인공지능(AI)에 대한 주류 대화는 초지능 AI가 우리를 전멸시킬 것인지 또는 AI가 우리의 일자리를 훔칠 것인지와 같은 몇 가지 주요 관심사에 의해 지배되었다. 그러나 우리는 AI의 "소비"가 미치는 다른 다양한 환경적, 사회적 영향에 대해 거의 관심을 기울이지 않았다.
우리가 소비하는 모든 것에는 소비의 간접적인 영향인 "외부 효과"가 연관되어 있다. 예를 들어, 산업 공해는 사람과 환경에 부정적인 영향을 미치는 잘 알려진 외부 효과이다.
우리가 일상적으로 사용하는 온라인 서비스에도 외부효과가 있지만 이에 대한 대중의 인식 수준은 훨씬 낮은 것 같다. AI 사용에 대한 엄청난 이해를 감안할 때 이러한 요소를 간과해서는 안된다.
AI 사용이 환경에 미치는 영향
2019년 프랑스 싱크탱크 The Shift Project는 디지털 기술의 사용이 항공 산업보다 더 많은 탄소 배출량을 배출한다고 추정했다. 그리고 현재 AI가 전체 탄소 배출량의 1% 미만을 차지하는 것으로 추정되지만 AI 시장 규모는 2030년까지 9배 성장할 것으로 예상된다.
ChatGPT와 같은 도구는 LLM(대형 언어 모델)이라는 고급 계산 시스템을 기반으로 한다. 우리는 이러한 모델에 온라인으로 액세스하지만 상당한 리소스를 소비하는 전 세계의 물리적 데이터 센터에서 실행되고 훈련된다.
작년에 AI 회사인 Hugging Face는 BLOOM(OpenAI의 GPT-3과 유사한 복잡성 모델)이라는 자체 LLM의 탄소 발자국 추정치를 발표했다.
원자재 추출, 제조, 교육, 배치 및 수명 종료 폐기의 영향을 고려하여 모델의 개발 및 사용은 뉴욕에서 런던까지 60편의 비행에 해당하는 결과를 낳았다.
Hugging Face는 또한 GPT-3의 수명 주기가 탄소 집약적인 그리드에서 실행되는 데이터 센터에 전력을 공급하기 때문에 배출량이 10배 더 증가할 것으로 예상했다. 이것은 GTP-3와 관련된 원자재, 제조 및 폐기 영향을 고려하지 않은 것이다.
OpenAI의 최신 LLM 제품인 GPT-4는 수조 개의 매개 변수와 잠재적으로 훨씬 더 많은 에너지 사용량을 가지고 있다는 소문이 있다.
이 외에도 AI 모델을 실행하려면 많은 양의 물이 필요하다. 데이터 센터는 급수탑을 사용하여 AI 모델이 훈련되고 배포되는 현장 서버를 식힌다. Google은 최근 가뭄에 시달리는 우루과이에 서버 냉각을 위해 매일 760만 리터의 물을 사용하는 새로운 데이터 센터를 건설하려는 계획에 대해 비난을 받았다.). 데이터 센터를 운영하는 데 사용되는 전기를 생산하는 데에도 물이 필요하다.
올해 출판된 프리프린트에서 Pengfei Li와 동료들은 AI 모델의 물 발자국을 측정하는 방법론을 제시했다. 그들은 기업이 AI 사용 및 교육과 관련된 물 발자국을 평가하는 방법에 대한 투명성이 부족하다는 이유로 이렇게 했다.
그들은 교육 GPT-3에 210,000~700,000리터의 물(자동차 300~1,000대를 생산하는 데 사용되는 양)이 필요한 것으로 추정한다. 20~50개의 질문이 포함된 대화의 경우 ChatGPT는 500밀리리터의 물 한 병에 해당하는 양을 "마시는" 것으로 추정되었다.
AI 사용의 사회적 영향
LLM은 훈련 단계에서 광범위한 인적 입력이 필요한 경우가 많다. 이것은 일반적으로 저소득 국가의 불안정한 작업 조건에 직면한 독립 계약자에게 아웃소싱되어 "디지털 착취" 비판을 받는다.
지난 1월 타임은 케냐 근로자들이 ChatGPT의 "독성" 감지를 위해 텍스트 데이터에 레이블을 지정하기로 계약하고 노골적이고 충격적인 콘텐츠에 노출되는 동안 시간당 미화 2달러 미만의 급여를 받았다고 보도했다.
LLM은 또한 가짜 뉴스 및 선전을 생성하는 데 사용될 수 있다. 확인되지 않은 AI는 여론을 조작하는 데 사용될 가능성이 있으며 더 나아가 민주적 절차를 약화시킬 수 있다. 최근 스탠포드 대학의 연구원들은 AI가 생성한 메시지가 탄소세 및 공격용 무기 금지와 같은 주제에 대해 인간 독자들에게 지속적으로 설득력이 있음을 발견했다.
모든 사람이 AI 붐에 적응할 수 있는 것은 아니다. AI의 대규모 채택은 전 세계적 부의 불평등을 악화시킬 가능성이 있다. 그것은 고용 시장에 심각한 혼란을 초래할 뿐만 아니라 특히 특정 배경과 특정 산업의 근로자를 소외시킬 수 있다.
솔루션이 있을까?
AI가 시간이 지남에 따라 우리에게 영향을 미치는 방식은 무수한 요인에 따라 달라진다. 미래의 생성 AI 모델은 훨씬 적은 에너지를 사용하도록 설계될 수 있지만 그렇게 될지는 말하기 어렵다.
데이터 센터의 경우 센터의 위치, 사용하는 발전 유형, 하루 중 사용 시간이 전체 에너지 및 물 소비에 상당한 영향을 미칠 수 있다. 이러한 컴퓨팅 리소스를 최적화하면 상당한 절감 효과를 얻을 수 있다. Google, Hugging Face 및 Microsoft를 비롯한 회사는 효율성 향상을 달성하기 위해 리소스 사용을 관리하는 데 AI 및 클라우드 서비스가 수행할 수 있는 역할을 옹호했다.
또한 AI 서비스의 직간접적 소비자로서 모든 챗봇 쿼리 및 이미지 생성이 물과 에너지 사용을 초래하고 인간 노동에 영향을 미칠 수 있다는 사실을 모두 알고 있어야 한다.
AI의 인기가 높아짐에 따라 결국 지속 가능성 표준 및 인증 개발이 촉발될 수 있다. 이를 통해 사용자는 특정 AI 서비스의 영향을 이해하고 비교하여 인증된 서비스를 선택할 수 있다. 이는 유럽 데이터 센터 운영자가 2030년까지 데이터 센터를 기후 중립으로 만들기로 합의한 기후 중립 데이터 센터 협약(Climate Neutral Data Center Pact)과 유사하다.
정부도 한 몫을 할 것이다. 유럽 의회는 AI 사용의 위험을 완화하기 위한 법안 초안을 승인했다. 그리고 올해 초 미국 상원은 AI가 어떻게 효과적으로 규제되고 그 피해가 최소화될 수 있는지에 대한 다양한 전문가들의 증언을 들었다. 중국은 또한 대중에게 서비스를 제공하는 제품에 대한 보안 평가를 요구하는 생성 AI 사용에 관한 규칙을 발표했다.
