[논문 리뷰] Towards A Comprehensive Assessment of AI's Environmental Impact

Srija Chakraborty|arXiv (Cornell University)|2024. 05. 22.

Air Quality Monitoring and Forecasting인용 수 5

한 줄 요약

본 논문은 위성 데이터 기반 프레임워크를 제시하여 AI 데이터센터의 환경 발자국을 모니터링하고, Northern Virginia 사례 연구를 선보이며 데이터 격차 및 정책 권고를 개략합니다.

ABSTRACT

Artificial Intelligence, machine learning (AI/ML) has allowed exploring solutions for a variety of environmental and climate questions ranging from natural disasters, greenhouse gas emission, monitoring biodiversity, agriculture, to weather and climate modeling, enabling progress towards climate change mitigation. However, the intersection of AI/ML and environment is not always positive. The recent surge of interest in ML, made possible by processing very large volumes of data, fueled by access to massive compute power, has sparked a trend towards large-scale adoption of AI/ML. This interest places tremendous pressure on natural resources, that are often overlooked and under-reported. There is a need for a framework that monitors the environmental impact and degradation from AI/ML throughout its lifecycle for informing policymakers, stakeholders to adequately implement standards and policies and track the policy outcome over time. For these policies to be effective, AI's environmental impact needs to be monitored in a spatially-disaggregated, timely manner across the globe at the key activity sites. This study proposes a methodology to track environmental variables relating to the multifaceted impact of AI around datacenters using openly available energy data and globally acquired satellite observations. We present a case study around Northern Virginia, United States that hosts a growing number of datacenters and observe changes in multiple satellite-based environmental metrics. We then discuss the steps to expand this methodology for comprehensive assessment of AI's environmental impact across the planet. We also identify data gaps and formulate recommendations for improving the understanding and monitoring AI-induced changes to the environment and climate.

연구 동기 및 목표

• AI의 환경 발자국을 전 생애주기에 걸쳐 투명하고 공간적으로 세분화된 모니터링을 촉진한다.
• 개방형 지구관측 데이터(Open Earth Observation data)를 사용하여 데이터센터 주변의 환경 변화를 정량화하는 방법을 개발한다.
• Northern Virginia 사례 연구로 접근법을 시연하고 전 세계 사이트로의 확장성을 논의한다.
• 데이터 격차와 포괄적인 AI-환경 영향 평가를 가능하게 하는 정책 단계들을 식별한다.

제안 방법

• 전 세계의 개방형 지구관측 데이터(Open Earth Observation data)를 활용하여 시간에 따른 데이터센터 부지 주변의 변화를 정량화한다.
• ElectricityMaps 데이터를 사용하여 핵심 AI 공급자 위치 주변의 탄소 강도 및 청정 에너지 접근성을 추정한다.
• 위성에서 파생된 지표(NDVI, 야간 조명, UV 에어로졸 지수)를 사용하여 데이터센터 주변의 토지 이용, 에너지 사용 지표 및 대기질을 모니터링한다.
• Landsat-8 NDVI 조화 모델을 적용하여 10년 간의 식생 시계열을 만들고 식생 감소를 탐지한다.
• 야간 조명(VIIRS/NASA Black Marble)을 분석하여 도시 인프라와 에너지 소비의 변화를 추론한다.
• 대기 조성 데이터(TROPOMI UV 에어로졸 지수)의 통합을 논의하여 대기질 영향 평가에 활용한다.

실험 결과

연구 질문

• RQ1 AI 데이터센터 sites 주변에서 시간이 지남에 따라 어떤 환경 변화가 발생하고, 이를 개방 EO 데이터로 어떻게 모니터링할 수 있는가?
• RQ2 데이터 센터 지역에 대한 전력원, 탄소 강도, 물 관련 영향의 프록시를 어떻게 설정할 수 있는가?
• RQ3 데이터 격차와 정책 조치가 AI의 환경 발자국의 투명하고 글로벌한 모니터링을 가능하게 하려면 무엇이 필요한가?

주요 결과

• 사례 연구 지역에서 NDVI 감소와 AI 인프라 주변 야간 조명 증가를 통해 데이터센터 지역의 환경 변화가 관찰된다.
• 야간 조명은 전력 사용 증가와 도시 확장을 시사하며, Arcola, VA 지역에서 10년 동안 NTL이 약 10배 증가했다.
• TROPOMI UV 에어로졸 지수 추세는 데이터센터 인근 지역 활동과 관련된 대기 조성 변화의 징후를 나타낸다.
• 개방형 EO 데이터 세트는 다른 사이트로 확장 가능하여 전 세계 모니터링을 가능하게 하고 지속 가능한 계획과 정책에 정보를 제공한다.