众所周知，人工智能在提供高算力的同时，也成为了一个巨大的能源消耗者。数据显示，ChatGPT每天消耗超过50万度电，该用电量相当于1.7万个美国家庭的总用电量！国际能源署（IEA）预计，从2022年到2026年，数据中心的用电量将翻一番。除了电力需求，人工智能还需要水来冷却计算系统，ChatGPT每处理5至50个提示就会消耗接近半升水。
如果这一趋势持续下去，人类可能最终会与AI争抢资源，如此情景让人不寒而栗。然而，一家科技巨头在解决AI高能耗问题上似乎带来了新的希望。
最近，谷歌DeepMind研究团队提出了一种加速AI训练的方法——多模态对比学习与联合示例选择（JEST）。该方法显著提升了ChatGPT等大型语言模型的训练效率，训练速度提高了13倍，同时能耗减少了10倍。这一突破性进展有效缓解了大型AI模型训练过程中耗电量过大的问题，有望使AI技术变得更加环保和经济。
那么，它是如何做到的呢？从原理上看，AI训练的效果与所用训练数据的质量密切相关。相比于数据的数量，谷歌的方法更注重数据的质量。通过预训练的参考模型，研究人员能够识别哪些数据是优质和有用的，从而缩小需要处理的数据范围。接着，通过模型引导，选择那些经过精心筛选的小型数据集进行训练。
尽管研究人员指出，这种方法虽然能提高模型训练的效果并降低成本，但仍然存在一些局限性。然而，谷歌的研究为我们提供了新的启发，展示了一种思路和可能性，至少表明AI并不会在高能耗的道路上毫无前途地走下去！