รอยเท้าทางน้ำของ AI: ต้นทุนความยั่งยืนของโมเดลภาษาขนาดใหญ่

ปัญญาประดิษฐ์ (AI) กำลังขยายตัวอย่างรวดเร็วทั่วอุตสาหกรรม โดยได้รับการสนับสนุนจาก โมเดลภาษาขนาดใหญ่ (LLMs) เช่น GPT-4, Claude และ Gemini โมเดลเหล่านี้ต้องการพลังการคำนวณอย่างกว้างขวาง ทั้งในระหว่างการฝึกอบรมและการใช้งานปกติ การพึ่งพาระบบเหล่านี้อย่างมากทำให้เกิดความกังวลอย่างมากเกี่ยวกับผลกระทบต่อสิ่งแวดล้อม

ความสนใจจำนวนมากได้รับการให้ความสนใจเกี่ยวกับการ บริโภคพลังงานของ AI และการปล่อยก๊าซคาร์บอน อย่างไรก็ตาม การอภิปรายมักจะละเลยการใช้น้ำของ AI โมเดลภาษาขนาดใหญ่ต้องใช้น้ำจำนวนมากในการทำความเย็นให้กับศูนย์ข้อมูล น้ำยังถูกบริโภคโดยอ้อมในการผลิตพลังงานและฮาร์ดแวร์

การเพิ่มขึ้นของความต้องการ AI ทั่วโลกทำให้เกิดแรงกดดันต่อน้ำจืดที่มีจำกัด สิ่งนี้ทำให้เกิดความท้าทายด้านความยั่งยืน โดยเฉพาะอย่างยิ่งในพื้นที่ที่มีความเครียดทางน้ำและความเสี่ยงจากสภาพอากาศที่เกี่ยวข้อง ความเข้าใจที่ชัดเจนเกี่ยวกับรอยเท้าทางน้ำของ AI จึงจำเป็นต่อการตัดสินใจอย่างมีความรับผิดชอบและวางแผนระยะยาว

วิธีการที่โมเดล AI บริโภคน้ำ

การทำงานของระบบ AI ขนาดใหญ่ต้องการการคำนวณอย่างไม่หยุดยั้งในศูนย์ข้อมูลที่จัดการการดำเนินการที่มีจำนวนหลายพันล้าน สิ่งนี้ทำให้เกิดความร้อนจำนวนมาก เพื่อป้องกันความล้มเหลวของฮาร์ดแวร์และรักษาความสามารถในการทำงานที่เหมาะสม ความร้อนจะต้องถูกกำจัดออกไปอย่างมีประสิทธิภาพ ส่วนใหญ่ศูนย์ข้อมูลใช้ระบบทำความเย็นแบบระเหยสำหรับจุดประสงค์นี้ ระบบเหล่านี้พึ่งพาน้ำจืดอย่างมาก ส่วนใหญ่ของน้ำจะระเหยไประหว่างการทำความเย็นและไม่สามารถนำกลับมาใช้ใหม่ได้ ดังนั้น กระบวนการนี้นำไปสู่การดึงน้ำและบริโภคน้ำในระดับสูง

นักวิจัยได้เริ่มวัดผลกระทบทางน้ำของการฝึกอบรม AI ในปี 2023 ทีมวิจัยจาก UC Riverside และ UT Arlington ประมาณการว่าการฝึกอบรมโมเดลขนาดใหญ่เพียงครั้งเดียวใช้น้ำสะอาดมากกว่า 700,000 ลิตร ซึ่งเท่ากับจำนวนน้ำที่ต้องการในการผลิตรถ BMW 370 คัน สิ่งนี้แสดงให้เห็นว่าน้ำถูกใช้ไปเท่าใดในช่วงแรกของการพัฒนา AI ที่ทันสมัย

การใช้น้ำยังคงดำเนินต่อไปแม้หลังจากการฝึกอบรมเสร็จสิ้น การอนุมาน ซึ่งเป็นกระบวนการในการตอบสนองคำขอของผู้ใช้ ยังทำงานบนระบบคอมพิวเตอร์ที่มีประสิทธิภาพสูง ระบบเหล่านี้ทำงานตลอด 24 ชั่วโมง ในหลายส่วนของโลก ทุกๆ คำขอของผู้ใช้จะเพิ่มภาระการคำนวณ และเพิ่มความต้องการในการทำความเย็น การใช้น้ำทั้งหมดเพื่อการอนุมานยังคงเพิ่มขึ้นเนื่องจากการนำ AI มาใช้อย่างแพร่หลาย เช่น ผู้ช่วยเสมือนจริง โชว์เช็ต และเครื่องมือค้นหา

