เมื่อ AI เฟื่องฟู ผลกระทบต่อสิ่งแวดล้อมจะเป็นอย่างไร?

เมื่อคำถามหนึ่งที่ ChatGPT ไม่สามารถตอบได้ คือ คุณใช้พลังงานเท่าไร?

“ในทางทฤษฏีเเล้ว ฉันไม่ใช้พลังงานเพราะฉันเป็นโมเดลภาษาเท่านั้น ฉันต้องการกำลังในการทำงานเเละความสามารถในการประมวลผลข้อมูลเพื่อให้ฉันสามารถตอบคำถามของคุณได้ดีเท่าที่ฉันสามารถทำได้ อย่างไรก็ตาม การใช้งานของฉันต้องการพลังงานจากอุปกรณ์หรือเครื่องมือที่ฉันถูกติดตั้งอยู่ เช่น เซิร์ฟเวอร์หรือเซ็นเซอร์ในอุปกรณ์ที่ฉันใช้ การใช้พลังงานขึ้นอยู่กับอุปกรณ์เเละการดำเนินการที่ฉันต้องทำในขณะนั้น" 

 

ขณะที่สื่อต่างประเทศรายงานว่า Bard ของ Google กล้าหาญกว่า "คาร์บอนฟุตพริ้นท์ของฉันเป็นศูนย์" เมื่อถูกถามเกี่ยวกับพลังงานที่ใช้ในการสร้างและฝึกฝน AI ตอบว่า “ไม่เปิดเผยต่อสาธารณะ”

โปรแกรม AI อาจดูเหมือนไม่มีตัวตน แต่ใช้พลังงานจากเครือข่ายเซิร์ฟเวอร์ในศูนย์ข้อมูลทั่วโลก ซึ่งต้องใช้พลังงานจำนวนมากในการขับเคลื่อนและน้ำปริมาณมาก

สอดคล้องกับ สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์ ในหัวข้อ ความท้าทายของการพัฒนา AI อย่างยั่งยืน (Sustainable AI: Environmental implications, challenges and opportunities) มีข้อมูลที่น่าสนใจอย่างมาก 

 

การปล่อยก๊าซเรือนกระจกจากการเรียนรู้ของแบบจำลอง GPT-3 ถูกประมาณการไว้ว่าสูงถึง 500 ตัน เทียบเท่ากับอายุขัยของรถน้ำมันเบนซินจำนวน 30 คัน ที่โดยเฉลี่ยใช้งานคันละ 1 แสนกิโลเมตร

นี่คือ กระบวนการเรียนรู้ ของ AI มีการใช้พลังงานในการประมวลผลที่สูงมาก จึงมีการคาดการณ์ว่าการปล่อยก๊าซเรือนกระจกจากการพัฒนา AI มีแนวโน้มเพิ่มมากขึ้น จนอาจส่งผลกระทบต่อสิ่งแวดล้อม เช่น

สะท้อนผ่านข้อมูลด้านบนที่แสดงให้เห็นถึงปริมาณการปล่อยก๊าซเรือนกระจกของการเรียนรู้ของแบบจำลอง AI ที่ใช้งานในบริษัท Meta และ แบบจำลอง open source อื่น ๆ จะเห็นได้ว่า แบบจำลองที่แตกต่างกันมีปริมาณการปล่อยก๊าซเรือนกระจกที่แตกต่างกัน และยังเห็นได้ว่าการนำแบบจำลองไปใช้งานจริงมีการปล่อยก๊าซเรือนกระจกสูงเทียบเท่ากับกระบวนการเรียนรู้อีกด้วย

นักวิจัยระบุว่า แม้ปริมาณที่ปล่อยก๊าซเรือนกระจกออกมาจากการพัฒนา AI จะดูเล็กน้อยเมื่อเทียบประโยชน์ที่ได้จาก AI เช่น การตรวจจับการระบาดของศัตรูพืช การวิเคราะห์ความยากจนผ่านภาพถ่ายดาวเทียม แต่พลังงานก็เป็นทรัพยากรที่มีจำกัด และควรจัดสรรการใช้งานให้เกิดประโยชน์สูงสุด 

นักพัฒนา AI จึงเริ่มตื่นตัวกับการใช้พลังงานในการประมวลผล AI จากการศึกษาของ Wu et al. (2022) ได้ประมาณค่าการปล่อยก๊าซเรือนกระจกที่เกิดขึ้นจากการพัฒนาและใช้งาน AI ภายในบริษัท Meta  ตั้งแต่กระบวนการเก็บและประมวลผลข้อมูล การทดลองแบบจำลอง การเรียนรู้  และการใช้งานจริง ทำให้เห็นว่าในเเต่ละขึ้นตอนมีความท้าทายในการควบคุมการปล่อยก๊าซเรือนกระจกแตกต่างกันไป

