最近推出的ChatGPT标记着计算史上的一个新时代，复杂的新型人工默认(AI)模型的迅速裁减，推进了计算机配置的界限。关于一些人来说，这为激动人心的新停顿关上了大门，这些停顿也预示着更美妙的未来。关于另一些人来说，警钟曾经敲响，从失业到恶意人工默认对人类生活的要挟，人们对一切都感到担忧。进一步的担忧集中在基于人工默认的经济的基础设备上，例如新的动力密集型计算方法对环境的影响。只管评价新兴的人工默认计算模型是审慎的，但剖析必定审核关系的掂量，以确定与人工默认计算反派关系的老本和收益。
计算机时代始于20世纪50年代推出的大型计算机，直到20世纪80年代，大型计算机不时是企业的干流。台式电脑随后推出了更小、更廉价、更易于经常使用的新一代团体电脑。这些新型计算机迅速盛行起来，在商业和团体经常使用的新市场都占据了主导位置。21世纪初，互联网和云计算为企业和团体提供了一种新的形式，经过在线存储、在线运行等形式取得额外的计算才干。当今的人工默认反派建设在减速计算的基础上——随着人工默认、机器学习和实时数据剖析的极速开展，计算机技术的最新停顿正在推进下一代计算才干的开展。
减速计算依赖于被称为减速器的公用配件来减速某些义务的口头。图形处置单元(GPU)等公用配件与传统中央处置单元(CPU)协同上班。GPU在图形处置方面十分高效，在机器学习和其余运行中曾经变得至关关键。一系列GPU可以并行经常使用，大大提高计算才干。GPU与主机、路由器和数据存储一同安排在庞大的数据核心中，为传统计算机所无法企及的计算才干关上了大门。
ChatGPT旋风式的引入向群众展现了人工默认的新环球和减速计算的力气。但是，这只是人工默认才干的一个暗示，由于计算才干的提高简直对经济的每个行业都有影响。例如，为药物发现开发的新模型可以缩小识别新药所需的老本和期间，还可以发明更共性化的治疗方法。雷同，金融畛域由人工默认驱动的改革正在扭转银行业、股票买卖和保险业。人工默认可以提高天气模型的准确性，以改善公共安保，并对农作物产量做出更准确的预测。人工默认的力气也有助于处置严重的政策疑问，例如，经过开发更准确的气象模型。
但是，计算才干的提高并非没有代价。其是动力密集型的，大型数据核心领有必要的网络基础设备和计算才干。但数据核心对电网提出了新的要求，随着人工默认被更宽泛地驳回，这些要求将会参与。数据核心可以是容纳GPU和训练和运转人工默认模型所需的其余配件的大型修建。位于芝加哥的350EastCermak数据核心占地超越100万平方英尺，相当于23个足球场大小，而内华达州的Citadel数据核心占地720万平方英尺，有望成为环球上最大的数据核心。为这些关键数据核心供电并不是一个小疑问。据预计，数据核心消耗了全国电力的3%。这曾经成为一些人的指标，由于其对环境的影响以及给电网治理带来的应战。人工默认的极速驳回或者会对电网提出更高的要求，使这些疑问成为一个关键的政策疑问。
这些疑问促使人们呐喊暂停或减缓人工默认的开展。但思索到环球对人工默认和减速计算的推进，这种选用是无法行的。其余国度正在谋求自己的人工默认形式，只管美国继续排名第一，但中国排名第二，并且在自己的人工默认畛域取得了严重停顿。与此同时，开源人工默认建模正在取得长足的提高，为数据核心和人工默认发明了额外的需求。假设美国要坚持环球上游位置，并且计算才干市场要具备竞争力，那么对数据核心的需求将继续增长，政策制订者必定确保以最有效的形式满足电力需求。
此外，与运转大型人工默认模型的数据核心相比，更扩散的计算优惠自身就更环保，但这一点并不显著。要到达相反的输入水温和品质，须要在更长的期间内启动更多基于CPU的计算。能够极大改善社会福利的更快的药物发现，和更好的气象模型将被推延，甚至无法行，从而发生显著的社会危害。理想上，经过新的人工默认驱动计算，可以改善或援救少量生命，而减缓或限度人工默认的经常使用将对社会发生严重影响。
人工默认提高了消费劲，从而促成了经济增长。因此，在测验其好处时，正确的计算是在没有其的状况下成功相反水平的增长和产出的老本：在愈加散布式的基于CPU的环球中，提供相反的效益须要多少老本，以及须要多长期间?这是必定评价的关系掂量，并且必定抵赖暂停人工默认的老本。
下一步
随着人工默认越来越融入经济优惠，处置电网的需求是政策制订者必定处置的应战。雷同，人工默认可以对治理电网发生踊跃影响，并创立一个更默认、更高效的电网。即使没有人工默认和数据核心不时增长的需求，网格治理也不时是一个应战。但钻研人员示意，关键的是要关注如何应用人工默认来改善电网治理和降落能耗。
接上去有几个关键的步骤：
首先，确定人工默认如何经过为人工默认驱动的动力存储系统发明更好的时机、更好地治理电网上的可再生负荷，以及在发电厂更清洁地发电，来增强电网治理。其次，应用人工默认消弭工厂和其余修建的动力糜费以及改善交通治理，从而缩小制作业和交通运输等关键部门的动力消耗。最后，提升人工默认，降落深度学习模型的能耗。一项钻研标明，经过提升的模型可以将训练人工默认模型所需的能量缩小75%。
减速计算和人工默认的兴起为未来带来了渺小的宿愿，在经济增长和社会福利方面带来了渺小的社会效益。成功这些成绩须要一个审慎的政策框架，可以处置为人工默认模型提供计算才干的数据核心的动力需求疑问。政策制订者须要协助成功人工默认的潜在效益，并找到处置这一关键经济部门不时增长的动力需求的方法，而不是暂停。