Avani Desai, SchellmanのCEO Avani Desai SchellmanのCEO

便利さの隠れたコスト：AIの環境への影響を可視化する必要性

私たちは、日常的にAIに頼っています。何かを要約したり、生成したり、解決したりするために、AIは迅速で簡単で、仕事のやり方に深く根付いています。しかし、便利さを追求する過程で、私たちは物語の重要な部分を見落としています。デジタルな便利さの背後にある環境コストです。すべてのAIのやり取りは、見えずに存在するものに依存しています。データセンター、チップ、電力網、冷却システム、グローバルな物流ネットワークなどです。この「見えないインフラストラクチャ」により、AIは軽量なもののように感じられます。しかし、環境への影響は軽量ではありません。そのコストを可視化する時間です。AIがビジネス運用の中心になるにつれ、そのエネルギー、水、排出ガスへの影響も増大します。次のモデルがどれほど強力になるかではなく、実行するために必要なものに対する責任を取る準備ができているかが問われています。AIには光学的な問題があります。工場からの煙や高速道路上的の交通量とは異なり、モデルをトレーニングしたりクエリしたりする際の排出ガスは、閉じたドアの背後にある気候制御されたサーバーホールで発生します。那はそれらを少なくともしません。高度なモデルを実行するには大量の電力が必要です。例えば、GPT-3をトレーニングするには、130戸の米国家庭が1年間で使用するエネルギーと同等の量が必要です。また、推論、つまり回答、要約、画像の生成プロセスも大量の電力を使用します。ChatGPTの1回のクエリでは、通常のWeb検索よりも約5倍の電力が使用され、1つのAI画像を生成するには、スマートフォンをフル充電するのに必要なエネルギーと同等の量が必要です。水の消費も重要な要素です。例えば、GPT-4モデルを使用して100語の短いメールを生成するたびに、ChatGPTは約1本の水ボトルの容量の水を消費します。その水は、データセンターのサーバーを冷却するために使用されます。サーバーは運用中に大量の熱を発生させます。米国の労働者の10%が1週間に1回使用すると、年間の水消費量は、ロードアイランド州のすべての家庭が1日半で使用する量と同等になります。AIのワークロードが拡大するにつれ、データセンターの電力需要も増加します。世界銀行は、情報通信技術（ICT）分野、包括AIが、現在少なくとも1.7%の世界の温室効果ガス排出量を占めていると推定しています。その数字はさほど大きくないように思えるかもしれませんが、現在の採用レベルを反映しているだけです。AIの成長、インターネットアクセスの増加、クラウドストレージの拡大、IoTデバイス、ブロックチェーン技術とともに、総合的な影響は、ある程度の効率化が得られても、増加する可能性があります。AIを使用するのが容易であるという事実と、実行するのがリソースを大量に消費するという事実の間にある断絶は、問題を無視しやすくしています。しかし、それは解決策も示唆しています。イノベーションを遅らせる必要はありません。設計と展開についてより意識的に考える必要があります。つまり、より良い質問をすること、ベンダーに責任を負わせること、そして持続可能性をすべてのAIの決定に組み込むことです。これらのシステムは、さらに強力になるだけです。気候の課題を解決するのに役立たせたいのであれば、それらが気候の課題を悪化させていないことを確認する必要があります。インフラストラクチャから説明責任へAIの環境への影響は、ユーザーが「Enter」を押した瞬間に限定されません。その背後には、採掘、チップ製造、機器出荷、データセンター建設などのサプライチェーンがあります。この現実は、企業に新しい種類の説明責任課題をもたらします。従来の排出源と異なり、影響を燃料の燃焼や走行距離に結び付けることができます。AIのコストは、システムやプロバイダーにわたって分散しています。クラウドやベンダーに責任があると考えることができます。