简而言之
增加一条简短、实用的教学线索,而不是开设一门全新的课程:讲解 AI 的能耗来自哪里,让学生测量自己代码或模型运行的能耗,并要求他们在报告准确率的同时报告算力和能耗。在技术类课程中,讲授小模型、量化和复用等高效方法;在其他课程中,重点讲授合理使用和如何评判各种说法。
步骤
- 增加一节简短的课,讲解 AI 的能源、用水和硬件足迹从何而来。
- 要求学生用 CodeCarbon 等工具,至少为一次课程作业运行测量能耗。
- 在技术类作业中,要求在报告准确率的同时报告算力和能耗。
- 讲授小模型、量化和复用预训练模型等高效方法。
- 加入一项练习:核查一则已发表的关于 AI 能耗的说法。
在现有课程中加入一条简短的实践线索,比开设一门新选修课能覆盖更多学生。 如今几乎所有学生都在使用 AI:英国高等教育政策研究所(Higher Education Policy Institute)2026 年的调查发现,95% 的英国本科生表示自己使用 AI。
这条线索可以包括什么?
- 足迹基础知识。 训练与推理的区别,为什么图片和长输入成本更高,以及为什么公开的数据各不相同。
- 动手测量。 让学生用 CodeCarbon 包裹一次训练或推理运行,并在报告结果时注明硬件、运行时间和地点。
- 像研究人员一样报告。 要求在准确率旁边报告算力和能耗,包括调参运行;请参阅在研究中报告能耗。
- 面向技术类课程的高效方法:更小的专用模型、量化、蒸馏和复用预训练模型。
- 面向所有课程的评判说法:谁测量的、按什么单位计算、遗漏了什么。
哪些框架有帮助?
联合国教科文组织(UNESCO)的《学生 AI 能力框架》包括环境可持续的 AI。对于研究组和院系,Lannelongue 等人提出的 GREENER 原则为可持续计算科学的治理、估算和教育提供了框架。
什么影响最大
把能耗纳入考核。一旦评分方案不仅奖励准确率,也奖励每千瓦时的准确率,学生就会开始据此进行设计。
常见错误
- 只当作一次性的伦理讲座,没有实践任务。
- 惩罚使用 AI 的学生,而不是教他们用好 AI。
- 使用过时的单次查询能耗数字。
请阅读大学中的 AI 素养,并浏览课程,寻找可以复用的材料。
来源
- Student generative AI survey 2026, Higher Education Policy Institute (HEPI) (2026)
- AI competency framework for students, UNESCO (2024)
- CodeCarbon, CodeCarbon (2026)
- GREENER principles for environmentally sustainable computational science, Lannelongue et al., Nature Computational Science (2023)
相关内容
大学中的 AI 素养,包括 AI 的环境足迹
学生几乎人人都在用 AI,而教职工培训和考核却跟不上。为什么大学的 AI 素养教育应当涵盖 AI 对环境的影响。
如何报告我的 AI 研究的能耗?
论文中应写哪些算力和能耗信息:硬件、所有运行的 GPU 小时数、能耗、地点、碳排放、推理成本以及所用的边界。
如何测量 AI 在我自己电脑或 GPU 上的能耗?
用硬件计数器、GPU 遥测数据或插座式电表测量本地 AI 能耗,在整个作业期间持续采样,并减去空闲时的基准功耗。
如何学习绿色 AI?
无论您是什么背景,都可以从这里开始学习绿色 AI:简短读物、可试用的免费工具、课程、社区和值得关注的研究。