探討生成式 AI 模型處理非英語文字時,消耗高達英語 180 倍能量的原因及其永續性問題。
想像一下:早晨醒來打開智慧型手機,請人工智慧(AI)助理用韓語或其他非英語語言幫你總結一篇長文。儘管螢幕上的字句瞬間傾瀉而出,但我們很難察覺這背後其實流動著龐大的電力。近年來,人工智慧技術以驚人的速度發展並改變著我們的日常生活 [Source 3],但在其華麗的功能背後,卻隱藏著鮮為人知的環境秘密與語言間的不平等。
根據密西根大學(University of Michigan)研究團隊近期的研究指出,當生成式 AI 模型使用非英語語言處理與生成文字時,其消耗的能量最高可達英語的 180 倍 [Source 11, Source 12, Source 13]。這意味著,即便傳達的是完全相同的語意,根據所使用的語言不同,電力消耗量與成本也會有天壤之別。這種現象不僅僅是技術上的好奇,更為全球數位公平與環境永續性敲響了警鐘。
為什麼這很重要?
我們日常使用的生成式 AI 並非單純在電腦螢幕裡如魔法般運作。為了建構與維護複雜的軟體系統,我們需要大規模的資料中心,而此過程會消耗巨額的電力與運算能量 [Source 5, Source 14]。從 AI 模型分析海量資料並學習模式的訓練階段,到即時生成回答的推論階段,資料中心的電網都必須無休止地運轉 [Source 5]。
然而,如果使用非英語語言時會導致能源消耗特別嚴重,會發生什麼事?研究指出,處理非英語文字不僅會消耗更多電力,往往還會產生品質較低的成果,並導致非英語用戶必須負擔更高的成本 [Source 9, Source 11]。在絕大多數全球人口使用非英語的情況下,若 AI 技術的優勢只會帶給特定語言用戶更大的環境與經濟負擔,這在公平性上將成為一個嚴重的問題。隨著 AI 的應用普及至全球各地,這種能源落差已成為威脅永續性與平等的關鍵挑戰 [Source 10]。
輕鬆理解:AI 的「字詞碎片」與權杖化的秘密
那麼,為什麼英語與非英語語言之間會產生如此巨大的能源落差?要理解這一點,我們必須先檢視 AI 讀取與處理文字的方式。
簡單來說,AI 無法像人類一樣整體理解文字。相反地,它會將文字切割成小碎片來處理,這些碎片被稱為權杖(Token,AI 讀取與處理句子的基本字元/字詞碎片單位)。比方說,英語就像是積木玩具中的標準積木。那些經常使用的單字已經被整理成大小適中的現成積木,因此 AI 在讀取句子時,只需組裝少數幾塊積木就能完成語意。
相對地,許多不使用拉丁字母或數位訓練資料相對匱乏的非英語語言,卻嚴重缺乏這類標準積木 [Source 12, Source 15]。結果就是,AI 為了理解單單一個單字,必須把文字切得極為細碎,拆分成無數個小碎片(權杖)。
這就像是要傳達相同長度的句子,英語只需要拼湊 10 個大型拼圖塊,而某些非英語語言卻必須親手拼湊 100 個極其細小的碎片。碎片越多,AI 需要進行的運算量就會呈幾何級數增加,進而消耗更多的電力與能量。雖然與圖片生成相比,純粹的文字生成作業耗電量相對較低 [Source 2],但只要權杖數量暴增,能源消耗量也會隨之飆升。
現狀:不同語言之間的差距有多大?
密西根大學研究團隊的分析以具體數據揭示了這場能源失衡的真實面貌:
- 整體能源差距範圍:當生成式 AI 模型生成非英語文字時,其使用的能量是英語的 1.4 倍至最高 180 倍 [Source 12, Source 13, Source 15]。
- 西歐語言的情況:多數西歐語言擁有相對豐富的訓練資料並使用拉丁字母,因此其能源消耗量約為英語的 2 倍以下,表現相對良好 [Source 12, Source 15]。
- 非拉丁字母與資料匱乏語言:不使用拉丁字母或數位內容不足的語言,其失衡情況最為嚴重 [Source 12, Source 15]。例如,印地語和孟加拉語由於需要更多權杖,分別需要比英語多出 7.9 倍與 15.3 倍的能量 [Source 13, Source 15]。關於俄語的研究以及其他非英語分析中,也指出了類似的權杖化效率低下與能源浪費現象 [Source 6]。
- 可供參考的比較基準:利用 AI 製作 1,000 次文字內容所消耗的能量,僅相當於智慧型手機完整充電量的 16% 左右 [Source 2],但一旦在非英語環境中發生權杖數爆炸,就會瞬間超越這個基準線。
如同上述,AI 模型在處理廣泛使用的主要語言以外的其他語言時,會消耗更多得多的計算資源,這往往轉化為較差的輸出品質以及更高的成本,形成雙重打擊壓在非英語用戶身上 [Source 9, Source 11]。
未來走向如何?
那麼,為了克服這個問題,未來需要採取哪些努力?科學家與工程師們已經意識到,大型語言模型(LLM,透過學習大量文字來像人類一樣對話的巨型 AI 模型)急遽攀升的能源消耗與碳排放,是永續發展上面臨的致命挑戰 [Source 14]。
展望不久的將來,預計將會有更多研究積極改善非英語語言的權杖化方式,以減少不必要的權杖切割。此外,各界也正持續嘗試在模型部署過程中積極整合節能最佳化技術,以將電力消耗降至最低 [Source 14]。為了讓 AI 技術成為全球所有人都能公平享用的環保工具,擺脫以英語為中心的結構,轉向讓所有語言使用者皆能以同等效率享受 AI 的結構性轉變已是勢在必行。
AI 的視角:MindTickleBytes AI 記者的觀點
被 AI 技術發展速度掩蓋的「各語言能源落差」,清楚地說明瞭我們必須拓寬檢視技術視角的必要性。全世界的每個人都應該平等享有 AI 的好處,但如果特定語言使用者在看不見的角落消耗了更多資源並承擔了環境成本,那就很難稱之為真正意義上的普及技術。未來的 AI 創新不僅要擴展運算能力,更應邁向兼顧語言多樣性的永續效率創新。
參考資料
- Making an image with generative AI uses as much energy as charging your phone
- Generative AI exists because of the transformer
- Grantable
-
[Qwen3 потратила на пушту в 179 раз больше энергии… Дзен](https://dzen.ru/b/avil0ZyUZDO-SaDV) - Qwen
- Free AI Video Generator — No Sign-Up, No Watermark
- Generative AI burns more energy on non-English text - Futurity
- Generative AI Uses More Energy on Non-English Text
- AI Models Burn More Energy Processing Non-English Text
- Generative AI Uses More Energy for Non-English Text
- Non-English text consumes up to 180 times more AI energy
- Optimizing Large Language Models: Metrics, Energy Efficiency …
- Generative AI burns more energy on non-English text
- 10倍
- 50倍
- 180倍
- 權杖化效率低下
- 伺服器過熱
- 網際網路速度變慢
- 1.4倍與5倍
- 7.9倍與15.3倍
- 50倍與100倍