Offcanvas

AI / 개발자 / 라이프 / 비즈니스|경제 / 소매|유통 / 신기술|미래

블로그 | AI는 탄소배출을 상쇄하는 효과가 있다

2020.08.10 James Kobielus  |  InfoWorld
당연한 이야기지만 AI도 탄소발자국을 남긴다. 탄소발자국은(주로 이산화탄소와 메탄으로 구성된) 온실가스의 총량을 의미한다. AI를 개발하고 이용할 때도 대기중에 온실가스가 배출된다. 사실 AI 모델을 트레이닝하기 위해선 상당히 많은 컴퓨팅 파워가 필요하다. 어떤 연구원들은 AI로 인한 혜택보다 환경 비용이 더 크다고 주장하기도 했다. 하지만 이들은 AI가 제공하는 혜택을 과소평가했을 뿐 아니라, AI모델 트레이닝을 더욱 효율화 할 수 있는 방법들을 간과했다는 생각이 든다.

경제학자들에 따르면 온실가스는 '외부 효과'(externality)를 초래한다. 외부효과는 지구 온난화처럼 부정적인 영향으로 인해 사회 전체가 원치 않게 부담해야 하는 일종의 비용이다. 이 비용은 온난화를 초래하는 행위를 줄여야 할 이유가 마땅치 않은 일반인들에게도 부과된다. 통상 발전시설은 AI 가동에 필요한 데이터 센터, 서버 팜, 기타 컴퓨팅 플랫폼용 전력을 발전하기 위해 화석 연료를 연소하는 과정에서 온실가스를 배출한다.

AI 용처가 하위생태계에서 구현한 탄소 상쇄
지난 몇 년간 AI에는 지구 온난화의 주범이라는 낙인이 찍힌 바 있다. 일부 전문가들은 AI 모델 트레이닝 과정에서 지나치게 많은 에너지가 소비된다고 보았다. 

유감스럽게도 AI 산업 종사자들이 AI의 탄소 발자국을 계산할 때 균형잡히지 않은 공식을 사용하게 되면서 이런 낙인은 더욱 뚜렷해졌다. 예를 들어, MIT테크놀로지리뷰는 메사추세츠 대학의 보고서를 인용해 단일 머신러닝 모델을 트레이닝 하는 데 필요한 에너지에 대해 언급한 바 있다. 미국에서 운행되는 자동차가 생애주기 동안 배출하는 탄소양의 5배에 달하는 이산화탄소가 AI트레이닝 과정에서 배출될 수 있다는 설명이었다. 

이런 방식으로 탄소 발자국을 계산하는 건 AI에 몹쓸 짓을 하는 것이다. 잘난 체하는 것처럼 들릴 수 있지만, 이런 담론은 오스카 와일드가 냉소주의자에게 “모든 것의 가격은 알지만, 가치에 대해선 아무것도 모르는 자”라며 날린 일침을 떠올리게 한다.
 
ⓒGettyimagebank

AI 트레이닝 탄소 비용에 대한 의견, 그 비용을 계산할 필요성, 탄소 비용과 기타 인간의 행위를 절감해야 할 필요성에 대한 매사추세츠 대학 연구원들에게 이의를 제기하려는 것은 아니다. 내가 궁금한 건 AI가 하위생태계에서 구현한 가치에 대해 연구원들이 논하지 않은 이유다. 인간이 생성한 온실 가스를 간접적으로나마 감축하는 가치에 대해서 말이다. 

만약 AI 모델이 어딘가 적용되어 사용되는 동안 실용적인 결과를 꾸준히 내놓는다면 실생활에 유익할 것이다. 달리 말해, 인간과 시스템은 AI를 다양하게 활용해 최적의 행동을 취할 수 있다. AI는 특히 탄소 상쇄에서 빛을 발한다. 사람들이 자동차를 이용하거나, 출장을 가거나, 값비싼 사무공간을 차지하거나 혹은 화석연료를 써야 하는 여타 활동을 해야 할 필요성을 줄여 주기 때문이다. 

'외판원'을 주제로 이런 상상을 해보자. 한 제조업체가 국내 세일즈를 담당하는 인력 6명을 두고 있고, 각 사람에게 회사 차량을 지급한다고 가정해보자. 이 회사가 (리드 예측 역량 개선과 경로 최적화 등을 통해) 1명이서 모든 업무를 처리할 수 있는 AI 기반 영업 자동화 시스템을 구현한다면, 이 조직은 아마 나머지 세일즈 담당 직원 5명을 필요로 하지 않게 될 것이다. 회사 차량을 없애고 개별 지사들을 닫을 수도 있다.

