สำหรับหลายๆ คน การใช้ AI มีทั้งผลกระทบเชิงบวกและเชิงลบต่อการปล่อยก๊าซคาร์บอนและการใช้น้ำ
For many, using AI has both positive and negative effects on their carbon emissions and water use
AI สามารถช่วยให้บริษัทเป็นมิตรกับสิ่งแวดล้อมมากขึ้น แต่ AI เองก็ก่อให้เกิดการสิ้นเปลืองพลังงานเช่นกัน
ปัญญาประดิษฐ์สามารถช่วยจัดการกับการเปลี่ยนแปลงสภาพภูมิอากาศได้ แต่เพื่อให้บรรลุเป้าหมาย แต่ทว่าบริษัทต่างๆ จำเป็นต้องจำกัดผลกระทบต่อสภาพภูมิอากาศของตัว AI เองด้วย
เทคโนโลยีสารสนเทศและการสื่อสารมีส่วนทำให้เกิดการปล่อยก๊าซเรือนกระจกทั่วโลกถึง 3% ตามการประมาณการจำนวนมาก ศูนย์ข้อมูลปล่อยก๊าซในปริมาณพอๆ กับอุตสาหกรรมการบินและใช้น้ำปริมาณมาก และเมื่อ AI เติบโตขึ้น พลังงานที่จำเป็นในการฝึกอบรมและใช้งานโมเดลภาษาใหญ่ก็จะเพิ่มขึ้น
อย่างไรก็ตาม AI ยังสามารถลดการปล่อยก๊าซเรือนกระจกได้ด้วยการทำให้ระบบมีประสิทธิภาพมากขึ้น Google และ American Airlines ของ Alphabet ใช้ AI เพื่อช่วยให้เครื่องบินสร้าง vapor trails เมฆหางเครื่องบินน้อยลง ซึ่งมีส่วนทำให้เกิดภาวะโลกร้อน Google ยังใช้เพื่อพยากรณ์น้ำท่วมในแม่น้ำและแนะนำเส้นทางที่เป็นมิตรต่อสิ่งแวดล้อมในบริการแผนที่ Verse สตาร์ทอัพในซานฟรานซิสโกใช้ AI เพื่อลดความซับซ้อนของกระบวนการสำหรับบริษัทต่างๆ เพื่อให้ได้พลังงานสะอาด AI ยังถูกใช้เพื่อสร้างภาพว่าโลกที่อบอุ่นจะเป็นอย่างไร ตั้งแต่การแสดงภาพการบุกรุกของมหาสมุทรในเมืองชายฝั่ง ไปจนถึงการทำแผนที่พื้นที่แห้งแล้งที่เสี่ยงต่อการเกิดไฟป่า
เมื่อ AI มีการบูรณาการเข้ากับสังคมมากขึ้น การค้นหาผลกระทบต่อสภาพอากาศสุทธิที่เป็นกลาง (หากไม่เป็นบวก) จึงเป็นสิ่งสำคัญ สำหรับหลายๆ บริษัทที่ใช้ AI มีทั้งผลกระทบเชิงบวกและเชิงลบต่อการปล่อยก๊าซคาร์บอนและการใช้น้ำ นั่นอาจเป็นการกระทำที่สมดุล เมื่อพวกเขาตั้งเป้าหมายคือ net-zero targets
Imbalance of power
Sasha Luccioni นักวิทยาศาสตร์การวิจัยของ Hugging Face ผู้พัฒนาแอปพลิเคชัน AI ทำงานร่วมกับนักวิจัยอีกสองคนเพื่อสร้างแผนที่รอยเท้าคาร์บอนตลอดอายุการใช้งานของโมเดลแมชชีนเลิร์นนิงด้วยพารามิเตอร์ 176 พันล้านพารามิเตอร์ที่ชื่อว่า Bloom และสิ่งที่พวกเขาเรียนรู้นั้นน่าตกใจ