ทั่วโลก ศูนย์ข้อมูลมีการใช้น้ำมากกว่า 560 พันล้านลิตร ต่อปี ส่วนใหญ่สำหรับการทำความเย็น ตัวเลขนี้คาดว่าจะเพิ่มขึ้นอย่างมากภายในปี 2030 สาเหตุหลักคือความต้องการที่เพิ่มขึ้นของบริการที่ขับเคลื่อนด้วย AI นอกเหนือจากการใช้งานโดยตรง AI ยังทำให้เกิดการบริโภคน้ำโดยอ้อมระหว่างการผลิตไฟฟ้า โดยเฉพาะในภูมิภาคที่พึ่งพาเชื้อเพลิงฟอสซิลหรือพลังงานนิวเคลียร์

การเพิ่มขึ้นของความต้องการน้ำนี้เน้นย้ำถึงความกังวลอย่างมาก มีความจำเป็นเร่งด่วนสำหรับระบบทำความเย็นที่ดีกว่า โครงสร้างพื้นฐานที่ยั่งยืน และการรายงานการใช้น้ำที่โปร่งใส หากไม่มีการดำเนินการนี้ การแพร่กระจายของ AI ที่ดำเนินต่อไปอาจกดดันน้ำจืดมากขึ้น นี่เป็นความเสี่ยงที่สำคัญสำหรับพื้นที่ที่เผชิญกับความแห้งแล้งหรือความเครียดจากสภาพอากาศ

โครงสร้างพื้นฐานและเทคโนโลยีการทำความเย็น

โมเดล AI ทำงานบนชิปประสิทธิภาพสูงติดตั้งในศูนย์ข้อมูลบนคลาวด์ ศูนย์เหล่านี้ต้องการระบบทำความเย็นที่มีประสิทธิภาพสูงเพื่อจัดการความร้อนจากชิป การทำความเย็นแบบระเหยเป็นวิธีที่ใช้กันมากที่สุด ซึ่งน้ำจะถูกพ่นเข้าไปในอากาศหรือบนพื้นผิวเพื่อดูดซับความร้อน ส่วนสำคัญของน้ำระเหยไปและไม่สามารถนำกลับมาใช้ใหม่ได้ ส่งผลให้อัตราการดึงน้ำสูง

เพื่อแก้ไขปัญหานี้ บางศูนย์ข้อมูลได้ใช้วิธีการทำความเย็นที่แตกต่าง เช่น การทำความเย็นแบบจุ่มของเหลว และ การทำความเย็นแบบตรงไปที่ชิป เทคนิคเหล่านี้ใช้ของเหลวที่มีการนำความร้อนหรือระบบทำความเย็นแบบปิดเพื่อกำจัดความร้อนจากโปรเซสเซอร์ แม้ว่าจะมีประสิทธิภาพมากกว่า แต่ก็ยังเกี่ยวข้องกับการใช้น้ำโดยอ้อมระหว่างการติดตั้งระบบหรือการผลิตไฟฟ้า โดยเฉพาะในภูมิภาคที่พลังงานถูกผลิตจากถ่านหินหรือพลังงานนิวเคลียร์ ซึ่งทั้งสองต้องการน้ำจำนวนมากสำหรับการผลิตไอน้ำและการทำความเย็น

กลยุทธ์การทำความเย็นยังแตกต่างกันไปตามภูมิอากาศและที่ตั้ง ในพื้นที่ที่มีน้ำจืดจำกัด ผู้ดำเนินงานศูนย์ข้อมูลกำลังเปลี่ยนจากการทำความเย็นแบบระเหยไปสู่ระบบแบบใช้อากาศหรือระบบแบบปิดเพื่อลดน้ำที่ใช้ อย่างไรก็ตาม ตัวเลือกเหล่านี้มักต้องการพลังงานมากขึ้น ทำให้เกิดการแลกเปลี่ยนระหว่างการประหยัดน้ำและการปล่อยก๊าซคาร์บอน

ทุกส่วนของโครงสร้างพื้นฐาน AI ตั้งแต่การกำจัดความร้อนระดับชิปไปจนถึงการทำความเย็นของทั้งอาคารและระบบไฟฟ้า ล้วนเพิ่มรอยเท้าทางน้ำทั้งหมด ความต้องการ AI ที่เพิ่มขึ้นต้องการการปรับปรุงระบบทำความเย็นและพลังงาน หากไม่มีการปรับปรุงประสิทธิภาพ ความกดดันต่อน้ำจืดจะยังคงเพิ่มขึ้น

