แนวทางสร้างสมดุลระหว่างอันตรายต่อสิ่งแวดล้อม และ Generative AI
แนวทางสร้างสมดุลระหว่างอันตรายต่อสิ่งแวดล้อม และ Generative AI : คอลัมน์บทความ โดย คริสติน โมเยอร์ รองประธานฝ่ายวิจัยการ์ทเนอร์ หนังสือพิมพ์ฐานเศรษฐกิจ ฉบับ 3,987 หน้า 5 วันที่ 28 เมษายน - 1 พฤษภาคม 2567
การนำ ChatGPT มาใช้อย่างรวดเร็วได้ยกระดับผล กระทบเชิงลบด้านสิ่งแวดล้อมในหลายมิติ จากที่ Generative AI เป็นเทคโนโลยีใหม่ที่กำลังได้รับความนิยม ได้กลายเป็นความกังวลขององค์กรทันที เมื่อยูสเคส ที่เหมือนจะดูดี และถูกขับเคลื่อนโดยเทคโนโลยีเกิดใหม่นี้ กลับสร้างผลเสียมากกว่าผลดีในแง่ของการปล่อยก๊าซเรือนกระจก (GHG) และปริมาณการใช้ไฟฟ้าและนํ้า
อย่างไรก็ตาม หากใช้อย่างถูกวิธีและอยู่ภายใต้การควบคุมดูแลของมนุษย์ Generative AI ยังสามารถเร่งให้เกิดความยั่งยืนเชิง บวกพร้อมสร้างผลลัพธ์ทางการเงินได้ โดยเทคโนโลยีนี้อาจช่วยให้บริษัทลดความเสี่ยงด้านความยั่งยืน ปรับต้นทุนให้เหมาะสม และขับเคลื่อนการเติบโตได้
เพื่อสร้างสมดุลระหว่างอันตรายและประโยชน์ของเทคโนโลยีนี้ องค์กรจำเป็นต้องดำเนินการ 2 ประการ ประการแรก คือ สร้างการรับรู้และลดการปล่อยพลังงานของ Generative AI เพื่อให้มันเป็นมิตรต่อสิ่งแวดล้อมมากขึ้น จากนั้นระบุ ประเมินและจัดลำดับความสำคัญยูสเคสที่เกี่ยวกับความยั่งยืนด้านสิ่งแวดล้อม
ตระหนักถึงปัญหาด้านการบริโภคพลังงานของ Generative AI
Generative AI นั้นพึ่งพาโมเดลภาษาขนาดใหญ่ที่ได้รับการเทรนจากข้อมูลมหาศาล ซึ่งต้องระบายความร้อนด้วยนํ้าหล่อเย็นและใช้พลังงานไฟฟ้า หรืออาจใช้พลังงานทั้งสองจำนวนมหาศาล แม้ในระยะยาวการปล่อยก๊าซเรือนกระจกที่เกี่ยวข้องกับไฟฟ้าจะลดลง เมื่อมีการใช้แหล่งพลังงานหมุนเวียนมากขึ้น ซึ่งโมเดล Generative AI ที่ทรงพลังยิ่งขึ้นจะต้องการความสามารถในการประมวลผลมากขึ้นตามไปด้วย
ปัญหาเทคโนโลยีที่เกี่ยวข้องกับพลังงานไฟฟ้าและนํ้านั้น มีมากกว่าของ Generative AI การ์ทเนอร์คาดการณ์ว่า ภายในปี 2568 ผู้บริหาร 75% จะเผชิญกับข้อจำกัดของเทคโนโลยีที่เกี่ยวข้องกับพลังงานไฟฟ้า เนื่องจากความต้องการเทคโนโลยี และการแข่งขันกันทางด้านสังคม จะทวีความดุเดือดมากขึ้น ดังนั้น ผู้บริหาร CIO จึงไม่ต้องการที่จะติดอยู่ในศึกการ แย่งชิงทรัพยากรที่มีจำกัดกับชุมชนท้องถิ่น
มุ่งมั่นลดการปล่อยพลังงาน Generative AI
Generative AI จะต้องมีประสิทธิภาพการทำงานเทียบเท่ากับสมองมนุษย์ เพื่อให้เป็นมิตรกับสิ่งแวดล้อมมากขึ้น สาเหตุหนึ่งที่ทำให้สมองประหยัดพลังงานมากก็คือ สมองสามารถจัดระเบียบความรู้ในโครงสร้างเครือข่ายได้ โดยแนวทางที่ใกล้เคียงที่สุดคือ Composite AI คือการรวมโมเดล AI หลายแบบเข้าด้วยกันเพื่อให้ได้ประสิทธิภาพ และความแม่นยำที่ดีขึ้น ซึ่งใช้โครงสร้างเครือข่ายและเทคนิคคล้ายกัน เพื่อเสริมกำลังมหาศาลด้วยวิธีการเรียนรู้เชิงลึกในปัจจุบัน
Generative AI ยังบริโภคพลังงานไฟฟ้าและนํ้าเป็นหลัก ดังนั้นการหยุดเทรน AI ในทันที หรือ การเก็บข้อมูลการเทรนโมเดล การนำโมเดลที่ได้รับการเทรนแล้วกลับมาใช้ใหม่ และ การใช้ฮาร์ดแวร์และอุปกรณ์เครือข่ายที่ประหยัดพลังงาน มากขึ้น จะสามารถสร้างสมดุลแนวทางปริมาณงานในดาต้าเซ็นเตอร์แบบ “ตามสถานการณ์และความเป็นจริง - Follow The Sun” ซึ่งดีกว่าสำหรับการผลิตพลังงานสะอาด กับการใช้แนวทาง “แยกเดินออกมา Unfollow The Sun” สำหรับประสิทธิภาพการใช้นํ้าที่ดีกว่า
