[논문 리뷰] Towards Sustainable Artificial Intelligence: An Overview of Environmental Protection Uses and Issues

Arnault Pachot, Céline Patissier|ArXiv.org|2022. 12. 22.

Energy, Environment, and Transportation Policies인용 수 9

한 줄 요약

이 논문은 환경 보호와 AI 자체의 환경 비용이라는 이중적 역할을 분석하며, 기후 모델링 및 지속 가능한 생산 분야에서의 AI 응용을 검토하고, AI 개발의 에너지 집약적 성격을 부각한다. 환경 지표를 AI 설계에 통합할 것을 주장하며, 녹색 AI 이니셔티브가 생태적 고려보다는 비용과 효율성에 의해 주로 이끄는 경향이 있으며, 이는 모델 복잡성 증가를 초래할 수 있는 반작용 효과를 초래할 수 있음을 논한다.

ABSTRACT

Artificial Intelligence (AI) is used to create more sustainable production methods and model climate change, making it a valuable tool in the fight against environmental degradation. This paper describes the paradox of an energy-consuming technology serving the ecological challenges of tomorrow. The study provides an overview of the sectors that use AI-based solutions for environmental protection. It draws on numerous examples from AI for Green players to present use cases and concrete examples. In the second part of the study, the negative impacts of AI on the environment and the emerging technological solutions to support Green AI are examined. It is also shown that the research on less energy-consuming AI is motivated more by cost and energy autonomy constraints than by environmental considerations. This leads to a rebound effect that favors an increase in the complexity of models. Finally, the need to integrate environmental indicators into algorithms is discussed. The environmental dimension is part of the broader ethical problem of AI, and addressing it is crucial for ensuring the sustainability of AI in the long term.

연구 동기 및 목표

• 기후 모델링 및 지속 가능한 생산과 같은 핵심 부문에서 AI가 환경 보호에 어떻게 활용되고 있는지 분석하기.
• 특히 에너지 소비와 탄소 배출과 관련된 AI 개발과 연관된 환경 비용을 특정하기.
• 녹색 AI 연구의 동기를 분석하며, 환경적 동기와 비용/효율성 제약 사이의 차이를 명확히 하기.
• 효율성 향상으로 인한 모델 복잡성 증가로 인한 반작용 효과를 조사하기.
• 더 넓은 AI 윤리의 일부로 환경 지표를 AI 알고리즘 설계에 통합할 것을 주장하기.

제안 방법

• 녹색 AI 이니셔티브 사례 연구를 활용한 환경 보호를 위한 AI 응용에 대한 체계적 검토.
• 대규모 AI 모델 학습 과정에서의 에너지 소비와 탄소 발자국 분석.
• 모델 압축 및 효율적인 아키텍처와 같은 AI의 환경 영향을 줄이기 위한 기술적 해법 검토.
• 비용, 에너지, 환경 요소를 비교 분석하여 녹색 AI 연구의 동기를 평가하기.
• 알고리즘 설계 및 평가 프레임워크에 환경 지표를 통합하는 논의.
• 기후 모델링, 재생 가능 에너지, 생태 모니터링에서의 실제 사례를 활용해 AI의 환경 응용을 설명하기.

실험 결과

연구 질문

• RQ1 AI는 현재 어떻게 환경 보호와 지속 가능성 지원에 활용되고 있는가?
• RQ2 대규모 AI 모델을 학습하고 배포함에 있어 주로 발생하는 환경 비용은 무엇인가?
• RQ3 왜 녹색 AI 개발은 환경 보호보다는 비용과 에너지 자립성 제약에 더 크게 영향을 받는가?
• RQ4 모델 효율성 향상의 추구가 복잡성 증가와 잠재적 반작용 효과를 초래하는 정도는 어느 정도인가?
• RQ5 어떻게 하면 환경 지표를 AI 알고리즘 설계 및 평가에 의미 있게 통합할 수 있는가?

주요 결과

• AI는 기후 모델링, 재생 가능 에너지 최적화, 생태 모니터링 분야에서 환경 지속 가능성 지원에 실제로 활용되고 있다.
• 대규모 AI 모델은 높은 에너지 소비와 탄소 배출을 보이며, 환경 문제를 해결하기 위해 만들어진 기술이 오히려 문제를 악화시키는 역설을 낳고 있다.
• 에너지 소비가 적은 AI에 대한 연구는 주로 환경 보호 목표보다는 비용과 에너지 자립성 제약에 의해 주로 이끌리고 있다.
• AI 모델의 효율성 향상은 반작용 효과를 유도할 수 있으며, 이는 에너지 절감 효과를 상쇄할 수 있는 더 복잡한 모델의 개발을 장려할 수 있다.
• AI 개발에 환경 지표를 통합하는 것은 장기적인 지속 가능성에 필수적이며, AI의 보다 넓은 윤리적 고려와도 부합한다.
• 성능과 효율성과 함께 환경 영향을 우선시하는 시스템적 변화가 AI 연구 및 구현에 필요하다.