편리성의 숨겨진 비용: AI의 환경적 영향이 보이도록 해야 하는 이유

우리는 종종 요약, 생성 또는 해결을 위해 AI를 사용합니다.それは 빠르고 쉽고 점점 더 많이 우리의 작업에 통합되고 있습니다. 그러나 우리는 디지털 편리성을 만들기 위해 서두르면서 중요한 부분을 간과했습니다. 그것은 디지털 편리성 뒤에 있는 환경 비용입니다.

모든 AI 상호작용은 우리가 보지 못하고 거의 고려하지 않는 것에 의존합니다. 데이터 센터, 칩, 전력 그리드, 냉각 시스템 및 글로벌 물류 네트워크입니다. 이러한 “보이지 않는 인프라”로 인해 AI가 무중력처럼 느껴집니다. 그러나 환경적 비용은 그렇지 않습니다.

그 비용을 보이도록 만들 때입니다. AI가 비즈니스 운영의 중심이 되는 medida로, 에너지, 물, 배출량에 대한 영향도 커집니다. 다음 모델이 얼마나 강력할지 묻는 것이 아니라, 그것을 실행하는 데 필요한 것을 책임지도록 준비되어 있는지 묻는 것입니다.

AI에는 광학 문제가 있습니다. 공장에서 나오는 연기나 고속도로上的 교통과 달리, 모델을 훈련하거나 질의하는 배출은 서버 홀에서 닫힌 문 뒤에서 발생합니다. 그러나 그것은 그것들을 덜 실제로 만들지 않습니다.

고급 모델을 실행하려면大量의 전기가 필요합니다. 예를 들어, GPT-3를 훈련하는 데는 130개의 미국 가정에서 1년 동안 사용하는 만큼의 에너지가 소비됩니다. 그리고 그것은 거기서 끝나지 않습니다. 추론, 즉 응답, 요약 또는 이미지 생성은 상당한 전력을 사용합니다. ChatGPT 질의 하나는 일반적인 웹 검색보다 약 5배 더 많은 전기를 사용하며, 하나의 AI 이미지를 생성하는 데는 전자폰을 완전히 충전하는 만큼의 에너지가 소비됩니다.

물 소비도 중요한 부분입니다. 예를 들어, GPT-4 모델을 사용하여 100단어의 이메일을 생성할 때마다 약 1개의 물병 크기만큼의 물을 소비합니다. 그 물은 데이터 센터의 서버를 냉각하는 데 사용됩니다. 그것은 운영 중에 강한 열을 발생시킵니다. 그것을 10%의 미국 근로자들이 일주일에 한 번 사용한다고 가정하면, 연간 물 사용량은 로드아일랜드의 모든 가구가 1.5일 동안 사용하는 양과 같습니다.

AI 작업이 확대됨에 따라 데이터 센터의 전력需求도 증가합니다. 세계은행은 정보 및 통신 기술(ICT) 분야, 즉 AI를 포함한 분야가 현재 최소한 1.7%의 글로벌 온실 가스 배출량을 차지한다고 추정합니다. 그 숫자는 MODEST할 수 있지만, 현재의 채택 수준만을 반영합니다. AI의 지속적인 성장, 글로벌 인터넷 접근성의 증가, 클라우드 저장소의 확대, IoT 기기 및 블록체인 기술과 함께, 집합적인 영향은 상당히 증가할 수 있습니다.

그것은 우리가 쉽게 무시할 수 있는 문제입니다.

그러나 그것은 또한 해결책을 가리킵니다. 우리는 혁신을 늦출 필요가 없습니다. 우리는 그것을 설계하고 배포하는 방식을 더 의도적으로 해야 합니다. 즉, 더 좋은 질문을 묻고, 공급업체를 책임지며, 지속 가능성을 모든 AI 결정에 고려해야 합니다.

이 시스템은 더욱 강력해지고 있습니다. 만약 chúng을 환경 문제를 해결하는 데 도움이 되도록 하고 싶다면, 그것들이默認적으로 더 나쁘게 만들지 않도록 해야 합니다.

인프라에서 책임까지

AI의 환경적 영향은 사용자가 “Enter”를 누르는 순간에만 제한되지 않습니다. 그 뒤에는 채굴, 칩 제조, 장비 배송, 데이터 센터 건설과 같은 공급망이 있습니다. 이것은 기업들에게 새로운 유형의 책임 문제를 제기합니다. 전통적인 배출원과 달리, जह서 영향이 연료 소비 또는 주행 거리와 연관될 수 있는 반면, AI의 비용은 시스템과 공급업체에 걸쳐 있습니다. 그것은 “클라우드” 또는 “공급업체”에게 책임이 있다고 생각하기 쉽습니다.

