AI의 환경 부하, 지속 가능한 설계로

IT 분야 전체가 전 세계 온실가스 배출량의 약 2~4%를 차지하고 있으며, 그 가운데서도 AI의 보급이 전력 소비를 높이는 요인으로 주목을 받고 있다. Microsoft와 Google은 각각의 보고서에서 AI 관련 처리에 수반하여 자사의 전력 사용량이 증가하고 있음을 인정하고 있으며, 문제는 '미래의 우려'가 아니라 이미 현실의 것이 되어 있다.

이러한 배경에는 대규모 AI 모델의 훈련과 추론(AI가 답을 도출하는 처리)에 막대한 계산 자원이 필요하다는 구조가 있다. 데이터 센터에서 소비되는 전력은 그 전원이 재생 가능 에너지가 아니면 그대로 이산화탄소 배출로 이어진다. AI 이용의 확대가 계속되는 가운데, 전력 소비의 증가는 피할 수 없는 트레이드오프로서 업계 전체가 마주할 수밖에 없는 상황에 있다.

이 과제에 대해 소프트웨어 개발 전문가인 Ben Linders는 AI 시스템을 설계하는 단계부터 환경으로의 영향을 최우선 사항으로 포함시켜야 한다는 생각을 나타내고 있다. 구체적으로는, 처음부터 모델을 개발하는 것이 아니라 기존의 모델을 활용하는 것, 용도에 맞은 소규모 모델을 선택하는 것, 저탄소 전력이 풍부한 지역에서 AI의 계산 처리를 실행하는 것, 그리고 모델의 훈련 자체를 재생 가능 에너지로 수행하는 것이 권장 사항으로 제시되고 있다.

'기존 모델의 활용'과 '소규모 모델의 선택'이라는 제안은 비용 절감과도 방향성이 일치하기 때문에, 기업에게 있어 취급하기 쉬운 시책이라는 견해를 할 수 있다. 대규모 모델은 성능이 높은 반면, 훈련과 운용의 양쪽 면에서 막대한 전력을 소비한다. 작업의 요건에 맞는 적절한 규모의 모델을 선택하는 것은 불필요한 계산 자원의 소비를 억제하는 첫 번째 단계로 위치지워진다.

'저탄소 전력이 풍부한 지역에서의 계산 실행'이라는 제안은 클라우드 인프라의 지리적 선택이 환경 부하에 직결된다는 생각에 기초하고 있다. 풍력이나 수력 등의 재생 가능 에너지가 안정적으로 공급되는 지역에 데이터 센터를 두거나, 그러한 지역의 클라우드 리전을 우선적으로 사용함으로써, 동일한 처리량이라도 배출량을 대폭 바꿀 수 있는 가능성이 있다. 이는 현재의 기술로 실행 가능한 대책이며, 설계나 조달의 단계에서 의도적으로 선택할 여지가 있다.

AI의 지속 가능성을 시스템 설계의 '후부착'이 아니라, 처음부터 고려해야 할 요건으로 다루는 — 이러한 생각 방식은 향후의 AI 개발에 있어 중요한 관점이 될 수 있다. 전력 소비의 문제는 인프라 측만으로 해결할 수 있는 것이 아니며, 모델의 선정이나 처리의 설계까지 포함한 소프트웨어 개발의 판단이 배출량에 영향을 미친다는 인식이 확산되고 있다. 향후는 AI 시스템의 성능 평가에 더하여, 전력 효율이나 탄소 배출량을 설계 기준에 더하는 움직임이 확산될지 여부가, 업계의 지속 가능성을 측정하는 하나의 지표가 된다는 견해를 할 수 있다.