人工知能は二酸化炭素排出量のせいで制限されるのでしょうか?

AI にカーボン フットプリントがあることは驚くことではありません。カーボン フットプリントとは、AI が開発され、消費される際に大気中に放出される温室効果ガス (主に二酸化炭素とメタン) を指します。実際、AI モデルのトレーニングには非常に多くの計算能力が必要になるため、環境コストがメリットを上回ると主張する研究者もいます。しかし、彼らは AI の利点を過小評価しているだけでなく、モデルのトレーニング効率を向上させる多くの優れた方法も無視していると思います。

[[344673]]

温室効果ガスは、経済学者が「外部性」と呼ぶもので、地球温暖化の悪影響など、社会全体が意図せず負担するコストですが、私たち一人ひとりがその影響を受けており、個人がそのような有害な活動を避ける動機はほとんどありません。通常、発電所は、AI を実行するデータセンター、サーバー クラスター、その他のコンピューティング プラットフォームに電力を供給するために化石燃料を燃焼させるときに、これらのガスを排出します。

AIアプリケーションによって可能になる下流のカーボンオフセットについて考える

過去数年間、人工知能はモデルのトレーニングプロセス中に過剰なエネルギーを消費すると考える観測者もおり、地球温暖化の原因として不当に非難されてきました。

残念なことに、多くの AI 業界の観測者は、AI の全体的な二酸化炭素排出量を計算するために不均衡な計算式を使用することで、この非難を悪化させています。たとえば、MIT Technology Review に 1 年前に発表された記事では、機械学習モデルのトレーニングに必要なエネルギーは、米国の平均的な自動車がその生涯で排出する二酸化炭素のほぼ 5 倍を排出すると研究者らが報告しています。

AI の二酸化炭素排出量を計算するこの方法は、テクノロジーにとって極めて不利です。私は、AI トレーニングの炭素コストに関する MIT 研究者の調査結果にも、AI やその他の人間の活動のコストを計算して軽減する必要性にも異論はありません。研究者が、環境中の人為的な温室効果ガスの削減という点で AI がもたらす下流の価値（多くの場合は間接的）について議論しないのはなぜか、不思議に思います。

AI モデルがアプリケーションのライフサイクル全体にわたって実際に実行可能な一連の推論を提供する場合、実際に役立つ結果が生成されるはずです。言い換えれば、多くの AI アプリケーションは、人やシステムがさまざまなアプリケーション シナリオで高品質のアクションを実行できるようにします。 AI のメリットの多くは、人々が車に乗ること、仕事のために旅行すること、高価なオフィススペースを占有すること、化石燃料を消費する活動に従事することの必要性を減らすなど、二酸化炭素排出量を相殺します。

簡単な「巡回セールスマン」の思考実験をしてみましょう。ある製造会社に全国に 6 人の営業担当者がいて、それぞれが会社から支給された車を持っているとします。企業が、1 人の営業担当者がチーム全体の業務 (たとえば、営業リードの改善、見込み客の発掘、ネットワーク全体のマーケティングの最適化など) を行える新しい AI ベースの営業自動化システムを導入した場合、企業は他の 5 人を解雇し、会社支給の車両を廃止し、該当する支店を閉鎖することができます。

このように、セールスフォースオートメーションアプリケーションの中核にある AI モデルは、5 台の車両から排出される温室効果ガスと、それらの支店や関連機器を閉鎖することで節約される電力を含め、5 台の車両の二酸化炭素排出量を一挙に完全に相殺します。

この特定の例の実現可能性については疑問があるかもしれないが、それが完全にあり得ることだと認めざるを得ない。この思考実験は、AI の生産性、効率性、加速化の利点が、多くの場合、下流のエネルギー利用の効率向上につながるという事実を強調しています。

すべての AI アプリケーション (またはほとんどのアプリケーション) が炭素排出量の削減に重大な下流の影響を与えると言っているわけではありません。しかし、私は、AI が生産性に与える影響を軽視する AI 専門家の言葉を引用した最近のウォール ストリート ジャーナルの記事のような観察者たちには同意できない。「人々がこれらのシステムの本当のコストを理解できれば、AI ベースのデジタル アシスタントの利便性が莫大なコストに見合うかどうかなど、答えなければならない難しい質問がもっとたくさん出てくると思います。」

この見方は、（デジタルアシスタントを例にとると）現実世界の多くの AI アプリケーションが、データに基づく推奨の形で人々に「利便性」を提供し、適切な製品の購入、目的地までの最適なルートの選択、財務管理のベストプラクティスの遵守などを支援しているという事実を覆い隠しています。これらの実行可能な提案の多くは、人々が自宅、オフィス、車、その他の場所で使用するエネルギーに何らかの影響を与えるでしょう。

上流のAIトレーニングにより下流のカーボンオフセットが拡大する可能性がある

多くの AI アプリケーションは、下流のカーボン オフセットを生成する可能性があり、基礎となるモデルのトレーニングに必要な電力に関連する排出を排除します。 AI によって、オフィスの占有スペースが減り、会議や出張が減り、生産性が向上するのであれば、このテクノロジーは地球温暖化との戦いに大きく貢献するでしょう。

したがって、AI アプリケーションでカーボン ニュートラルを実現するには、基盤となるモデルのトレーニングを強化して、割り当てられたタスクをより効率的に完了する必要があると考えられます。十分にトレーニングされた AI モデルは、将来のアプリケーションに導入することで時間の経過とともにコストを償却することができ、これは資本投資に相当します。

AI 開発者がモデルの精度を向上させたいと考えている場合でも、トレーニングは必ずしも言われているほど大量のエネルギーを消費するわけではないことに留意してください。 AI 開発プロセスのワークロードの二酸化炭素排出量を削減する次の傾向を考慮してください。

1. AI サーバー クラスターは、化石燃料ではなく再生可能エネルギーで稼働します。

2. AI プラットフォームは、よりエネルギー効率の高いチップセット、サーバー、クラウド プロバイダーを使用します。

3. AI モデルのトレーニングに必要な時間とデータは減少しています。

4. 実際のアプリケーションにおける事前トレーニング済み AI モデルの採用の増加。

5. 人工知能開発プロセスのさまざまなモデルのエネルギー効率の比較。

6. さまざまなプロセッサ上で効率的に実行できるようにトレーニングできる「ワンショット」ニューラル ネットワーク上で人工知能を開発します。

今後数年間でこれらの傾向が収束するにつれ、AI トレーニングの二酸化炭素排出量は劇的に減少することが予想されます。この傾向が強まるにつれて、AI 開発プロセスは IT 分野において最も環境に配慮したプラットフォームになるでしょう。