AI와 탄소배출

최근 챗GPT의 월간 사용자 수가 1억 명을 돌파하면서 큰 인기를 끌자, AI의 탄소배출량에 대한 우려의 목소리도 이어지고 있습니다. 챗GPT에 사용된 GPT-3은 대규모 언어 모델(Large Language Model, LLM)의 하나로 방대한 양의 텍스트 데이터를 활용하는 딥러닝 알고리즘입니다. 이는 많은 컴퓨팅 용량을 필요로 하여 다량의 온실가스를 배출할 것이 우려되고 있습니다.

최근 AI 스타트업 허깅페이스(Hugging Face)가 자사의 LLM인 블룸(BLOOM)의 탄소배출량을 조사한 결과, 훈련과정에서는 약 25톤의 탄소가 배출되었고 훈련에 사용된 장비 및 실제 블룸 가동 시의 배출량까지 더하면 약 50톤의 탄소가 배출되는 것으로 나타났습니다. 50톤의 탄소배출은 비행기로 런던과 뉴욕을 60번 오갈 때의 탄소배출량과 비슷한 수준입니다. 블룸은 원자력으로 구동되는 슈퍼컴퓨터를 활용하여 같은 규모의 LLM에 비해 배출량이 적은 편으로, GPT-3의 경우 훈련에만 약 500톤의 탄소가 배출될 것으로 추산됩니다.

그러나 AI 훈련 과정에서 배출되는 일부에 불과합니다. 챗GPT와 같이 이용자의 특정한 요구에 맞춰 결과를 생성하는 '생성형 AI'가 실제 이용되는 과정에서 많은 탄소배출이 예상되기 때문입니다. 이에 더해 생성형 AI의 종류도 다양해질 것으로 보입니다. 챗GPT가 큰 인기를 끌자 2월 초 구글, 마이크로소프트는 앞다투어 생성형 AI를 내놓으며 이를 검색엔진에 도입시키겠다고 밝혔습니다.

구글의 경우 검색 1회당 300mg의 이산화탄소가 배출된다고 볼 수 있습니다. 구글에서 전 세계적으로 초당 4만 회, 연간 1조 3000억 회의 검색이 이루어진다고 보면 연간 약 40만 톤의 이산화탄소가 배출되는 꼴입니다. 단순 검색이 아닌 생성형 AI가 이용될 경우 4-5배 이상 많은 작업이 필요한 것으로 알려져 탄소배출량이 이보다 커질 것으로 보입니다.

탄소배출의 주범으로 떠오르는 데이터센터

생성형 AI의 종류와 사용량이 늘어나면 데이터를 저장하는 데이터센터도 늘려야 합니다. 데이터센터는 장비의 열을 시키기 위한 냉방에 많은 에너지를 소모하여 '전기 먹는 하마'라는 비판을 받고 있습니다. 국제에너지기구(IEA)에 따르면 2021년 전체 데이터센터 전력 사용량은 220~320TWh로 전 세계 전력사용량의 0.9~1.3%에 달합니다. 이는 영국 전체의 연간 전력사용량인 300TWh와 비슷한 수준입니다. 데이터센터의 전력사용량은 점차 늘어나 2030년에는 3000TWh를 사용하여 전체 전력사용량의 8%를 차지할 것이라는 전망도 나오고 있습니다.

데이터센터의 탄소배출량에는 데이터센터의 위치와 에너지 효율도 큰 영향을 미칩니다. 저탄소발전 비중이 높은 곳에 데이터센터가 위치할 경우, 같은 작업을 진행해도 탄소배출량이 상대적으로 적습니다. 에너지 효율도 중요하여 효율이 나쁜 데이터센터는 가장 효율이 좋은 곳에 비해 3배 많은 탄소를 배출하기도 합니다.

작년 4월 경제협력개발기구(OECD) AI 소식지에서는 "기계학습의 모델, 하드웨어, 데이터센터 등의 최적화, 데이터센터의 적절한 입지 선정을 통해 에너지 사용과 탄소 발자국을 획기적으로 낮출 수 있다"고 지적하기도 했습니다.

AI가 기후위기 대응에 활용되기 위해서는

AI가 기후위기 대응에 악영향만 끼치는 것은 아닙니다. AI는 유용한 기술로 에너지 효율성 개선을 통한 온실가스 배출 감축, 자연재해에 대한 위험 예측, 기후연구와 모델링 등 다방면으로 활용될 수 있습니다. 허나 AI 기술이 기후위기 대응에 효과적으로 사용되기 위해서는 탄소배출량 감축이 필수적으로 이루어져야 합니다. 이를 위해서는 온실가스 배출량이 적은 데이터센터를 우선적으로 사용하고, 기업들은 AI 개발 과정 및 활용 시에 나오는 온실가스 배출량을 투명하게 공개해야 할 것입니다.