AI 딜레마의 지속 가능한 확장 탐구: 기업의 AI 환경 영향에 대한 예측 연구

Exploring the sustainable scaling of AI dilemma: A projective study of corporations' AI environmental impacts

January 24, 2025

저자: Clément Desroches, Martin Chauvin, Louis Ladan, Caroline Vateau, Simon Gosset, Philippe Cordier

cs.AI

초록

인공 지능(AI)의 급속한 성장, 특히 대규모 언어 모델(LLMs)은 온실 가스 배출뿐만 아니라 하드웨어 제조 및 폐기물 처리를 고려한 전역적인 환경 영향에 대한 우려를 제기했습니다. 주요 제공업체의 불투명성으로 인해 기업들은 자사의 AI 관련 환경 영향을 평가하고 순영향 제로 목표를 달성하는 능력이 제한됩니다. 본 논문에서는 기업의 AI 포트폴리오의 환경 영향을 추정하는 방법론을 제안하여 AI 및 수명 주기 평가(LCA) 전문 지식이 필요하지 않고 실행 가능한 통찰을 제공합니다. 결과는 대규모 생성적 AI 모델이 전통적인 모델보다 최대 4600배 더 많은 에너지를 소비한다는 것을 확인합니다. 우리의 모델링 접근 방식은 증가된 AI 사용, 하드웨어 컴퓨팅 효율성, 그리고 IPCC 시나리오에 따른 전기믹스 변화를 고려하여 2030년까지 AI 전기 사용량을 예측합니다. 널리 보급된 생성적 AI 및 점진적으로 복잡한 모델과 프레임워크와 관련된 에이전트의 채택에 주도되는 고도 채택 시나리오에서는 AI 전기 사용량이 24.4배 증가할 것으로 예측됩니다. 2030년까지 생성적 AI의 환경 영향을 완화하려면 AI 가치 사슬 전반에 걸친 조정된 노력이 필요합니다. 하드웨어 효율성, 모델 효율성 또는 그리드 개선에 대한 고립된 조치만으로는 충분하지 않습니다. 표준화된 환경 평가 프레임워크, 가치 사슬의 모든 주체로부터의 더 큰 투명성, 그리고 AI 개발을 순영향 제로 목표와 조화시키기 위한 "환경 수익률" 지표의 도입을 주장합니다.

English

The rapid growth of artificial intelligence (AI), particularly Large Language Models (LLMs), has raised concerns regarding its global environmental impact that extends beyond greenhouse gas emissions to include consideration of hardware fabrication and end-of-life processes. The opacity from major providers hinders companies' abilities to evaluate their AI-related environmental impacts and achieve net-zero targets. In this paper, we propose a methodology to estimate the environmental impact of a company's AI portfolio, providing actionable insights without necessitating extensive AI and Life-Cycle Assessment (LCA) expertise. Results confirm that large generative AI models consume up to 4600x more energy than traditional models. Our modelling approach, which accounts for increased AI usage, hardware computing efficiency, and changes in electricity mix in line with IPCC scenarios, forecasts AI electricity use up to 2030. Under a high adoption scenario, driven by widespread Generative AI and agents adoption associated to increasingly complex models and frameworks, AI electricity use is projected to rise by a factor of 24.4. Mitigating the environmental impact of Generative AI by 2030 requires coordinated efforts across the AI value chain. Isolated measures in hardware efficiency, model efficiency, or grid improvements alone are insufficient. We advocate for standardized environmental assessment frameworks, greater transparency from the all actors of the value chain and the introduction of a "Return on Environment" metric to align AI development with net-zero goals.