ปัจจัยภายนอกพลังงานที่ใช้ในการฝึกโมเดล ซึ่งเป็นสิ่งที่การวิจัยส่วนใหญ่ในสาขานี้ไม่ได้คำนึงถึง “ผลกระทบที่เลวร้าย ที่สำคัญมาก นั่นคือทำให้เกิดการปล่อยก๊าซคาร์บอนทั้งหมดเพิ่มขึ้นเป็นสองเท่า” เธอกล่าว
ตัวอย่างเช่น การผลิตหน่วยประมวลผลกราฟิก ซึ่งเป็นชิ้นส่วนฮาร์ดแวร์ที่เร่งความเร็วการคำนวณใน Deep Learning เกี่ยวข้องกับน้ำบริสุทธิ์และโลหะหายาก นั่นเพิ่มต้นทุนด้านสภาพอากาศ Bloom ใช้ GPU เหล่านี้มากกว่าหนึ่งพันตัวในการฝึกอบรม และนั่นเป็นเพียงหนึ่งในปัจจัยภายนอกหลายประการที่กลุ่มของ Luccioni ประเมินในการวิจัยของพวกเขา
แต่โมเดลที่มีขนาดพารามิเตอร์ใกล้เคียงกับ Bloom เช่น ChatGPT-3 ของ OpenAI มีการปล่อยก๊าซคาร์บอนสูงกว่าอย่างมีนัยสำคัญ มากกว่า 20 เท่า และใช้พลังงานมากกว่า Bloom ประมาณสามเท่า
แหล่งพลังงานเป็นปัจจัยสำคัญที่ทำให้เกิดความคลาดเคลื่อนในการปล่อยก๊าซเรือนกระจก Luccioni กล่าว หากไฟฟ้าที่ใช้ในการฝึกโมเดลนั้นมาจากสิ่งที่ “สะอาดกว่า” ซึ่งสามารถลดการปล่อยก๊าซคาร์บอนได้ แม้ว่าจะไม่ได้เปลี่ยนขนาดของโมเดลการเรียนรู้ขนาดใหญ่ก็ตาม
ในสหรัฐอเมริกา ซึ่งไม่มีโครงข่ายไฟฟ้าส่วนกลาง โมเดลการฝึกอบรมในรัฐหนึ่งเทียบกับอีกรัฐหนึ่งอาจส่งผลกระทบอย่างมีนัยสำคัญต่อการปล่อยก๊าซคาร์บอน ในแคลิฟอร์เนียซึ่งมีพลังงานลมจำนวนมาก การปล่อยก๊าซเรือนกระจกอาจต่ำกว่าหากโมเดลเดียวกันนี้ได้รับการฝึกฝนโดยใช้พลังงานในรัฐเช่นเวอร์จิเนีย ซึ่งส่วนใหญ่อาศัยเชื้อเพลิงฟอสซิลเป็นพลังงาน
หาก Bloom ทำได้ดีกว่าตามมาตรฐานด้านสิ่งแวดล้อมมากกว่ารุ่นภาษาใหญ่อื่นๆ นั่นก็ถือว่ายังเกี่ยวข้องกัน โดยใช้พลังงานเพียงพอในการฝึกอบรมโมเดลนี้ในช่วงเดือนมีนาคมถึงกรกฎาคม 2022 เพื่อจ่ายไฟให้กับบ้านในอเมริกาโดยเฉลี่ยเป็นเวลา 41 ปี ตามรายงานของ Stanford ในเดือนเมษายน 2023 นอกจากนี้ การฝึกซ้อมครั้งนี้ยังปล่อยก๊าซเรือนกระจกมากกว่าเที่ยวบินไป-กลับของผู้โดยสารหนึ่งรายจากนิวยอร์กไปยังซานฟรานซิสโกถึง 25 เท่า และมากกว่าชาวอเมริกันโดยเฉลี่ยถึงหนึ่งในสามในหนึ่งปี
In deep water
จากการวิจัยในปีนี้ของ Shaolei Ren ศาสตราจารย์ด้านวิศวกรรมไฟฟ้าและคอมพิวเตอร์ที่มหาวิทยาลัยแคลิฟอร์เนียริเวอร์ไซด์ AI ก็ต้องใช้น้ำอย่างมากเช่นกัน
