AI로 인한 환경에의 영향

~탄소배출량 삭감과 에너지 효율 개선~

AI의 에너지 사용을 챗GPT에게 물어보았더니 다음과 같은 답변을 얻을 수 있었다.

"AI 시스템의 에너지 소비량은 그 복잡성과 사용 방법에 따라 크게 다르나 일반적으로 데이터를 효율적으로 처리하고 분석하려면 많은 양의 전력이 필요합니다."

이어진 답변에 의하면 구글 검색보다 약 10배 더 많은 전력이 필요한 것으로 추정된다. 또한 매주 1억 명의 사용자가 챗GPT를 사용하고 있어 에너지 수요는 계속 증가할 것이다. 특히, 여기서 사용하고 있는 플랫폼은 단 하나뿐이다.

AI 모델 훈련과 운영에 필요한 데이터 센터의 건설 및 운영으로 인한 에너지 수요가 증가가 전 세계 온실 가스(GHG) 배출량 증가의 요인이 되고 있다.

챗GPT의 개발사인 오픈AI에 투자하고 생성형 AI 도구를 자사 제품의 중심에 심은 마이크로소프트는 최근 데이터센터 확장으로 인해 

2020년 이후 탄소 배출량이 거의 30% 증가했다고 발표했다. 2023년 Google의 온실가스 배출량은 2019년 대비 거의 50% 증가했는데, 

이것은 주로 데이터 센터와 관련된 에너지 수요로 인한 것이다.

즉, AI 툴이 에너지 전환에 도움이 될 것으로 기대되는 반면, AI에는 막대한 컴퓨팅 전력을 필요로 한다.

AI에 의한 에너지 수요 증가 요인​​

현재의 AI에 의한 에너지 사용량은 테크놀로지 센터의 전력 소비의 극히 일부에 불과한 것으로 전 세계 배출량의 약2~3%로 추정되고 있다. 

앞으로 더 많은 기업, 각국 정부 및 조직이 효율성과 생산성을 높이기 위하여 AI를 사용할수록 상황은 바뀔 것이다. 

아래 그래프에서 볼 수 있듯이 데이터 센터는 이미 많은 지역에서 전력 수요의 주요 요인이 되고 있다.

글로벌 데이터 센터의 전력 소비량

AI에는 엄청난 양의 계산능력이 필요하다. 현재의 생성형 AI 시스템은 업무 완료에 특화된 소프트웨어의 업무 완료에 비해 약 33배 더 많은 에너지를 사용한다.

AI 시스템이 더욱 보편화되고 발전함에 따라 모델 훈련 및 실행에 필요한 데이터 센터도 전 세계적으로 급격히 증가할 것이다.

이에 따른 에너지 사용량도 증가하여 이미 한계에 이른 전력망에 추가적인 부담이 더해질 것이다.

생성형 AI 훈련에는 기존 데이터센보다 상당한 양의 에너지가 필요하므로 훨씬 더 많은 전력을 소비한다. 

특히, ChatGPT의 기반이 되는 대규모 언어 모델이 점점 더 정교해지고 있다는 것은 이러한 에너지 수요가 증가하고 있음을 시사한다.

예를 들어, GPT-3 같은 모델은 훈련하는 데 1,300MWh 미만의 전기가 사용되는 것으로 보인다. 이는 미국에서의 130가구의 연간 전기 소비량과 거의 비슷하다.

반면에 더 발전된 GPT-4 훈련에는 그 50배의 전력이 필요한 것으로 추정되고 있다. 

또한, AI 전체의 성장을 유지하는 데 필요한 컴퓨팅 파워는 100일마다 거의 두 배로 증가하고 있다.

AI 산업의 에너지 효율 개선 방법

이러한 현상은 사회적으로 반드시 해결이 필요한 문제임이 분명하다. AI의 경제적, 사회적 이점이 AI 사용과 관련된 환경 비용보다 많을까? 

좀 더 구체적으로 말하면, 에너지 전환적인 측면에서 AI의 이점이 AI의 에너지 소비 증가보다 클까?

도전과 기회 사이에서 적절한 균형을 찾는 것이 필요한 답을 얻는 열쇠가 될 것이다.

보고서에 의하면 AI가 2030년까지 전 세계 온실가스 배출량을 5~10% 줄일 수 있는 잠재력을 가지고 있다고 예측한다. 

적절한 균형을 이루기 위해서는 무엇이 필요할까?

EU를 비롯한 규제 기관들은 에너지 소비를 기록할 수 있는 시스템 설계에 대한 요구 사항을 개발하기 시작했다. 

