OpenAI 首席执行官 Sam Altman 认为，期待已久的核聚变可能是解决人工智能巨大的能源消耗并为人工智能革命铺平道路的“灵丹妙药”。然而，当这场革命到来时，它可能不会像他曾经声称的那样令人震惊。
本周早些时候，Altman 在瑞士达沃斯世界经济论坛年会期间的一次彭博社活动上谈到了人工智能日益增长的需求。这位首席执行官表示，强大的新人工智能模型将可能需要比之前想象的更多的能源消耗。他暗示，解决这种能源赤字将需要核聚变领域的“突破”。
“没有突破就无法实现，”Altman 在活动中据路透社报道。“这激励我们加大对（核）聚变的投资。”
人工智能的能源问题
尽管一些人工智能倡导者认为，从先进模型中获得的见解可以帮助以新的方式应对气候变化，但越来越多的研究表明，训练这些复杂模型所需的初始能源本身也在付出代价。专家预计，训练 OpenAI 的 GPT 和谷歌的 Bard 等模型所需的大量数据将增加全球数据服务器行业的负担，而国际能源署 (IEA) 估计，该行业目前已占全球温室气体排放量的 2-3%。
研究人员估计，训练一个像 GPT-4 这样的大型语言模型可能需要消耗约 300 吨二氧化碳。其他人则估计，像 Dall-E 或 Stable Diffusion 这样的 AI 图像生成工具生成的单张图像需要与给智能手机充电相同的能量。用于支持 AI 训练的大型服务器农场还需要大量的水来保持凉爽。最近的研究表明，仅 GPT-3 在其训练期间可能就消耗了 185,000 加仑水。
[ 相关：人工智能世界的简明指南]
Altman 希望更便宜的太阳能和核聚变等气候友好型能源解决方案能够帮助 AI 公司满足这一日益增长的需求，而不会加剧本已黯淡的气候前景。核聚变模仿恒星产生的能量，长期以来一直吸引着科学家和企业家，因为它是一种在工业规模上生产时近乎无限的清洁能源。
科学家们在通往聚变的道路上已经取得了一些重要的里程碑，但能够为 AI 训练模型供电的、功能齐全的聚变反应堆不太可能很快出现。国际能源署预计，原型聚变反应堆可能在 2024 年之前上线。与此同时，Altman 正在积极参与其中。2021 年，这位 OpenAI 首席执行官和前 Y Combinator 主席个人投资了 3.75 亿美元给 Helion Energy，这是一家总部位于美国的开发聚变发电厂的公司。
人工智能“将比我们想象的改变世界少得多”
当他没有思考聚变能源的未来时，Altman 也在努力淡化他之前关于人工智能的一些更具灾难性的说法。不到一年前，Altman 还签署了一封警告失控的人工智能可能终结人类生命的信，并撰写了一篇博客文章为超越人类智能的 AI 世界做准备。如今，在世界经济论坛活动外的场合，这位首席执行官表示，这项技术“将比我们想象的改变世界少得多”。
Altman 仍然认为，通用人工智能（AGI，这是一个模糊且不断发展的行业术语，指能够超越人类表现并展现类人认知能力的模型）即将到来，但他似乎不像几个月前那样担心其颠覆性影响。
“它（AGI）将比我们想象的改变世界少得多，也将比我们想象的改变工作少得多，”Altman 在世界经济论坛的一次对话中据 CNBC 报道。他随后含糊地预测 AGI 将在“相对不久的将来”被开发出来。
[ 相关：如果人工智能变得比人类更聪明会发生什么？科学家对此感到担忧。]
在周二与微软首席执行官 Satya Nadella 和《经济学人》主编 Zanny Minton Beddoes 的对话中，Altman 继续保持着相对谨慎的语气。
“当我们达到 AGI 时，”Altman 据 VentureBeat 报道，“世界会疯狂两周，然后人类会回到做人类该做的事情。”
周四在世界经济论坛上发言时，Altman 继续淡化他公司自身技术的作用，称该工具是“一个有时正确、有时有创意、[并且]经常完全错误的系统。”具体来说，Altman 表示，不应该信任人工智能来做出生死攸关的决定。
“你实际上不希望（人工智能）来开车，”Altman 据 CNN 报道。“但你乐于让它帮助你集思广益写什么，或者帮你检查代码。”
目前尚不清楚是什么原因导致这位人工智能最响亮的宣传者在如此短的时间内压低了他对该技术影响的调门。这种语气的转变恰好发生在 Altman 成功抵御了 OpenAI 时任董事会试图将其罢免的企图的两个月后。
当时，董事会成员表示，他们之所以寻求罢免 Altman，是因为他“在沟通方面不够坦诚”。一些观察家将这一模糊的解释解读为 Altman 据称优先考虑 AI 产品发布速度而非安全性的暗示。经过一周如黄金时段电视节目般精彩的公司权力斗争后，Altman 最终重返 CEO 职位。
Altman 关于人工智能影响的“掉头”和他之前的末日论调可能听起来截然相反，但它们有一个共同的关键点：两者都不是基于可供研究人员或公众验证的开放数据。OpenAI 的训练方法仍然不公开，使得对其未来计算能力的预测仅仅是猜测。