그러나 만약您가 SaaS 플랫폼, 클라우드 공급업체 또는 내부 도구를 통해 AI를 사용한다면, 배출량과 에너지 사용은 您의 운영足跡의 일부입니다. 특히 Scope 3 배출량을 살펴볼 때, 즉 값 체인 전체에서 발생하는 배출량을 살펴볼 때 그렇습니다.

好的 소식은 책임이 비난에 관한 것이 아니라는 것입니다. 그것은 인식, 투명성, 그리고 더 나은 의사 결정에 관한 것입니다.

보이지 않는 것을 보이도록 만들기

우리는 어떻게 하면 AI의 숨겨진 환경 비용을 드러내는지부터 시작해야 합니다. 즉, 우리가 사용하는 도구를 평가하는 방식을 다시 생각해야 합니다.

조달 팀은 기능, 에너지 소스, 데이터 센터 효율성, 배출량 보고에 대해 묻습니다. 공급업체가 자신의 AI 도구가 소비하는 전력이나 재생 가능 에너지에 의존하는지 말할 수 없다면, 그것은 빨간 깃발입니다.

제품 및 엔지니어링 팀은 영향을 줄이지 않고 결과를 줄이기 위한 설계 결정할 수 있습니다. 즉, 작은 모델을 사용하거나 불필요한 복잡성을 피하는 것입니다. 더 효율적인 모델은 더 빠르뿐만 아니라 더 깨끗합니다.

직원들도 기여할 수 있습니다. 명확하고 목표를 가진 프롬프트를 작성하도록 훈련하면 질의 횟수를 줄이고 컴퓨팅 시간을 최소화할 수 있습니다. 하나의 잘 구성된 요청은 즉시 올바른 결과를 생성할 수 있습니다. 반면에 여러개의 모호한 요청은 에너지를 낭비할 수 있습니다.

경영진은 혁신과 지속 가능성을 연결할 수 있습니다. AI 채택은 기후 목표와 일치해야 하며, 별도의 전략으로 다루어져서는 안 됩니다. 조직이 모든 수준에서 환경적 영향을 논의하는 부분으로 만들면 작은 변화가 시작됩니다.

ISO 42001이 유용한 로드맵을 제공하는 이유

ISO 42001, AI 관리 시스템을 위한 새로운 국제 표준은 주요 초점을 제시합니다. 즉, 조직이 AI 시스템의 성과뿐만 아니라 사람들과 지구에 미치는 영향을 고려하도록 합니다. 그것은 기후를 사후적인 생각으로 다루지 않습니다. 그것은 처음부터 관리할 가치 있는 위험으로 다룹니다.

기업들이 이미 ISO 14001(환경 관리)를 위한 목표 또는 순수 제로 목표를 위해 일하고 있다면, ISO 42001은 다리를 제공합니다. 그것은 AI 거버넌스를 더 широк은 지속 가능성 전략과 일치시킵니다. 배출량 추적, 책임 있는 공급업체 파트너십 등입니다.

AI가 무엇을 돌려줄 수 있는가

부정적인 측면에만 집중하기 쉽지만, AI는 실제로 환경 문제를 해결하는 데 도움이 될 수 있습니다.

이미 AI는 유틸리티가 수요를 예측하고 실시간으로 에너지 사용을 조정하여 재생 가능 에너지 원천을 더 잘 통합하도록 도와주고 있습니다. 농업에서는 토양 수분과 날씨 조건을 모니터링하여 관개 일정과 비료 유출을 최적화하는 데 사용됩니다. 물류 회사들은 더 효율적인 배송 루트를 계획하기 위해 AI를 사용하여 연료 소비와 대기 시간을 줄입니다. 그리고 아마도 가장 중요한 것은, AI는 조달 및 공급업체 데이터를 분석하여 배출량을 추적하고, 기업들이 어려운 측정 배출량을 계산하고, 감축할 수 있는 부분을 식별하도록 도와줍니다.

AI를 주의해서 배포한다면, 그것은 단순히 자원 소비자뿐만 아니라, 더 지능적인 기후 솔루션의 驅動力이 될 수 있습니다.

더 가까이看看

AI는 더디지 않을 것입니다. 그러나 우리는 환경적足跡을 더 보이기 시작해야 합니다.

그것은 다음을 의미합니다.

• 배출량을 보고 감축하는 파트너를 선택합니다.
• AI를 효율적으로 그리고 의도적으로 사용하도록 팀을 훈련합니다.
• 환경적 영향을 가치 방정식의 일부로 다루며, 트레이드오프로 다루지 않습니다.

우리는 AI를 보이지 않는다고 생각하는 데 익숙합니다. 그러나 그것은 인식 문제이지 물리적인 문제가 아닙니다. 서버는 실제이며, 배출량은 측정 가능하며, 물은有限합니다.

이제는 책임 있는 습관을养成할 때입니다. 우리가 의존하는 시스템이默認적으로 미래를 보호하려고 하는 우리의 노력을 훼손하지 않도록 해야 합니다.