ผลงานของเขาแสดงให้เห็นว่า ChatGPT-3 จำเป็นต้อง “ใช้” น้ำปริมาณ 500 มล. เพื่อสนทนาเบื้องต้นประมาณ 20 ถึง 50 ครั้ง ขึ้นอยู่กับว่าไฟฟ้าถูกสร้างขึ้นจากที่ไหน ChatGPT-4 มีแนวโน้มที่จะใช้มากกว่านั้น แม้ว่าการรักษาความลับของแพลตฟอร์มและการฝึกอบรมจะทำให้ข้อมูลสาธารณะไม่เพียงพอต่อการอนุมานที่แม่นยำ
การประมาณการของกลุ่มของเขาสำหรับโมเดล LLM ตัวหนึ่งของ Google หรือที่เรียกว่า LaMDA มีการใช้น้ำประมาณหนึ่งล้านลิตรสำหรับการฝึกอบรมเพียงอย่างเดียว ปริมาณการใช้น้ำในศูนย์ข้อมูลในสถานที่ของ Google โดยรวมในปี 2022 เพิ่มขึ้นประมาณ 20% เมื่อเทียบกับปี 2021
“ทุกที่ที่เราใช้น้ำ เรามุ่งมั่นที่จะดำเนินการดังกล่าวอย่างมีความรับผิดชอบ ซึ่งรวมถึงการใช้ทางเลือกแทนน้ำจืดทุกครั้งที่เป็นไปได้ เช่น น้ำเสีย น้ำอุตสาหกรรม หรือแม้แต่น้ำทะเล” บริษัทกล่าวในบล็อกโพสต์เมื่อปลายปีที่แล้ว Google มีเป้าหมายในปี 2030 ที่จะเติมน้ำที่ใช้โดยเฉลี่ย 120% ทั่วทั้งสำนักงานและศูนย์ข้อมูล
การวิจัยจาก Google ประเมินการปล่อยก๊าซคาร์บอนจากการฝึกโมเดล LaMDA อยู่ที่ 26 ตันหรือเทียบเท่ากับผู้โดยสารประมาณ 22 คน ในเที่ยวบินไปกลับระหว่างซานฟรานซิสโกและนิวยอร์ก
เช่นเดียวกับการใช้ไฟฟ้า การใช้น้ำสามารถมีประสิทธิภาพมากขึ้น ขึ้นอยู่กับว่าน้ำมาจากไหน Microsoft กล่าวเมื่อปีที่แล้วว่าประสิทธิภาพการใช้น้ำที่แท้จริงของศูนย์ข้อมูลในเอเชียนั้นแย่กว่าที่ตั้งของบริษัทในอเมริกาถึงสามเท่า ซึ่งหมายความว่าการใช้น้ำสำหรับการฝึกอบรม AI แบบเดียวกันอาจเพิ่มขึ้นสามเท่าตามสถานที่ตั้ง นั่นเป็นเพราะโดยทั่วไปแล้วในเอเชียจะมีอากาศอบอุ่นกว่า ซึ่งจำเป็นต้องใช้เครื่องทำความเย็นแบบระบายความร้อนด้วยน้ำ
งานของ Ren แสดงให้เห็นว่าการเปลี่ยนแปลงตามฤดูกาลสร้างความแตกต่างอย่างมากเช่นกัน ศูนย์ข้อมูลในฤดูร้อนอาจต้องการน้ำมากขึ้นเนื่องจากการระเหยระหว่างความร้อน เมื่อพิจารณาทั้งฤดูกาลและตำแหน่งของศูนย์ข้อมูล การประมาณการของเขาแสดงให้เห็นว่าปริมาณน้ำรวมที่สูงที่สุดอาจมากกว่าสามเท่าของปริมาณน้ำที่ต่ำที่สุด
การจำกัดผลกระทบ