ปัจจัยทางภูมิศาสตร์และสิ่งแวดล้อมที่มีอิทธิพลต่อการบริโภคน้ำของศูนย์ข้อมูล

การบริโภคน้ำของศูนย์ข้อมูลได้รับอิทธิพลอย่างมากจากที่ตั้งทางภูมิศาสตร์และสภาพแวดล้อมท้องถิ่น ในพื้นที่ที่มีอุณหภูมิสูง เช่น อาริโซนาหรือเท็กซัส ระบบทำความเย็นต้องทำงานหนักขึ้นเพื่อรักษาอุณหภูมิที่เสถียรให้กับเซิร์ฟเวอร์ สิ่งนี้นำไปสู่การใช้ระบบทำความเย็นแบบระเหยที่น้ำจะสูญเสียไปในรูปของไอน้ำและไม่สามารถนำกลับมาใช้ใหม่ได้ ดังนั้น ศูนย์เหล่านี้จึงบริโภคน้ำมากกว่าศูนย์ที่ตั้งอยู่ในพื้นที่ที่มีอากาศเย็น เช่น สแกนดิเนเวีย ความชื้นยังมีบทบาทสำคัญ ในสภาพภูมิอากาศที่แห้งแล้ง การระเหยจะเกิดขึ้นได้ดีขึ้น ซึ่งจะปรับปรุงประสิทธิภาพการทำความเย็น แต่ก็จะเพิ่มการใช้น้ำด้วย

แหล่งที่มาและความพร้อมของน้ำก็มีความสำคัญเช่นกัน ศูนย์ข้อมูลในพื้นที่ที่มีน้ำจืดจำกัดมักต้องพึ่งพาน้ำจ่ายจากเทศบาล ซึ่งอาจมีการแข่งขันกับความต้องการท้องถิ่น เช่น การเข้าถึงน้ำดื่มหรือทรัพยากรทางการเกษตร ตัวอย่างที่รู้จักกันดีคือ ศูนย์ข้อมูลของ Google (GOOGL ) ใน The Dalles, Oregon การใช้น้ำของโรงงานทำให้เกิดความกังวลต่อสาธารณะ โดยเฉพาะอย่างยิ่งเมื่อพื้นที่นั้นกำลังเผชิญกับสภาพแห้งแล้งในขณะนั้น

นอกจากนี้ การฝึกอบรมโมเดล AI ขนาดใหญ่ยังสามารถนำไปสู่การเพิ่มขึ้นของความต้องการน้ำอย่างรวดเร็ว การเพิ่มขึ้นเหล่านี้อาจไม่คงอยู่นาน แต่ก็ยังสามารถส่งผลกระทบต่อระบบน้ำท้องถิ่นได้ หากไม่มีการวางแผนและคาดการณ์ที่เหมาะสม สิ่งนี้อาจส่งผลให้เกิดความไม่สมดุลชั่วคราวในระบบน้ำจืด รวมถึงระดับน้ำในแม่น้ำที่ต่ำหรือการดึงน้ำบาดาลมากเกินไป การเปลี่ยนแปลงเหล่านี้สามารถทำอันตรายต่อระบบนิเวศท้องถิ่นและลดความหลากหลายทางชีวภาพ

เพื่อแก้ไขความท้าทายเหล่านี้ การวางแผนโครงสร้างพื้นฐานที่เกี่ยวข้องกับ AI ต้องคำนึงถึงปัจจัยท้องถิ่น เช่น อุณหภูมิ การจ่ายน้ำ และข้อจำกัดทางกฎหมายเกี่ยวกับการใช้น้ำ การใช้งานที่ยั่งยืนจำเป็นต้องมีนโยบายที่ชัดเจนและสมดุลระหว่างการเติบโตทางเทคโนโลยีกับการคุ้มครองสิ่งแวดล้อม สิ่งนี้รวมถึงการทำงานร่วมกับชุมชนในท้องถิ่น การทำความเข้าใจสิทธิน้ำในพื้นที่ และการเลือกระบบทำความเย็นที่ใช้น้ำอย่างรับผิดชอบ

