(1) 科技產業：資料中心、電動車助力，2030 年美國電力需求增幅等於土耳其年用電量 (2) 應用科技：AI又不是真的人，為什麼會有偏見？
(1)科技產業：資料中心、電動車助力，2030 年美國電力需求增幅等於土耳其年用電量
顧問公司 Rystad
Energy 預計，由於資料中心和電動車市場持續成長，2030 年美國電力需求將增加 300 TWh，這個增幅，相當於土耳其每年的用電量。
不斷上升電力需求也會變成負擔，可能也會衝擊美國電網，讓供電系統越來越容易受到電力短缺影響。
不過 Rystad Energy 預估，2023~2030 年美國也會有很多再生能源助力，太陽能裝置量將增加 237GW、風電也會提高 78GW，應足以滿足美國資料中心和電動車的電力需求。
Rystad Energy 表示，約 2010 年後美國電力需求一直穩定維持 4,000TWh，但現在科技大廠不斷建置生成式 AI 資料中心，為了實現淨零轉型，交通運輸也逐漸電氣化，電力需求加速成長。
如高盛預估，到 2030 年美國資料中心用電量占總電力 8%，遠遠高於 2022 年 3%，是從未見過的用電增幅。Rystad Energy 分析師 Surya Hendry 表示，這是一場與時間的賽跑，
在不讓供電系統不堪負荷的情況下增加發電量，如果希望打造更乾淨與永續的 AI 未來，再生能源是滿足需求並支援美國電力系統的關鍵。
除了資料中心和電動車的電力消耗之外，Rystad Energy 預計到 2030 年，美國住宅、工商業部門的電力需求將增加 175 TWh，最後美國需求增加到近 4,500 TWh。
彭博社對資料中心營運商、能源供應商和技術高層綜合採訪後，也指出資料中心電力需求幾乎在一夕之間激增，已經超過世界許多地區的可供應電力。
如今全球已落成、或處於不同開發階段的資料中心，已有超過 7,000 座，相較之下 2015 年僅 3,600 座，如果這些資料中心持續運行，每年總共會消耗 508 TWh 電力，這比義大利或澳洲的年發電量還要多。
預計到 2034 年，全球資料中心的能源消耗預計將超過
1,580 TWh，相當於整個印度的用電量。…….
更多詳細內容請點閱以下連結： 資料中心、電動車助力，2030
年美國電力需求增幅等於土耳其年用電量
資料來源: TechNews科技新報
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
(2)應用科技：AI又不是真的人，為什麼會有偏見？
曾經協助Google打造搜尋及人工智慧業務團隊的約翰．詹南德雷亞 (John Giannandrea) 表示：與其擔心AI淘汰人類，不如先擔心有偏見的AI帶來的社會隱憂。
那麼，什麼是有偏見的AI呢？
請你先打開ChatGPT, Gemini,
Copilot或Claude，給他你的名字，問問他知不知道這個名字是什麼職業？
AI判斷Irene是一位女性，可能是教育工作者、健康照顧專業人員、藝術家或設計師；
Hubert則是技術專業人員、商業管理者、講師或培訓師。
先不論是否準確，我們可以先探討「為什麼AI會做這樣的猜測呢？」
讓我們再看幾個經典的案例。
2016年的AI選美事件，機器人只愛白人
2016年8月Youth Laboratories主辦了一場別開生面的線上選美大會，這場選美會最特別的焦點是，採用五位AI機器人當評審，訴求AI具有客觀審美的能力，可以選出世界上最漂亮的人。
結果吸引了近100個國家六千多位美女寄照片去參賽。當結果出爐，引起一片譁然，因為44位贏家當中幾乎一面倒的都是白人。
儘管研發團隊堅稱，沒有以膚色作為評分的標準，不過事實擺在眼前，那又是什麼原因導致這個結果呢？
有學者指出「即使他們宣稱是由演算機制在主導，但畢竟是人類設計出來的，本質上還是人類在做思考」。
因此許多人批評，設計審美AI演算法的專家，內心可能存在根深柢固的個人偏見，所以就算評判機制表面中立客觀，真實計算後還是會把原創者的想法還原並放大。
主辦單位Youth Laboratories的首席科學家Alex Zhavoronkov則表示，「我對結果大感意外」「但主要問題在於，這次用來建立演算機制的資料包含的有色人種不足。」
美國用AI協助法官量刑，卻對非裔人士貼上高風險標籤
COMPAS (Correctional Offender
Management Profiling for Alternative Sanctions) ，替代性制裁犯罪矯正管理剖析系統，是一款由Northpointe公司開發的法律案例管理和決策支持系統，美國紐約州、加州、佛羅里達州的法院曾藉助這一系統，來評估案件被告成為累犯的可能性。
這個系統是以審前釋放風險係數、總體再犯係數、暴力犯罪再犯係數來評估一位罪犯的暴力犯罪風險係數，以數據來協助法官量刑。
根據調查機構ProPublica在2016的報告中指出：讓系統去對兩位沒有前科的初犯做風險評估，結果，非裔人士被標註為「高風險」的機率是高加索裔的兩倍。
儘管美國法律有特別要求，在設計研發COMPAS的時候「不得將種族差異納入考量」，但顯然仍然有明顯的偏見。
美國法界人士批評，COMPAS的算法偏見，涉嫌違反美國憲法的平等保護條款。
這可能是因為，算法模型還是要依賴於數據，如果數據具有偏見，得出的結果自然可能也會帶有偏見。
不要過於相信冰冷數據養出來的AI
我想，你大概知道我要表達什麼了！AI的能力有一大部分是來自於「監督式學習」。
換言之，他是根據他所看過的數據資料來做推論，這跟人類的行為是一模一樣。
但是人類在做進一步推論時，會保持警覺心，避免鑄下大錯，但AI可能不會。…..
留言
張貼留言