즉, 영업 자동화 앱에 내장된 AI 모델이 배출하는 차량 5대 분량의 탄소를 전적으로 상쇄할 수 있는 것이다. 뿐만 아니라 지사를 폐쇄하고 주변 장비들을 사용하지 않게 되면서 전기도 절약할 수 있다. 

현실적이지 않은 사례라며 트집을 잡을 수도 있겠지만 실현 가능한 사례다. 이는 AI의 생산성, 효율성, 빠른 효과성과 같은 이점들 덕분에 하위생태계에서 에너지를 사용할 때 효용성이 발생한다는 점을 뚜렷하게 보여준다. 

AI가 하위생태계의 모든 부분에 혹은 대부분의 영역에서 탄소 배출을 크게 줄이는 효과가 있다는 걸 주장하는 게 아니다. 오히려 최근 월스트리트저널 기사에 인용된 전문가처럼 AI의 생산성을 깎아내리는 일부 AI 전문가들에게 이의를 제기하고 싶은 것이다. 이 전문가는 “사람들이 AI 시스템이 초래하는 실제 비용을 알게 된다면, 커다란 비용을 치르더라도 AI 기반 디지털 비서 같은 시스템이 제공하는 편의성은 얻을 만한 가치가 있는지 근원적인 질문들을 많이 갖게 될 거라고 생각한다”라고 말했다. 

이런 생각은 (디지털 비서를 예로 들면) AI의 데이터 기반 추천을 통해 사람들이 제품을 올바로 구입하고, 최적 경로를 거쳐 목적지에 도착하고, 금전 관리를 잘하는데 도움을 얻을 수 있다는 사실을 놓치게 만든다. AI의 추천 알고리즘은 사람들이 가정과 사무실, 차량 등에서 에너지를 사용하는 과정에 영향을 끼칠 수 있다. 

하위생태계에서 더 큰 탄소 상쇄를 이끌 수 있는 상위생태계의 AI 트레이닝
AI는 하위생태계에서 탄소 상쇄를 구현해 AI의 기저 모델을 트레이닝 시킬 때 필요한 전력과 관련한 탄소 배출을 상쇄할 잠재력을 갖고 있다. AI 덕분에 넉넉한 사무 공간, 미팅, 출장 없이 더 많은 일을 할 수 있게 된다면, AI는 지구 온난화를 저지하는 데 크게 기여할 것이다. 

결과적으로 AI 앱의 탄소 중립성은 기저 모델을 집중적으로 트레이닝해 할당된 과제를 좀 더 효과적으로 수행할 수 있는지 여부에 달려있다. 자본 투자와 마찬가지로, 잘 훈련된 AI 모델의 가치는 향후 쓰임새가 넓어지면서 확보될 것이다. 

여기서 염두에 둘 점이 있다. AI 개발자들도 AI모델의 정확성을 높이려시도 하지만, 트레이닝이 반드시 많은 리소스를 소비하는 것은 아니라는 점이다. 탄소 발자국과 AI 파이프라인 작업량을 줄여주고 있는 다음 트렌드를 참고해볼 것.

•    화석 연료 대신 재생 에너지원을 이용해 전력을 충당하는 AI 서버 팜
•    AI 플랫폼에서 에너지 효율성이 훨씬 높은 칩셋, 서버, 클라우드 공급업체
•    AI 모델 트레이닝에 필요한 데이터와 시간의 감소
•    실생활에서 사용하는 앱 속에 사전 트레이닝 된 AI 모델이 채택되는 사례 증가
•    AI 데브옵스 파이프라인에서 여러 모델의 에너지 효율성 비교
•    여러 다양한 프로세서에서 최대의 효율성으로 작동하도록 훈련된 ‘원스 포 올(Once-for-all)’ 뉴럴 네트워크 기반 AI 개발

향후 몇 년간 이런 트렌드가 융합되면, AI 트레이닝과 관련된 탄소 발자국이 크게 감소될 것이다. 그리고 이런 트렌드가 대세가 되면, AI 파이프라인은 IT 생태계에서 가장 환경 친화적인 플랫폼으로 자리잡을 것이다. ciokr@idg.co.kr

*James Kobielus는 Franconia Research의 책임연구원이다.
CIO Korea 뉴스레터 및 IT 트랜드 보고서 무료 구독하기
추천 테크라이브러리

회사명:한국IDG 제호: CIO Korea 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아01641 등록발행일자 : 2011년 05월 27일

발행인 : 박형미 편집인 : 천신응 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2024 International Data Group. All rights reserved.