当你打开这篇文章的时候，你的模型可能正在安静地训练。
模型的身后，有飞速运转的GPU，为它提供训练的动力。
曲线显示，它的学习情况良好，你在一旁露出了“孺子可教”的围笑。
就在此时，有人向你发射了直击灵魂的提问：
你总是关心模型学得好不好，就不关心它学得累不累 (误) ，就不关心它排了多少二氧化碳？
发问的是名叫Emma Strubell (简称艾玛) 的研究人员，来自美国马萨诸塞大学阿姆赫斯特分校。
艾玛和小伙伴一起，研究了许多优秀NLP (自然语言处理) 模型的碳排，还和人类日常生活的碳足迹做了对比：
比如，训练一只Transformer的碳排，相当于从坐飞机在旧金山和纽约之间往返200次。
过不了多久，团队就会前往ACL 2019，与NLP领域的佼佼者们，分享自家的成果。
而在那之前，这项酸爽的研究，已经在推特上引发了大规模围观，有2200人点赞，也惹来了不小的争议。
能排多少吨？
如果看艾玛提供的数据，训练好一只NLP领域的State-of-the-Art，包括调参包括实验，大概需要排放3.3万磅二氧化碳，相当于15吨：
而要训练一只Transformer，包含神经网络架构搜索 (NAS) 的那种，排放二氧化碳大概39.5万磅，相当于180吨。
比刚才的SOTA多了10倍不止。
那么，这些吨位到底是什么概念？
如果还看艾玛提供的数据：
训练一只Transformer的碳排放量，相当于把三辆汽车从全新用到报废；
如果换算成，一个人从纽约坐飞机去旧金山，再从旧金山回纽约，可以往返200次。
一个 (平均) 美国人10年日常生活的碳排，不过如此。
一个 (平均) 地球人30年日常生活的碳排，也不过如此。
现在，完整论文还没放出，艾玛说快了快了。
即便如此，惊人的数据也已在众人瞩目之下，收获了许多质疑：
“你这碳排怎么算的？”
谷歌大脑的研究员David Ha，就提出了问题：
用千瓦时作指标才比较科学吧。因为不同的能源，每千瓦时的碳排会差出很多啊。看数据：
他觉得，如果不知道能源是什么，就计算二氧化碳排放量，作为一篇论文并不严谨；
但如果是为了让大家重视环境问题，用碳排来博眼球，那就说得通了。
评论区，有同样感受的人类不在少数：
看来保护地球，也需要有一颗严谨的心。
One More Thing
当然，观众大多还是对这项研究表示喜闻乐见，有人说：
以后交论文的时候，应该要求把碳排信息附上。
阁下以为如何？
— 完 —
“
