會(huì )總共增加 120 萬(wàn)至 500 萬(wàn)噸電子垃圾。

“這一增長(cháng)將加劇現有的電子垃圾問(wèn)題。”以色列賴(lài)希曼大學(xué)的研究員、該研究的合著(zhù)者 Asaf Tzachor 在一封電子郵件中寫(xiě)道。

吉印通國訓練研究所高級科學(xué)專(zhuān)家、最新年度報告《全球電子廢物監測》的作者 Kees Baldé 表示，“這項研究在量化人工智能對電子廢物的影響方面是最新的。”

生成式 AI 電子垃圾的主要來(lái)源是數據中心和服務(wù)器集群中使用的高性能計算硬件，包括服務(wù)器、GPU、CPU、內存模塊以及存儲設備。Tzachor 說(shuō)，“這些設備與其他電子垃圾一樣，含有銅、金、銀、鋁和稀土元素等有價(jià)值的金屬，以及鉛、汞和鉻等有害物質(zhì)。”

人工智能公司產(chǎn)生如此多浪費的原因之一，是硬件技術(shù)的進(jìn)步速度。計算設備的使用壽命通常為兩到五年，并且經(jīng)常被最新版本所取代。

雖然電子垃圾問(wèn)題遠遠超出了人工智能的范疇，但快速發(fā)展的技術(shù)提供了一個(gè)機會(huì )，可以評估我們如何處理電子垃圾并為解決問(wèn)題打下基礎。好消息是，有一些策略可以幫助減少預期的浪費。

Tzachor 表示，通過(guò)延長(cháng)設備的使用時(shí)間來(lái)延長(cháng)技術(shù)壽命是減少電子垃圾的最重要方法之一。翻新和重復使用組件也可以發(fā)揮重要作用，就像以更容易回收和升級的方式設計硬件一樣。研究預測，在最好的情況下，實(shí)施這些策略可以減少高達 86% 的電子垃圾產(chǎn)生。

根據 2024 年《全球電子廢物監測》報告，目前只有約 22% 的電子廢物被正式收集和回收，更多的垃圾是通過(guò)非正式系統收集和回收的，包括在沒(méi)有建立電子廢物管理基礎設施的低收入和中低收入國家。Baldé 說(shuō)，“這些非正式系統可以回收有價(jià)值的金屬，但通常不包括危險材料的安全處置。”

減少人工智能相關(guān)電子垃圾的另一個(gè)主要障礙是對數據安全的擔憂(yōu)。銷(xiāo)毀設備可確保信息不會(huì )泄露，而重復使用或回收設備則需要使用其他方法來(lái)保護數據。Tzachor 表示，“確保在回收之前從硬件中刪除敏感信息至關(guān)重要，特別是對于處理機密數據的公司。”

可能需要更多政策來(lái)確保電子垃圾（包括來(lái)自人工智能的電子垃圾）得到回收或妥善處置。回收有價(jià)值的金屬（包括鐵、金和銀）有助于證明經(jīng)濟合理性。然而，Baldé 表示，“電子垃圾回收可能仍然需要付出代價(jià)，因為安全處理設備內常見(jiàn)的有害物質(zhì)成本比較高。”

“對于公司和制造商而言，對其產(chǎn)品的環(huán)境和社會(huì )影響承擔責任至關(guān)重要。”Tzachor 說(shuō)道，“這樣，我們可以確保我們所依賴(lài)的技術(shù)不會(huì )以犧牲人類(lèi)和地球的健康為代價(jià)。”

原文鏈接：

021yin.com/2024/10/28/1106316/ai-e-waste/