资源介绍
）
电子书格式: epub
在全球气候变化日益严峻的当下，人工智能（AI）既是应对气候挑战的强大工具，也因其资源密集型特性带来了新的环境难题。拉加文德拉・塞尔万所著的《可持续人工智能：迈向绿色 AI 的实用工具》，聚焦 AI 与可持续发展的核心矛盾，为读者提供了兼具理论深度与实践价值的解决方案框架。
本书开篇即点明核心困境：现代 AI 模型的开发与应用依赖大型数据中心，消耗海量能源、排放大量碳排放，同时在冷却系统中消耗巨额淡水，其全生命周期还涉及矿产开采等环境影响。作者强调，任何技术的物质基础都不应被其潜在益处忽视，AI 的可持续性必须在收益与成本的权衡中实现。
全书结构清晰，以 AI 模型生命周期为主线展开论述。首先通过气候科学共识与联合国可持续发展目标，构建了 AI 与可持续性的关联背景，明确了环境、经济、社会三大可持续支柱的核心内涵。随后深入解析生成式 AI 的技术原理，从表征学习、神经网络架构到模型训练机制，为非专业读者铺垫必要的技术基础，同时始终贯穿资源消耗的审视视角。
核心章节聚焦 AI 全流程的可持续优化策略：在数据层面，提出数据节俭原则，通过主动学习、数据集筛选、数据压缩等技术减少冗余数据带来的资源浪费；在模型选择层面，构建 MC3 空间框架（模型类、配置、补充组件），介绍自动超参数优化与神经架构搜索的高效方法；在训练阶段，探讨迁移学习、模型压缩、量化训练等技术，在保证性能的前提下降低计算资源消耗；在部署阶段，强调轻量化推理的实现路径，包括高效架构设计、知识蒸馏、模型剪枝与跨平台部署优化。
硬件优化作为重要补充，本书详细分析了数据中心的能源消耗、硬件的隐含排放与电子废弃物问题，提出集群级、加速器级与定制硬件的多层优化方案，包括绿色调度、并行计算、动态电压频率调节等实用技术。
在系统层面，作者创新性地提出 “环境债务” 概念，类比软件技术债务，指出短视的 AI 设计选择会带来长期环境成本。进而引入绿色 MLOps 框架，将可持续性嵌入 AI 设计、开发与运营全流程，通过模型卡片、能源评级、编排框架等工具实现可持续性的可量化与可操作。
最后，本书超越技术层面，探讨了 AI 可持续性的更广泛维度。作者警示效率提升可能引发的反弹效应，强调经济可持续性中的数字鸿沟问题，以及社会可持续性所要求的公平、包容与问责制。通过可持续 AI 系统评估（SASA）框架与多利益相关方协作原则，为读者提供了系统性思考工具。
本书既面向机器学习实践者、工程师、管理者与政策制定者，也适合对 AI 与可持续发展议题感兴趣的普通读者。它不仅提供了具体的技术工具与代码示例，更传递了一种 “节俭思维”，倡导在 AI 开发中兼顾创新与责任，让这项强大技术真正服务于地球的可持续未来。Sustainable AI