ACL2019新论文，痛批“不计算力追逐丁点提升”的研究方法( 六 )_“这绝对不是好的趋势

（硅星人承认，这个问题的灵感来自于此前《战斗天使阿丽塔》特效渲染导致惠灵顿气温上升的新闻。如果一部电影都能带来如此明显的影响，席卷全球的全球深度学习浪潮难道不会更可怕吗？）

斯特贝尔也表示自己对这个问题的答案很期待，然而现状是：很多人做论文时多少都记录了（或者有能力记录）训练的总用电情况，也能算出能耗效率——出于主观隐瞒，或者能耗数据对于研究本身没有意义等原因，大部分人发论文时都不会把这些数据包含进去，“如果这一现状不改变，我们就不可能准确预测深度学习对全球变暖的影响。”

她希望能通过这篇论文提醒其他 NLP 学者和业界人士，在提高模型表现的同时，也应该对环境影响有主动的、足够的关注。

从信息完整的角度来看，这篇论文的一个很大遗憾就是对基于 TPU 的模型训练能耗和碳排放的数据缺失。斯特贝尔解释这是因为 Google 从未对外公布过 TPU 能耗效率方面的资料，加之这篇论文本身的目的并非力求绝对精准的结果，而是提供一个较为精确的合理预估。

（不过总体来讲，TPU 仍是目前深度学习领域碳排放最小的计算硬件，而且 Google 的数据中心用电56%来自可再生能源，显著高于 AWS 和 Azure。）