การมอบหมายขององค์กรและช่องว่างความโปร่งใส

บริษัท AI รายใหญ่กำลังตระหนักถึงผลกระทบต่อสิ่งแวดล้อมและได้สัญญาว่าจะปรับปรุงการบริหารจัดการน้ำ Google, Microsoft (MSFT ) และ Meta แต่ละแห่งได้ประกาศแผนการที่จะกลายเป็น “บวกน้ำ” ภายในปี 2030 ซึ่งหมายความว่าพวกเขาตั้งเป้าที่จะฟื้นฟูน้ำมากกว่าที่พวกเขาใช้ในทุกการดำเนินงานทั่วโลก ความพยายามของพวกเขารวมถึงการฟื้นฟูพื้นที่ลุ่มน้ำ การเก็บน้ำฝน การนำน้ำเทาไปใช้ใหม่ และการสนับสนุนโครงการอนุรักษ์ท้องถิ่น

Google วางแผนจะเติม 120% ของน้ำ ที่พวกเขาใช้ พวกเขาเผยแพร่รายงานความยั่งยืนด้านสิ่งแวดล้อมรายปี ซึ่งรวมถึงทั้งการใช้น้ำและการฟื้นฟู Microsoft ได้ใช้ระบบทำความเย็นที่เปิดระบายความร้อน ซึ่งลดการระเหยและสามารถลดการใช้น้ำได้มากถึง 90% เมื่อเทียบกับหอทำความเย็นทั่วไป Meta สัญญาว่าจะฟื้นฟูน้ำ 200% ที่ใช้ในพื้นที่ที่มีความเครียดสูง และ 100% ของน้ำที่ใช้ในพื้นที่ที่มีความเครียดปานกลาง โดยมุ่งเน้นความพยายามในพื้นที่ที่มีน้ำจืดจำกัดมากที่สุด บางศูนย์ข้อมูลได้เริ่มใช้ระบบนำน้ำกลับมาใช้ใหม่หรือเก็บน้ำฝนเพื่อเพิ่มการเข้าถึงน้ำ

การมอบหมายเหล่านี้มีความเกี่ยวข้องเนื่องจากการฝึกอบรมและการใช้งานโมเดลภาษาขนาดใหญ่ต้องใช้ศูนย์ข้อมูลที่มีประสิทธิภาพสูง การดำเนินงานเหล่านี้ใช้ไฟฟ้าจำนวนมากและสร้างความร้อนจำนวนมาก ซึ่งเพิ่มความต้องการน้ำสำหรับการทำความเย็น เมื่อบริการ AI ขยายไปทั่วโลก โดยเฉพาะอย่างยิ่งบริการที่เกี่ยวข้องกับโมเดลภาษาขนาดใหญ่ รอยเท้าทางสิ่งแวดล้อมของพวกเขาก็เพิ่มขึ้นด้วย การใช้น้ำอย่างรับผิดชอบกำลังเป็นส่วนสำคัญของการพัฒนา AI ที่ยั่งยืน

การลดรอยเท้าทางน้ำของ AI: ขั้นตอนที่ง่ายและความร่วมมือ

การลดรอยเท้าทางน้ำของ AI ต้องการการผสมผสานระหว่างเทคโนโลยีที่มีประสิทธิภาพ การวางแผนอย่างรอบคอบ และความรับผิดชอบร่วมกัน ในด้านเทคนิค การออกแบบโมเดล AI ที่เล็กและประหยัดพลังงานเป็นขั้นตอนสำคัญ วิธีการเช่น การตัดทอนโมเดล การปรับขนาด และ การทำให้โมเดลมีประสิทธิภาพมากขึ้น ช่วยลดขนาดของโมเดลและภาระการคำนวณ สิ่งนี้จะลดการใช้พลังงานและลดการใช้น้ำที่จำเป็นสำหรับการทำความเย็นระหว่างการฝึกอบรมและการใช้งาน

การเลือกเวลาที่เหมาะสมในการฝึกอบรมก็มีความสำคัญเช่นกัน การทำงานหนักในช่วงเวลาที่มีอากาศเย็นสามารถลดการใช้น้ำที่สูญเสียไปจากการระเหย ที่ตั้งของศูนย์ข้อมูลก็มีบทบาทเช่นกัน การสร้างศูนย์ข้อมูลในพื้นที่ที่มีน้ำจืดที่ยั่งยืนหรือใกล้กับแหล่งพลังงานทดแทน เช่น พลังงานลมและพลังงานแสงอาทิตย์ สามารถลดการใช้น้ำโดยอ้อมที่เกี่ยวข้องกับการผลิตพลังงานความร้อน การพัฒนาอัลกอริทึม AI เช่น การใช้ความสนใจที่กระจายหรือการออกแบบโมเดลที่มีประสิทธิภาพมากขึ้น ร่วมกับการปรับปรุงฮาร์ดแวร์ ช่วยลดผลกระทบต่อสิ่งแวดล้อมโดยรวม