しかし、SaaSプラットフォーム、クラウドプロバイダー、または内部ツールを介してAIを使用する場合、排出ガスとエネルギー消費は、運用の足跡の一部です。特に、価値チェーン全体で発生するスコープ3排出ガスを考慮する場合に当てはまります。良いニュースは、説明責任が非難ではないということです。認識、透明性、そしてより良い意思決定についてです。見えないものを可視化するAIの隠れた環境コストを表面化するには、どのようにすればよいのでしょうか。ツールを評価する方法を再考えることから始めます。調達チームは、機能、エネルギー源、データセンターの効率、排出ガス報告について問い合わせるべきです。ベンダーがツールのエネルギー消費量や再生可能エネルギーへの依存度について説明できない場合は、危険信号です。製品およびエンジニアリングチームは、影響を減らすことなく成果を達成する設計上の決定を下すことができます。可能な場合は小さく、微調整されたモデルを使用し、不要な複雑さを避けることが含まれます。効率的なモデルは、より速いだけではなく、より環境に優しいものです。従業員も貢献できます。明確でターゲットを絞ったプロンプトを書くためのトレーニングを受けたチームは、クエリの数を減らし、計算時間を最小限に抑えることができます。1つのよく構成されたリクエストはすぐに正しい結果をもたらすかもしれませんが、複数の漠然としたリクエストは、各反復でエネルギーを浪費する可能性があります。経営陣は、イノベーションと持続可能性の間のつながりを築くことができます。AIの採用は、気候目標と一致させるべきであり、別の戦略として扱うべきではありません。小さな変更は、組織がすべてのレベルで環境への影響について話し合うときに、集まることになります。ISO 42001が有用なロードマップを提供する理由ISO 42001、AI管理システムの新しい国際標準は、重要な焦点を導入しています。組織は、AIシステムのパフォーマンスだけでなく、人々や地球への影響についても考慮するよう奨励しています。気候をあとまわしとして扱うのではなく、リスクとして管理する価値があると扱います。すでにISO 14001（環境管理）またはネットゼロ目標に向けて取り組んでいる企業にとって、ISO 42001は橋渡しとなります。AIのガバナンスをより広範な持続可能性戦略と整合させ、排出ガス追跡から責任あるベンダーパートナーシップまで、サポートします。AIが返すもの否定的な側面に焦点を当てるのは簡単ですが、AIは実際に環境問題を解決するための潜在的な解決策も提供しています。すでに、AIは、ユーティリティーが需要を予測し、リアルタイムでエネルギー使用を調整して、風や太陽などの再生可能エネルギーをよりよく統合できるように支援しています。農業では、土壌の湿度や天候を監視して、灌漑スケジュールを導き、肥料の流出を最小限に抑えるために使用されています。物流会社は、燃料消費とアイドリング時間を削減するために、より効率的な配送ルートを計画するためにAIを使用しています。さらに重要なのは、AIが排出ガス追跡を加速させ、調達とサプライヤーデータを分析して、企業が難しいスコープ3排出ガスを計算し、削減が可能な領域を特定できるようにしていることです。AIを慎重に展開すれば、リソース消費者としてだけでなく、気候の賢い解決策の推進者としても機能できます。より近く見る時間AIは減速しませんし、減速するべきではありません。しかし、その環境への足跡をより可視化し、管理可能にする必要があります。そのためには、排出ガスを報告し削減するパートナーを選択すること、チームをAIの効率的な使用にトレーニングすること、環境への影響を価値のひとつとして扱うことが含まれます。 排出ガスを報告し削減するパートナーを選択すること。 チームをAIの効率的な使用にトレーニングすること。 環境への影響を価値のひとつとして扱うこと。 私たちは、AIを無形であると考えることがあります。しかし、それは認識の問題であり、物理的な問題ではありません。サーバーは実在し、排出ガスは測定可能であり、水は有限です。今が、説明責任の習慣を築く時です。私たちが頼るシステムが、静かに私たちが守ろうとしている未来を損なわないようにするためです。