งานวิจัยของ Ren ทำงานเพื่อระบุวิธีการเพิ่มประสิทธิภาพที่ช่วยปรับสมดุลการปล่อยก๊าซคาร์บอนและการใช้น้ำของศูนย์ข้อมูล ขณะเดียวกันก็แบ่งเบาภาระของศูนย์ข้อมูลเหล่านั้นในเชิงภูมิศาสตร์ ดังนั้นจึงไม่มีภูมิภาคใดต้องเผชิญกับต้นทุนด้านสิ่งแวดล้อมที่หนักหน่วง
Ren กล่าวว่าเนื่องจากงานด้าน AI—การฝึกอบรมและการใช้งาน—ผ่านทางอินเทอร์เน็ต การทำตามขั้นตอนต่างๆ เช่น การสลับตำแหน่งศูนย์ข้อมูลที่จะส่งงานจึงเป็นเรื่องง่าย การย้ายคำขอไปยังศูนย์ข้อมูลที่ขับเคลื่อนด้วยพลังงานสะอาด หรือคำขอที่อยู่ในภูมิภาคที่เย็นกว่าซึ่งใช้น้ำน้อยกว่า ถือเป็นการเปลี่ยนแปลงที่อาจส่งผลต่อสภาพอากาศ “ไม่มีความแตกต่างมากนักจากมุมมองของผู้ใช้” Ren กล่าว
ตัวอย่างเช่น Google กล่าวว่ากำลังใช้ AI เพื่อเร่งการดำเนินการด้านสภาพอากาศโดยการติดอาวุธบุคคลและองค์กรด้วยข้อมูลที่ดีกว่าในการตัดสินใจ “เราใช้แนวทางปฏิบัติที่ผ่านการทดสอบแล้วเพื่อลดการปล่อยก๊าซคาร์บอนไดออกไซด์ของปริมาณงานได้มาก โดยช่วยลดพลังงานในการฝึกอบรมโมเดลได้มากถึง 100 เท่า และการปล่อยก๊าซเรือนกระจกได้มากถึง 1,000 เท่า เราวางแผนที่จะใช้แนวทางปฏิบัติที่ผ่านการทดสอบเหล่านี้ต่อไป และพัฒนาวิธีการใหม่ ๆ เพื่อทำให้การประมวลผล AI มีประสิทธิภาพมากขึ้น” Amalia Kontesi โฆษกของ Google กล่าว
Equinix บริษัทผู้ให้บริการอินเทอร์เน็ตที่มีศูนย์ข้อมูล 248 แห่ง ก็กำลังมองหาโซลูชันเช่นกัน บริษัท “มุ่งมั่นที่จะออกแบบ สร้าง และใช้งานโครงสร้างพื้นฐานศูนย์ข้อมูลที่มีประสิทธิภาพสูงซึ่งขับเคลื่อนด้วยพลังงานสะอาด” คริสโตเฟอร์ เวลลีส รองประธานฝ่ายความยั่งยืนกล่าว
Equinix เห็นว่าครอบคลุมพลังงานหมุนเวียน 96% ของปริมาณการดำเนินงานในปีที่แล้ว นับเป็นปีที่ห้าติดต่อกันโดยครอบคลุมพลังงานหมุนเวียนมากกว่า 90% ตามรายงานความยั่งยืนทางการเงินปี 2022 ของบริษัท Equinix ยังสนับสนุนโซลาร์ฟาร์มใหม่ 5 แห่งในสเปนเมื่อต้นปีนี้ เพื่อช่วยรักษาพลังงานที่ยั่งยืนในการดำเนินงานศูนย์ข้อมูล
ในขณะเดียวกัน ขั้นตอนการปฏิบัติในการจำกัดการปล่อยก๊าซเรือนกระจกคือการไม่รวม AI เข้ากับแพลตฟอร์มที่ไม่ต้องการ Luccioni จาก Hugging Face กล่าว
ต้นทุนของของเล่นใหม่ที่ต้องจ่ายเหล่านี้อาจไม่คุ้มค่า ได้ไม่คุ้มเสีย หากคุณต้องเปลี่ยนเทคโนโลยีทั้งหมดที่ใช้งานได้ค่อนข้างดีตั้งแต่แรก ด้วยการใช้งานที่ใช้พลังงานมากขึ้นมากมาย ลุชโชนีกล่าว