การแก้ไขปัญหาน้ำของ AI ต้องใช้ความพยายามร่วมกันที่ไปไกลกว่าบริษัทเทคโนโลยี รัฐบาลมีบทบาทสำคัญในการกำหนดกฎที่ต้องการการรายงานการใช้น้ำที่โปร่งใสและส่งเสริมมาตรฐานการประเมินที่สอดคล้องกัน พวกเขายังสามารถกำหนดให้การหาน้ำที่ยั่งยืนเป็นเงื่อนไขในการอนุมัติศูนย์ข้อมูลใหม่ กลุ่มสิ่งแวดล้อมสนับสนุนความพยายามนี้โดยการตรวจสอบคำกล่าวอ้าง ส่งเสริมนโยบายที่เข้มงวด และรักษาความรับผิดชอบของอุตสาหกรรม องค์กรท้องถิ่นควรตรวจสอบแผนโครงสร้างพื้นฐานโดยคำนึงถึงทรัพยากรน้ำ โดยเฉพาะในพื้นที่ที่กำลังเผชิญกับความเครียด

ผู้ใช้แต่ละคนยังกำหนดทิศทางของ AI ด้วยการเลือกแพลตฟอร์มที่รายงานข้อมูลสิ่งแวดล้อมและให้คำมั่นสัญญาเรื่องความยั่งยืน พวกเขาส่งข้อความที่ชัดเจนเกี่ยวกับสิ่งที่สำคัญ นักพัฒนาและนักวิจัยต้องพิจารณาการใช้น้ำเมื่อประเมินระบบ AI ในเวลาเดียวกัน มหาวิทยาลัยและศูนย์วิจัยสามารถสร้างเครื่องมือเพื่อวัดและลดการใช้น้ำได้อย่างแม่นยำ

เพื่อสร้างความก้าวหน้าที่แท้จริง เราต้องเน้นไปที่ความตระหนักและความเข้าใจที่ดี มีหลายคนไม่ทราบว่าแม้คำถาม AI ที่ง่ายๆ ก็ทำให้เกิดค่าใช้จ่ายด้านสิ่งแวดล้อมที่ซ่อนอยู่ เมื่อเป็นที่รู้จักอย่างกว้างขวาง สิ่งนี้จะกระตุ้นให้ผู้ใช้เรียกร้องแนวทางปฏิบัติที่ดีกว่าและกระตุ้นให้บริษัทต่างๆ ปฏิบัติตามหลักการความรับผิดชอบ ในเวลาเดียวกัน การขยายตัวที่รวดเร็วของโมเดล AI ขนาดใหญ่ยังคงเพิ่มแรงกดดันต่อน้ำจืดที่มีจำกัด ทำให้จำเป็นต้องจัดลำดับความสำคัญของการใช้น้ำเป็นส่วนสำคัญของผลกระทบต่อสิ่งแวดล้อมของ AI การบรรลุการเปลี่ยนแปลงที่มีความหมายต้องใช้ความพยายามร่วมกันจากผู้กำหนดนโยบาย ผู้พัฒนา บริษัท และผู้ใช้

สรุป

การลดรอยเท้าทางน้ำของ AI ไม่ใช่ประเด็นรองอีกต่อไป แต่เป็นส่วนสำคัญในการพัฒนเทคโนโลยีที่ยั่งยืน การฝึกอบรมและการใช้งานโมเดลขนาดใหญ่ส่งผลกระทบต่อน้ำจืด โดยเฉพาะในพื้นที่ที่เผชิญกับความเครียดจากสภาพอากาศ

เพื่อแก้ไขปัญหานี้ เราต้องการโมเดลที่ฉลาดกว่า ฮาร์ดแวร์ที่ดีกว่า และการวางแผนศูนย์ข้อมูลที่รับผิดชอบ แต่ความก้าวหน้าที่แท้จริงขึ้นอยู่กับมากกว่าแค่เทคโนโลยี รัฐบาล บริษัท นักวิจัย และผู้ใช้ทุกคนมีบทบาทที่ต้องเล่น นโยบายที่ชัดเจน การรายงานที่โปร่งใส และความตระหนักของสาธารณะสามารถช่วยกระตุ้นการตัดสินใจที่ดีขึ้น โดยการรวมผลกระทบต่อน้ำเข้าไปในความคิดเรื่อง AI ของเราในขั้นตอนแรกๆ เราสามารถป้องกันการทำลายทรัพยากรที่สำคัญในระยะยาวได้