[論文レビュー] Towards A Comprehensive Assessment of AI's Environmental Impact

Srija Chakraborty|arXiv (Cornell University)|May 22, 2024

Air Quality Monitoring and Forecasting被引用数 5

ひとこと要約

本論文は、AIデータセンターの環境フットプリントを監視するための衛星データ主導の枠組みを提案し、Northern Virginiaのケーススタディを紹介し、データギャップと政策提言を概説します。

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.

研究の動機と目的

• AIの環境フットプリントのライフサイクル全体にわたる透明性の高い、空間的に分解した監視を促進する。
• オープンの地球観測データを用いてデータセンター周辺の環境変化を定量化する方法論を開発する。
• Northern Virginiaのケーススタディでアプローチを実証し、世界のサイトへの拡張性について議論する。
• データのギャップと、AIと環境への影響を包括的に評価するための政策手順を特定する。

提案手法

• 世界中のオープン地球観測データを活用して、時間とともにデータセンター周辺の変化を定量化する。
• ElectricityMapsデータを用いて、主要AIプロバイダーの所在地周辺の炭素強度とクリーンエネルギーアクセスを推定する。
• 衛星由来の指標（NDVI、夜間照明、UV気溶指数）を用いて、データセンター周辺の土地利用、エネルギー使用指標、および空気質を監視する。
• Landsat-8 NDVIハーモニックモデルを適用して、10年間の植生時系列を作成し、植生の低下を検出する。
• 夜間照明（VIIRS/NASA Black Marble）を分析して、都市インフラとエネルギー消費の変化を推定する。
• 大気組成データ（TROPOMI UV aerosol index）の統合を検討し、空気質影響を評価する。

実験結果

リサーチクエスチョン

• RQ1 AIデータセンター周辺で長期的にどのような環境変化が起きるのか、またオープンEOデータを用いてそれをどのように監視できるのか？
• RQ2 データセンター地域の電力源、炭素強度、及び水関連影響をどのように代理指標で推定できるか？
• RQ3 透明性が高く全球的な監視を可能にするために、どのようなデータギャップと政策行動が必要か？

主な発見

• ケーススタディ地域で、NDVIの低下と夜間照明の増加を通じて、データセンター周辺の環境変化が観測される。
• 夜間照明は電力使用量の増加と都市拡大を示しており、Arcola, VA地域を中心に10年でNTLが約10倍に増加した。
• TROPOMI UV気溶指数の傾向は、データセンター周辺の地域活動に関連する大気組成の変化を示唆している。
• オープンEOデータセットは他のサイトにもスケールでき、全球的な監視を可能にし、持続可能な計画と政策に情報を提供する。