人工智能(AI)可以帮助我们识别罪犯，识别某些疾病，识别语音，计算路况信息等等，但这些技术进步的背后可能意味着过多的计算量。

当前，人工智能的发展主要依靠3个因素推进：算法创新、数据量，以及计算量。2018年，人工智能非营利组织OpenAI发布了一项研究称，算法创新和数据往往难以跟踪，但计算量却可以量化，这就为测量AI发展进度提供了机会。研究跟踪了2012年以来人工智能的计算量，得出的结论是训练大型模型所需的计算资源每三到四个月就会翻一番。相比之下，摩尔定律的周期为18个月。

除了OpenAI的研究外，据《MIT科技评论》报道，今年6月份，另一项研究发现，特别是开发大规模的自然语言处理模型可能会产生令人震惊的碳足迹。

之所以会产生这样的趋势，是由于大多数的研究团队都更看重最新技术水平的研发，而不考虑开发成本。

换句话说，这些研究团队更愿意对外表明自己技术提高了多少，而不愿意透露技术改进背后的成本增加。据专家预测，如果按照现有的发展速度，到2025年，人工智能的用电量将占世界用电量的十分之一。

在一篇新论文中，艾伦人工智能研究所(AI2)认为，这样的趋势对于人工智能的多样性和进步也产生影响：导致需要大量计算资源才完成的科技成果在AI学术界享受特权。例如，这可能会将该领域的发展局限于更符合公司激励的短期项目，而不是有利于公众的长期进步项目。

为了改变这样的情况， AI2研究人员提出了一种激励机器学习节能的新方法。AI2的研究人员建议，AI研究人员应公布训练模型的财务和计算成本，以及他们的绩效结果。研究人员希望提高透明度，从而激励更多的投资投入到开发高效机器学习算法领域。

艾伦人工智能研究院CEO Oren Etzioni认为，来自出版物和顶级会议的论文评审人应该奖励那些提高效率和准确性的研究。不过，他也指出，在人们对效率指标进行标准化之前，很难评估这种贡献的重要性。

之所以在当下提出这样的方法，Etzioni称是看到了近年来，一些科技公司研究实验室在深度学习中投入的计算量急剧上升。

Etzioni希望人工智能研究社区能意识到这种权衡。另外，投资更高效的算法可以从可用的资源中获得更多的利润，并产生其他收益。“这不是一个或两件事，我们只是想在这个领域取得更好的平衡。” 他说。

2014年，艾伦人工智能研究所由微软联合创始人保罗·艾伦(Paul Allen)与他人共同创立，专注于研究人工智能可能给人类带来的帮助。目前主要专注于四个项目：名为Aristo的机器阅读与推理程序、SemanticScholar语义理解搜索程序，Euclid自然语言理解程序和Plato计算机视觉程序。