在某些人看来，人工智能(AI)是万灵宝–解决了我们所有社会和环境问题的解决方案。我们正在接近自动驾驶汽车，人工智能辅助的医疗诊断，人工智能管理的食品系统和海量云计算的时代。在联合国称之为“我们时代的定义问题”的全球气候危机中，所有这些都是如此。AI在这里也提供了许多解决方案。
AI旨在提高为电网供电的技术的效率，加快向风和太阳能等低碳能源的过渡。机器学习解决方案可以改善供需预测，使发电厂能够在给定区域内产生适量的电力。使用AI系统对发电机和基础设施进行自动控制可以帮助控制能量输出，或者产生可以存储多少能量的算法。此外，人工智能和机器学习正在引领气候建模方面的突破。
但是，有迹象表明，帮助它们的AI系统和云计算需要清理自己的能源账单。2019年，马萨诸塞州大学阿默斯特分校的研究人员探索了在构建和训练自然处理语言(NLP)模型(处理人类语言的AI系统)时释放的碳排放。通过将以千瓦为单位的能源消耗转换为等效的CO2排放量，他们表明训练一个NLP模型可以排放300,000kg的CO2，相当于纽约和北京之间的125次往返航班。
代尔夫特理工大学的AI研究人员，以前曾是AI Now Institutev的Roel Dobbe解释说，许多AI系统的碳密集性是由对所谓“大计算”的力量的信念所驱动的。他说：“在AI领域，存在一种占主导地位但错误的信念，即“越大越好”，并且这种假设促使人们在AI模型的开发中使用增加的计算量和更大的数据集。``由于AI依赖更多的计算能力，其碳足迹也会增加。
他补充说：“人工智能和大型计算正处于指数轨迹。”OpenAI在2018年报告说：``自2012年以来，用于训练最大的AI系统的计算量每3.4个月翻一番''。这相当于AI训练运行中使用的计算能力增加了300,000倍。Dobbe说：“不仅要对这些AI系统进行一次培训：公司会获取数据以继续对其AI系统进行培训，这会使碳排放非常密集。”而且，新的5G网络的速度将推动AI系统的持续发展。5G网络的延迟时间(数据包从一个指定点到达另一个指定点所花费的时间)为三毫秒，这比视觉刺激从人眼到达大脑所需的时间快三倍。