- AI는 데이터 센터의 전력 소비와 냉각에 필요한 막대한 양의 물로 인해 환경에 엄청난 영향을 미칩니다.
- 정확성과 지속가능성 사이의 균형이라는 기술적 딜레마가 있는데, 가장 정확한 모델일수록 오염을 가장 많이 유발하는 경향이 있다.
- 알고리즘을 최적화하고 재생 가능 에너지원을 기반으로 하는 에너지 인프라로 전환하기 위해 친환경 AI 전략이 시행되고 있습니다.
오늘날 인공지능은 마치 구름 위에 떠다니는 마법 같은 존재처럼 보이지만, 실제로는 매우 거대한 물리적 인프라를 기반 으로 작동합니다. TV 시리즈 추천부터 이메일 작성까지, 그 이면에는 거대한 시스템이 작동하고 있으며, 우리는 알고리즘의 편리함을 누리는 동안 이러한 시스템 운영에 따르는 환경적 비용을 간과하기 쉽습니다.
단순히 전력 소비량이 조금 늘어나는 문제가 아닙니다. 엄청난 속도로 자원을 소모하는 글로벌 서버 인프라 에 관한 이야기입니다 . 따라서 기술 발전이 지구 환경에 부담을 주지 않으려면 AI의 탄소 발자국을 측정하고 줄이는 방법을 이해하는 것이 매우 중요합니다.
인공지능으로 인한 오염은 어디에서 오는 걸까요?
본론으로 들어가자면, 우리는 두 가지 핵심 단계, 즉 학습과 추론을 구분해야 합니다. 학습은 모델이 학습을 위해 수백만 개의 데이터 포인트를 처리하는 가장 까다로운 단계 로, 막대한 컴퓨팅 파워가 필요합니다. 예를 들어, GPT-3 학습 과정에서 약 552톤의 CO₂가 배출되었는데, 이는 여러 대의 자동차가 평생 동안 배출하는 CO₂ 양과 맞먹는 수준입니다.
다음으로 추론 단계가 있는데, 이는 기본적으로 챗봇에게 질문을 하는 단계입니다. 단일 쿼리 자체는 전력을 거의 소모하지 않지만, 쿼리량이 워낙 많기 때문에 누적 효과가 상당합니다. 생성형 시스템과의 상호작용은 일반적인 구글 검색보다 최대 10배 더 많은 전력을 소비 할 수 있으며 , 응답 하나당 최대 3Wh의 전력을 소모하는 것으로 추정됩니다.
이러한 에너지 수요는 데이터 센터에 집중되어 있는데, 데이터 센터는 GPU와 서버가 24시간 내내 가동되는 산업용 건물입니다. 2022년에는 이 분야가 전 세계 전력 수요의 2%를 차지했으며, 특히 미국과 같이 전력망 부담이 이미 심각한 국가에서는 2030년까지 소비량이 급증할 것으로 예측됩니다.
보이지 않는 문제: 물과 하드웨어
이산화탄소가 주된 관심사이지만, 물은 간과되는 요소입니다. 서버는 엄청난 양의 열을 발생시키고 지속적인 냉각을 필요로 합니다. 많은 경우, 장비의 과열을 방지하기 위해 막대한 양의 담수가 사용됩니다 . 소비되는 1kWh당 약 2리터의 물이 증발하는 것으로 추정되는데, 이는 이미 가뭄에 취약한 지역에 심각한 물 부족 현상을 초래합니다.
더욱이, AI는 단순히 소프트웨어만이 아니라 칩도 필요하다는 사실을 잊어서는 안 됩니다. GPU 제조는 핵심 광물과 희토류 원소 채굴에 의존하는데 , 이 과정에서 유독성 폐기물과 화학 물질이 배출됩니다. 여기에 더해, 장비의 성능 요구를 충족하기 위해 몇 년마다 교체되는 급격한 노후화로 인해 재활용이 어려운 엄청난 양의 전자 폐기물이 발생합니다.