Wu et al. สรุปว่า การพัฒนาระบบการเก็บและใช้ข้อมูลให้มีประสิทธิภาพ การเพิ่มประสิทธิภาพของหน่วยประมวลผล การลดความละเอียดของข้อมูล และการปรับวิธีการคำนวณ สามารถลดปริมาณการปล่อยก๊าซเรือนกระจกจากการพัฒนาและใช้งาน AI ของ Meta ได้สูงสุดถึง 810 เท่า

กลับมาที่นักวิจัยด้านสิ่งแวดล้อมบางส่วน ระบุว่า ในขณะที่อุตสาหกรรม AI เฟื่องฟู แทบทุกอย่าง ตั้งแต่อีเมลและการค้นหา ไปจนถึงแอปส่งอาหารและบริการด้านสุขภาพจิต ผู้เชี่ยวชาญและนักวิจัยในอุตสาหกรรมเตือนว่าการเติบโตอย่างไร้การควบคุมของเทคโนโลยีอาจก่อให้เกิดต้นทุนด้านสิ่งแวดล้อมอย่างมาก

“การใช้ AI แบบทวีคูณนี้ทำให้มีความต้องการพลังงานมากขึ้นเรื่อยๆ” ผู้นำด้านสภาพอากาศของบริษัท Hugging Face กล่าว “แต่เราก็ยังเห็นการเปลี่ยนแปลงนี้ของผู้คนที่ใช้โมเดล AI เพียงเพราะพวกเขารู้สึกว่าควรทำ โดยไม่คำนึงถึงความยั่งยืน”

อ้างอิงจากงานวิจัย รายงานงานวิจัย ได้คำนวณปริมาณพลังงานที่ใช้ในการฝึก Bloom โมเดลภาษาขนาดใหญ่ของ Hugging Face บนซูเปอร์คอมพิวเตอร์ พลังงานที่ใช้ในการผลิตฮาร์ดแวร์ของซูเปอร์คอมพิวเตอร์และบำรุงรักษาโครงสร้างพื้นฐาน และไฟฟ้าที่ใช้ในการเรียกใช้โปรแกรมเมื่อเปิดตัว พวกเขาพบว่าก่อให้เกิดการปล่อยก๊าซคาร์บอนไดออกไซด์ประมาณ 50 เมตริกตัน เทียบเท่ากับประมาณ 60 เที่ยวบินระหว่างลอนดอนและนิวยอร์ก 

ในทางตรงกันข้าม ข้อมูลที่เปิดเผยต่อสาธารณะอย่างจำกัดบ่งชี้ว่า คาร์บอนไดออกไซค์ประมาณ 500 เมตริกตันถูกผลิตขึ้นในการฝึกอบรมโมเดล GPT3 ของ ChatGPT ซึ่งเทียบเท่ากับระยะทางกว่าล้านไมล์ที่ขับเคลื่อนโดยรถยนต์ที่ใช้น้ำมันเบนซิน นักวิจัยระบุ

ขณะเดียวกัน โมเดล AI ใหม่ๆ ก็มีขนาดใหญ่ขึ้นเรื่อยๆ และใช้พลังงานมากขึ้น โมเดลที่ใหญ่ขึ้นต้องการใช้หน่วยประมวลผลกราฟิกที่ทรงพลังมากขึ้นและใช้เวลาในการฝึกฝนนานขึ้น โดยใช้ทรัพยากรและพลังงานมากขึ้นเช่นกัน 

ที่ไม่ชัดเจนยิ่งกว่าคือปริมาณน้ำที่ใช้ในการสร้างและใช้งานโมเดล AI ต่างๆ ศูนย์ข้อมูลใช้น้ำในระบบทำความเย็นแบบระเหยเพื่อป้องกันไม่ให้อุปกรณ์ร้อนเกินไป การศึกษา 1 ชิ้นนำโดยนักวิจัยที่ UC Riverside ประมาณการว่าการฝึกอบรม GPT3 ในศูนย์ข้อมูลที่ทันสมัยของ Microsoft ในสหรัฐฯ อาจใช้น้ำจืดถึง 700,000 ลิตร (184,920.45 แกลลอน)

รองศาสตราจารย์ด้านวิศวกรรมไฟฟ้าและคอมพิวเตอร์ของ UC Riverside ระบุว่า เพราะประสิทธิภาพการใช้น้ำของโครงการ AI คาดเดาความสามารถในการคำนวณได้ บริษัทต่างๆ จึงต้องการเก็บเรื่องการใช้น้ำไว้เป็นความลับ พวกเขาต้องการให้ข้อมูลกับเราน้อยที่สุดเท่าที่จะเป็นไปได้ เเละการใช้เทคโนโลยี Generative AI ในการรักษามะเร็งอาจคุ้มค่ากับต้นทุนด้านสิ่งแวดล้อม แต่การใช้ในกรณีอื่นๆ อาจเป็นการสิ้นเปลือง 

ข้อมูล : theguardian , pier