全球各地致力開發再生能源取代化石燃料。Photo by Flickr from Pexels

   英國在今年第三季，再生能源供應的電力達到 40%，是自 1882 年動力發電以來的第一次，再生能源包括風力、太陽能、與生物能源。據氣候與能源網站 Carbon Brief 的分析，除了再生能源，39% 的電力來自化石燃料，以天然氣為主，另外的 21% 電力則來自核能。以全年而論，英國國家電網公司估計，今年底零碳的電力將超過化石燃料的電力。

   十年以前英國五分之四的電力來自化石燃料，近年再生能源發展得這麼快，主要來自離岸的風力發電，尤其是今年六到九月新裝的離岸風力電廠，使用巨型渦輪，效益大增。風扇扇葉長 75 米、塔高 120 米、動力艙重 400 噸，產能 700 萬瓦，在 407 平方公里水域共安裝了 174 座這樣的風力發電風扇，成為全球最大離岸風力發電廠。

   英國的下一個問題是仍有 12% 電力來自生物能源，生物能源雖然也是再生能源，但並不一定環保，有的情況排放的廢氣超過化石燃料。生物能源是從植物與動物取得的有機物質，生物能源儲存從陽光取得的能量，例如植物的光合作用，經過燃燒，內在的化學能量釋出，成為熱能、或轉換成液體或氣體燃料，用來發電。木材、農產穀物、動物糞便，都是生物能源，只是燃燒都會排放廢氣，所以仍需淘汰。

   英國 40% 再生能源所以被報導，是因為歐洲許多國家已經達到了這一比例，瑞典七年前就達到 50%，德國也在去年就超過了 40%。根據美國「能源資訊署」，一些國家已經達到、或接近使用 100% 的再生能源，包括冰島 (100)、巴拉圭 (100)、哥斯大黎加 (99)、挪威 (98.5)、奧國 (80)。全球廢氣的排放，有一半來自印度、中、美三個大國，但這三國目前的再生能源使用仍在 40% 以下，印度 (35)、中國 (27)、美國 (18)。

   全球各國莫不盡力發展再生能源，減少廢氣排放，但把乾淨的電源用到什麼地方，成為另一考量因素。數位技術給我們帶來便利，卻要付出能源的代價，以訓練一個 AI 為例，電腦運轉所需要的電能，如果換成 CO₂ 的排放量，高達 284 噸，相當五輛汽車壽命週期的排放量。AI 是全球發展最興旺的技術，如果能把再生能源電力導入 AI 的電腦運算，對減少 CO₂ 的排放會有一定的效果。

   AI 的碳腳印是由美國麻州 Amherst 大學的 Emma Strubell 演算出來的，她用四個大型語言處理 AI - Transformer、ELMo、BERT、GPT-2 作了一個實驗，每個 AI 訓練一天，記錄所耗用的電能，然後乘以以前訓練的實際天數，再轉換成美國平均發電的碳排放量。語言處理像是翻譯與寫作，需要讀入數以億計的文稿來訓練，記錄單字、分析結構，都是消耗大量電能的電腦運算，

   簡稱 NAS 的「神經結構搜尋」，是 AI 一個運算程序，可以自動的設計神經網路，但反覆試驗的 Trial and Error，耗用極大能量。Transformer 是一個「接著」說話的 AI，輸入幾個字、它就會接著說出一段話，這個 AI 如果不用 NAS 訓練，僅需 84 小時，但如果用 NAS 訓練加強功能，就需要 27 萬小時，3,000 倍的能量，分散在多個晶片運轉幾個月才完成。

   Google 與亞馬遜等大型 AI 發展公司瞭解這一情況，所以建立 AI 雲端服務，任何研究人員可以付費使用，讓 AI 的訓練在雲端運轉，由公司的用電政策來估算所製造的碳腳印。

   亞馬遜非常積極，在美國投資了九個太陽能與風力電廠，在 2018 年供應了雲端網路服務（AWS）50% 電的能。現又投資四個風力與一個太陽能電廠，分別放在愛爾蘭、瑞典、與美國，規劃全球 100% 再生能源的雲端服務。Google 也同樣的與再生能源供電業者訂約，在訓練 AI 的時候使用乾淨的電能。

   英國布里斯托大學 Chris Preist 教授說，從能源與減碳來看，我們在服務的設計上，應該確保演算法的高效率運算。有人說 AlphaGo 贏了李世石並不公平，一盤圍棋下來，李世石的腦子用的能量為 20 瓦，而 AlphaGo 卻用了 100 萬瓦的電能，多了五萬倍。