정밀성과 생태학 사이의 딜레마
여기서부터 상황이 복잡해집니다. '정확도-지속가능성 상충 관계' 라는 현상이 있습니다 . 기본적으로 인공지능이 매우 정확하고 추론 능력이 뛰어나려면 수십억 개의 매개변수를 가진 모델이 필요한데, 이는 에너지 소비를 급증시킵니다. 더 간결한 모델은 환경 친화적이지만, 오류를 더 많이 발생시키거나 덜 상세한 답변을 제공합니다.
최근 연구에 따르면 추상 대수 문제 풀이와 같은 복잡한 작업은 간단한 역사 문제를 푸는 것보다 최대 50배 더 많은 온실가스를 배출할 수 있는 것으로 나타났습니다 . 이는 모든 인공지능이 똑같이 오염을 유발하는 것은 아니며, 모델의 아키텍처와 우리가 모델에 요구하는 작업에 따라 달라진다는 것을 보여줍니다.
보다 친환경적인 AI를 위한 전략
이러한 상황이 재앙으로 번지는 것을 막기 위해 ' 그린 AI ' 라는 개념이 등장했습니다 . 비용에 상관없이 최대 정확도만을 추구하는 '레드 AI'와 달리, 그린 AI는 효율성에 초점을 맞춥니다. 이는 더 가벼운 알고리즘을 설계하고, 모델 증류 기법을 활용하며, 수학적 연산 횟수를 줄이도록 코드를 최적화하는 것을 포함합니다.
또 다른 해결책은 데이터 센터를 이전하는 것입니다. 처리 시설을 기후가 서늘하거나 재생 에너지원 (예: 아일랜드의 풍력 발전 또는 스페인의 태양광 발전)이 풍부한 지역으로 옮기면 탄소 발자국을 크게 줄일 수 있습니다. 서버를 물속에 잠기게 하거나 폐열을 활용하여 도심 건물을 난방하는 것과 같은 극단적인 해결책도 시험되고 있습니다.
에너지 분야에서는 완전한 탈탄소화를 향한 추세입니다 . 마이크로소프트와 구글 같은 거대 기업들은 청정에너지 구매 계약을 체결하거나 소형 모듈형 원자로(SMR)를 통해 온실가스를 배출하지 않고 서버 팜에 전력을 공급하는 등 2030년까지 탄소 순배출량 제로를 달성하기 위해 노력하고 있습니다.
환경의 동반자로서의 AI
모든 게 나쁜 것만은 아닙니다. 오염을 유발하는 바로 그 기술이 우리를 구할 도구가 될 수도 있다는 점이 흥미롭습니다. 인공지능은 프로세스를 최적화하는 데 탁월합니다. 예를 들어, 실시간으로 공급과 수요의 균형을 맞추는 스마트 그리드를 관리하는 데 사용되어 , 풍력이나 태양 에너지 생산량이 최고조에 달하는 시간대에 에너지를 더욱 효율적으로 활용할 수 있도록 합니다.
농업 분야에서는 알고리즘을 통해 정밀 농업 으로 물과 비료를 정확하게 살포하여 낭비를 줄일 수 있습니다. 운송 분야에서는 AI 기반 경로 최적화를 통해 물류 차량의 연료 소비를 절감할 수 있습니다. 요컨대, AI를 현명하게 활용한다면 2020년대 말까지 전 세계 온실가스 배출량을 5~10%까지 줄이는 데 기여할 수 있습니다.
지속 가능한 기술로의 전환은 기업의 데이터 투명성과 사용자들의 인식 제고에 달려 있습니다. 궁극적으로 컴퓨팅 성능과 자연 자원 존중 사이의 균형을 맞추는 것이 인공지능이 진정으로 지능적일 수 있는 유일한 길이며, 지구에 또 다른 부담이 되지 않을 수 있는 길입니다.
