Kostar det energi att säga tack till AI?

Ja. Om du skickar "tack" som ett nytt AI-meddelande, bearbetar tjänsten konversationen och genererar ett annat svar, så den använder lite extra elektricitet. För ett vanligt kort textutbyte tyder de bästa offentliga uppskattningarna på att kostnaden sannolikt är en bråkdel av en wattimme, även om ingen universell siffra gäller för varje modell och tjänst.

Det är verklig energi, men det är inte en användbar anledning att känna skuld för grundläggande artighet. Långa utdata, stora sammanhangsfönster, upprepade generationer, skapande av bilder och videor, verktygstunga agenter och valet att dirigera varje uppgift till en stor modell kan göra mycket större skillnader. Om att säga tack gör att interaktionen känns naturlig, är det ansvarsfulla svaret perspektiv – inte en kampanj mot två artiga ord.

Vad händer efter att du tryckt på skicka

AI:n upplever inte tacksamhet, men datorsystemet behandlar fortfarande "tack" som en förfrågan. Den paketerar den nya texten med systeminstruktioner och lite konversationshistorik, skickar indata till en modell och genererar ett svar som "Välkommen".

Språkmodeller producerar det svaret token för token. Den korta utgången hjälper till att hålla jobbet litet, men inmatningen kan innehålla mer än den synliga frasen. I ett långt samtal kan tjänsten bearbeta ett betydande sammanhang igen. Leverantörer kan cache delar av en upprepad prompt, även om energieffekten beror på implementeringen.

Så marginalkostnaden är inte bara elektriciteten för två inmatningsord. Det är kostnaden för en annan slutsats över vilken kontext som systemet faktiskt tillhandahåller.

Hur mycket energi är det?

OpenAI vd Sam Altman har sagt ett genomsnitt ChatGPT fråga använder om 0.34 wattimmar. Epoch AI oberoende uppskattat runt 0.3 Wh för en typisk GPT-4o fråga, under sina antaganden om tokens, hårdvara och användning.

Ett kort tack och ett kort svar kan vara under ett brett servicegenomsnitt, men det finns inte tillräckligt med offentlig mätning för att tilldela det ett trovärdigt nummer. Modellen kan vara mindre eller större; samtalet kan vara kort eller enormt; datacentret kan användas väl eller inte.

Vår förklaring av ett AI-meddelandes energikostnad visar varför en förfrågningstyp är mer användbar än bara ordet "meddelande".

Artighet är inte den stora spaken

Miljödiskussionen kan bli konstigt fokuserad på individuell etikett eftersom den är synlig och lätt att moralisera. Infrastruktur och produktdesign är mindre synliga men mer följdriktiga: vilken modell är vald, hur länge den körs, hur effektivt den serveras och om ett klick startar en kedja av samtal.

Internationella energibyrån Energi- och AI-rapport projicerar stark tillväxt i datacenters elanvändning, viktigast driven av AI såväl som andra digitala tjänster. Problemet på systemnivå kommer inte att lösas genom att få användare att abrupt avsluta konversationer.

Tjänster kan göra en större skillnad genom att standardisera rutinarbete till kapabla små modeller, begränsa slösaktiga försök och ge människor vettig kontroll över produktion och verktyg.

Människor använder konversationsgränssnitt socialt såväl som instrumentellt. Artighet kan upprätthålla en skrivvana, hjälpa barn att öva respektfull kommunikation eller helt enkelt göra programvara mindre obehaglig att använda. En artig uppföljning kan också klargöra att uppgiften är klar, vilket kan ha betydelse i ett arbetsflöde i flera steg.

Det finns ingen anledning att låtsas att de fördelarna gör att elen försvinner. Poängen är proportionalitet. Vi lägger rutinmässigt små mängder energi på gränssnittsfeedback eftersom det hjälper människor att förstå och lita på ett system. Miljömålet är inte noll digital interaktion; det är användbart arbete som levereras med mindre påverkning som kan undvikas.

Den distinktionen har också betydelse i debatter om hur mycket el AI använder: personliga meddelanden och total efterfrågan på infrastruktur är relaterade, men de är inte samma policyfråga.

Bättre sätt att minska onödigt AI-arbete

Om du vill minska energin utan polismanier, kombinera relaterade instruktioner till en tydlig uppmaning. Fråga efter utgångslängden du faktiskt behöver. Stoppa en generation som uppenbarligen går åt fel håll. Använd sökning, en miniräknare eller vanlig programvara när generation inte tillför något. Välj en mindre modell för enkelt arbete.

Undvik att klistra in ett helt dokument när ett avsnitt är relevant, och starta en ny konversation när gamla sammanhang inte längre hjälper. För komplext arbete kan planering av begäran förhindra flera misslyckade generationer. Inget av dessa behöver bli ett renhetstest; de är helt enkelt sätt att anpassa beräkningar till värde.

Samma princip förklarar varför mindre AI-modeller ofta använder mindre energi: att minska arbetet är viktigast när resultatet ändå uppfyller behovet.

Vad sägs om miljoner tack?

Varje liten åtgärd kan bli material i mycket stor skala. Men att multiplicera ett osäkert medelvärde per meddelande med ett föreställt globalt antal skapar ingen uppmätt statistik. Vi har inte offentliga uppgifter om hur många meddelanden som är ren artighet, vilka modeller som svarar på dem eller hur mycket sammanhang de har.

Aggregerade effekter är ett skäl för leverantörer att optimera korta bekräftelser – kanske med mindre modeller, cachade svar eller beteende i lokalt gränssnitt. De är inte en bra grund för att skämma ut en enskild användare. Utformningen av en brett distribuerad tjänst styr standardkostnaden för varje interaktion.

Det är mer användbart att fråga om systemet använder en svarsväg av lämplig storlek än om en person var för artig.

Hur Treechat behandlar det extra meddelandet

Treechat räknar ett skickat tack som vilken annan assistentväxel som helst och visar ett beräknat effektkvitto på svaret. Uppskattningen använder modell- och tokenantal, lägger till en angiven datacenteroverhead och tillämpar ett publicerat nätantagande. Det är inte en direkt mätning. Beräkningen och dess gränser finns på /methodology.

Om du vill säga tack, säg det. Det kostar lite energi eftersom en annan slutledning uppstår. Håll sedan skalan i sikte: att välja proportionerliga modeller och undvika genuint onödigt högt beräknat arbete är bättre hävstänger än att ta bort vanlig mänsklig värme från en konversation.