또한 하드웨어의 기술과 생산 능력 향상으로 인한 AI 워크로드의 효율과 기술 발전으로 AI의 에너지 수요를 해결하는 데 도움이 될 것으로 예상된다.

3D 칩 같은 새로운 칩과 냉각 기술 설계로 특수 하드웨어의 성능을 크게 향상되고 있다. 

엔비디아는 자사의 새로운 '슈퍼칩'이 생성형 AI 서비스를 실행할 때 에너지 소비량이 25분의 1로 줄고 성능은 30배로 향상되었다고 밝혔다.

여기에 데이터 센터의 효율도 점점 높아질 것으로 예상된다. 

전기료와 접근성, 지속 가능성 개선, 컴퓨팅 능력 향상, 새로운 냉각 기술과 위치 탐색, 이와 동시에 생성 및 저장은 되나 다시 사용되지 않는

"다크 데이터" 문제 해결 등 전체 데이터 사용량을 줄이는 것도 중요하다. 

또한, AI 활용에 리소스를 적게 사용하는 작은 언어 모델 선정 등 AI를 사용하는 방법과 시기를 보다 선택적으로 하는 것도 도움이 될 수 있다.

AI 워크로드의 성능과 비용, 탄소배출의 3 사이에 최적의 균형을 찾아가는 것이 중요하다.

AI가 전력망에 미치는 영향

AI가 전력망을 압박하는 유일한 요인은 아니다. 

인구 증가와 관련된 에너지 수요 및 전기화 추세는 전력 수요의 증가로 이어질 수 있으며, 이러한 경향은 전력망의 탈탄소화를 지연시킬 수 있다.

그러나 환경친화적이고 현대적이며 탈탄소화된 전력망은 Net Zero 경제로 전환하는 데 필수적 개념이다.

데이터센터 운영자는 현장에 전력을 공급하고 수소 및 기타 저장 기술을 저장하기 위해 원자력 기술과 같은 대체 전력원을 모색하고 있다. 

또한 공기 중의 이산화탄소를 흡수하여 안전하게 저장하여 탄소를 제거하는 새로운 기술에 투자하고 있는 기업들도 있다.

AI가 기존 전력망에 다양한 재생 가능 에너지원 통합을 어렵게 하는 장벽을 제거하는 데 큰 역할을 할 수도 있다. 

재생 에너지는 생산의 가변성으로 인해 전력 수요 피크시간에 생산이 저조하고 피크기간이 아닌 기간에는 

과잉 생산으로 낭비적인 에너지 소비와 그리드 불안정으로 이어질 수 있다. 

이러한 경우 AI를 활용하여 날씨 패턴에서 에너지 소비 추세에 이르기까지 방대한 데이터 세트를 분석하여 정확하게 에너지 생산을 예측할 수 있다.

이를 통해 재생 에너지를 사용할 수 있을 때 데이터 센터의 에너지 사용으로 최적의 그리드 안정성, 효율성 및 청정 전력을 하루 365일 24시간 보장할 수 있다.

AI를 포함한 디지털 기술은 산업계의 탄소배출 Net Zero 달성에 기여할 수 있는 잠재력이 있다

AI는 또한 에너지 사용을 예측하고 난방 및 냉방 성능을 최적화하기 위한 건물 모델링을 비롯해 예측 유지 관리를 통한 제조 효율성 개선에 이르기까지 

탄소 배출량이 많은 산업의 에너지 효율성을 혁신하는 데 도움이 된다. 

농업 분야에서는 센서와 위성 이미지를 사용하여 작물 수확량을 예측하고 자원을 관리한다.

AI가 에너지 소비 및 탄소 배출량과 사회적 혜택 사이의 균형을 맞추는 중요한 일은 복잡한 문제로 얽힌 다중 이해 관계자들에게 새로운 접근 방식을 제시하는 일이다.

그 일환으로 세계경제포럼의 에너지, 소재, 제4차 산업혁명 부서는 AI 시스템이 에너지를 소비하는 방법과 AI가 에너지 전환의 조력자로 기여할 수 있는 방법을 탐구하기 위한 전담 실무 조직을 출범시켰다.

세계경제포럼의 AI 거버넌스 얼라이언스(AI Governance Alliance)는 AI가 어떻게 여러 관계 부문을 변화시키고 혁신, 지속 가능성 및 성장에 영향을 미칠 수 있는지 이해하기 위해 산업간 및 산업별 관점에서 통찰력을 제공하고 있다.

참고 | https://jp.weforum.org/stories/2024/07/how-to-reduce-ai-energy-emissions/