อีกวิธีหนึ่งในการทำให้ Generative AI มีความเป็นมิตรต่อสิ่งแวดล้อมมากขึ้น คือ การใช้งานในสถานที่ที่ใช่ ในเวลาที่เหมาะสม โดยความเข้มข้นของคาร์บอนจากแหล่งพลังงานในท้องถิ่น จะแตกต่างกันไปตามปัจจัยหลายประการ แนวปฏิบัติที่ดีที่สุด คือ การใช้การจัดตารางเวลางานที่คำนึงถึงพลังงาน ควบคู่ไปกับบริการการติดตาม และการคาดการณ์คาร์บอนเพื่อลดการปล่อยก๊าซที่เกี่ยวข้อง
พร้อมตั้งเป้าซื้อแหล่งพลังงานสะอาดใหม่ ตามที่วางแผนไว้สำหรับนำมาใช้ The Greenhouse Gas Protocol ที่กำลังกำหนดให้บริษัทต่างๆ จัดทำการวิเคราะห์พลังงานสะอาดอย่างละเอียดเพิ่มเติมตามแหล่งสถานที่ ช่วงเวลาของวัน หรือ ทั้งสองอย่าง
ยูสเคสความยั่งยืนด้านสิ่งแวดล้อมที่มีศักยภาพ
มี 3 กรอบการดำเนินงาน กว้างๆ ที่ยูสเคส Generative AI สามารถเร่งความยั่งยืนด้านสิ่งแวดล้อม ได้แก่ การลดความเสี่ยง การเพิ่มประสิทธิภาพต้นทุน และใช้ขับเคลื่อนการเติบโต
การปฏิบัติตามกฎระเบียบเป็นวิธีการนึงที่ Generative AI สามารถช่วยองค์กรลดความเสี่ยงด้านสิ่งแวดล้อม โดยการระบุและตีความตัวบทกฎหมาย มาตรฐาน คำสั่ง และข้อกำหนด การรายงานความยั่งยืน รวมถึงการอัปเดตอยู่ตลอดเวลา ที่สามารถพัฒนาแผนปฏิบัติการเพื่อให้บรรลุตามข้อกำหนด และเป็นเครื่องมือฝึกอบรมเพื่อให้ความรู้แก่พนักงานด้านกฎระเบียบเฉพาะ
จากมุมมองของการเพิ่มประสิทธิภาพต้นทุน Generative AI สามารถช่วยสนับสนุนการตัดสินใจได้ สามารถวิเคราะห์ข้อมูลความยั่งยืนภายใน และระบุรูปแบบ แนวโน้ม พื้นที่การปรับปรุง ความเป็นไปได้ ความเสี่ยง และเกณฑ์มาตรฐาน
โดยสามารถให้ข้อมูล เชิงลึกว่าการตัดสินใจขององค์กรจะส่งผลต่อความยั่งยืนอย่างไร และคาดการณ์ประสิทธิภาพในอนาคตที่อาจเกิดขึ้น องค์กรสามารถวางแผนและเลือกแนว ทางที่เหมาะสมที่สุดเพื่อบรรลุเป้าหมายการลดการปล่อยก๊าซเรือนกระจก
Generative AI ยังสามารถใช้ขับเคลื่อนการเติบโตที่ยั่งยืน โดยนำมาใช้เพื่อค้นหาแหล่งทรัพยากรและวัสดุทางเลือก สามารถให้คำแนะนำสิ่งทดแทนปัจจัยการผลิตแบบเดิมไปสู่ความยั่งยืน เช่น ข้อมูลเชิงลึกเกี่ยวกับนวัตกรรมทางเทคโนโลยีอย่างวัสดุนาโน และข้อมูลเกี่ยวกับความพร้อม ประสิทธิภาพ และผลกระทบต่อสิ่งแวดล้อม
เมื่อพิจารณายูสเคส Generative AI เพื่อเป้าหมาย ความยั่งยืน การประเมินผล กระทบเชิงบวกและเชิงลบเป็นสิ่งสำคัญ ผู้บริหารต้องเข้าใจมูลค่าธุรกิจเชิงบวก ทั้งในแง่ของผลประโยชน์ทางการเงินและความยั่งยืน ตลอดจนความเป็นไปได้ และผลกระทบเชิงลบต่อสิ่งแวดล้อม ด้วยการวัดจากการปล่อยก๊าซเรือนกระจก การใช้พลังงานไฟฟ้าและนํ้า
จากนั้นจัดลำดับความสำคัญการลงทุนเป็น 3 ระดับ ได้แก่ 1. ลงทุนทันที 2. ลงทุนเพื่อลดความเสี่ยงและลดการใช้พลังงานเป็นสำคัญ หรือ 3. ไม่ลงทุนเลย ด้วยวิธีการนี้ คุณจะใช้ Generative AI เร่งผลลัพธ์ด้านความยั่งยืนเชิงบวกขององค์กร โดยใช้ประโยชน์จากเคสการใช้งานที่สร้างมูลค่ามากกว่าทำลายเพียงอย่างเดียว