环保人工智能：7 个简单习惯助你减少数字碳足迹

人工智能的隐性环境成本

人工智能已经无缝融入我们的日常生活，从驱动谷歌搜索的智能算法到ChatGPT和Claude等聊天机器人的对话能力，无不体现着人工智能的魅力。然而，这种便利背后却隐藏着环境成本。我们输入的每一个指令都会触发一系列复杂的计算，这些计算涉及配备高性能GPU的大型数据中心。这些设施需要消耗大量的电力和水进行冷却，从而显著增加了全球能源消耗。

虽然人工智能巨头很少公开每次请求的具体能耗成本，但众所周知，更大的模型和更复杂的任务需要消耗更多的电力。好消息是，你无需放弃人工智能也能实现可持续发展。通过更有意识地使用这些工具，你可以在保持高质量结果的同时，大幅降低你的数字足迹。

1.选择合适的模型

节省能源最有效的方法之一是停止将“旗舰级”推理模型用于简单任务。并非每个请求都需要顶级模型的全部处理能力。对于日常活动——例如总结一封简短的电子邮件、集思广益地想晚餐吃什么或校对一段文字——轻量级模型效率更高。

寻找带有“Flash”、“Mini”或“Haiku”等标识的模型。这些变体旨在提高速度和灵活性，所需的计算能力远低于其更强大的同类模型。将功能强大的模型留给复杂的编码、深入的学术研究或多步骤逻辑推理。

2. 掌握清晰简洁的提示技巧

人工智能的效率通常取决于沟通的清晰度。许多用户习惯于“迭代提示”，即先提出一个模糊的请求，然后花费多次机会来完善答案。

这种来回沟通会消耗不必要的能量。

多花 20 秒精心撰写初始提示，可以避免四到五次后续请求。与其让机器人“写一封邮件”，不如直接指定收件人、关键要点和期望的语气。这不仅有利于环境保护，还能确保你不会很快达到令牌限制。

3. 策略性地管理聊天记录

上下文对人工智能至关重要，但过多的上下文也可能成为负担。将相关主题保留在同一个对话中，可以让人工智能记住之前的细节，而无需你重新解释，这对于多步骤项目来说非常高效。

然而，凡事都有个限度。当聊天时间过长或你转向一个全新的主题时，就应该另开一个新帖。每次发出新提示都发送大量的历史消息会迫使模型处理大量冗余数据，浪费计算资源。

4.谨慎选择视觉生成方式

生成高分辨率图像或短视频所需的计算能力远超生成文本。在点击“生成”按钮之前，请先问问自己是否真的需要视觉元素。通常情况下，结构清晰的提纲、描述性的表格或文字说明也能同样有效地传达观点。

一些人工智能助手，例如 Gemini，可能会尝试自动生成图像来阐明观点。为了避免这种情况，请在自定义指令中或在聊天开始时明确告知人工智能，除非特别要求，否则您不希望看到图像。

5. 打破“再来一次”的循环

通过无休止地重新生成来追求“完美”的诱惑是一个常见的陷阱。无论是调整徽标的变体，还是要求对句子进行细微的修改，每一次“重新生成”都是一项耗费大量能量的请求。

学会识别收益递减点。

判断搜索结果是否“足够好”，并手动进行最终润色，可以节省时间并避免不必要的服务器压力。

6. 对于简单查询，回归传统搜索

人工智能是一个强大的工具，但它并非总是检索基本信息的最佳工具。使用生成式人工智能机器人查找商店的营业时间或查看明天的天气就显得过于复杂了。

对于简单的查找，传统搜索引擎速度更快，资源占用更少。对于那些追求真正精简体验的用户，像 DuckDuckGo 这样注重隐私的搜索引擎提供了搜索功能，而无需大量的人工智能开销，使其成为查找基本信息的更环保选择。

7. 构建一个经过验证的提示库

试错是学习的好方法，但反复犯同样的错误只会浪费精力。当你发现某个提示能持续产生高质量结果时——例如简历审核或膳食计划的特定格式——将其保存到备忘录应用或模板文件夹中。

通过重复使用“黄金提示”，你可以省去多次测试和迭代的麻烦，确保人工智能每次都能一次成功。

结论

虽然这些习惯看似微不足道，但它们共同培养了一种有意识地使用技术的文化。随着人工智能几乎成为我们使用的所有软件中的一个隐形层，判断何时应该利用其强大功能，何时应该坚持使用更简单的方法至关重要。通过使用合适的工具来完成工作，你可以在最大限度地发挥人工智能价值的同时，保持计算资源的精简。