![[사진=벤처비트]](/news/photo/202311/145162_137141_1843.png)
최근 인공지능 모델이 텍스트나 이미지를 생성할 때 인간에 비해 최고 3,000배 가량이나 적은 탄소를 배출하게 된다는 주장이 제기돼 관심을 끌고 있다.
캘리포니아 어바인 대학과 MIT의 연구원들에 의해 수행된 이 프로젝트는 오픈 액세스 사이트인 아카이브에 발표되면서 AI 커뮤니티에서 논쟁을 불러일으키고 있다.
벤처비트에 따르면 연구에 참여한 전문가들은 챗GPT와 같은 인공지능 모델이 한 페이지의 텍스트를 생성할 때 인간의 비해 130~1500배 적은 이산화탄소 환산량(CO2e)을 배출한다고 밝혔다. 마찬가지로 이미지를 생성할 때 미드저니 또는 오픈AI(OpenAI)의 달리2(DALL-E 2)와 같은 AI 시스템은 310~2900배 적은 CO2e를 배출한다는 것이다.
AI를 사용하면 인간보다 훨씬 적은 배출량으로 몇 가지 중요한 활동을 수행할 수 있는 잠재력을 갖고 있다고 이들은 설명했다.
그러나 이러한 주장에 대한 AI 연구자들 간의 논쟁은 계속 이어지고 있다. 이에는 기후, 사회, 기술 간의 복잡한 상호 작용과 영향을 고려하는 데 필요한 추가 연구와 논의가 포함된다는 지적도 나오고 있다.
블록체인에서 AI 모델까지, 환경 영향 측정의 필요성
이 연구의 저자들은 캘리포니아 대학교 빌 톰린슨 교수와 돈 패터슨 교수, MIT 슬론 경영대학원 앤드류 토랜스 객원교수(Visiting Sceintist)로 AI 시스템, 인간 활동, 텍스트 및 이미지 생산이 환경에 미치는 영향에 대한 기존 데이터를 분석했다.
이 정보들은 환경에 미치는 영향을 연구하는 데이터베이스와 이에 관련된 연구들로부터 수집됐다.
예를 들어, 연구팀은 하루에 약 3.82톤의 이산화탄소를 발생시키는 1,000만 건의 쿼리 트래픽을 기반으로 한 비공식적인 온라인 추정치와 이를 상쇄하는 훈련 데이터를 활용해 ChatGPT의 탄소 배출량을 비공식적으로 추정했다. 더불어 이와 비교를 위해 환경 영향이 적은 LLM인 'BLOOM'의 데이터도 포함시켰다.
또한, 인간의 측면에서 미국(15미터톤)과 인도(1.9미터톤)의 평균적인 사람들의 연간 탄소 발자국 사례를 활용해 텍스트 한 페이지를 작성하거나 이미지를 생성하는 데 걸리는 예상 시간 동안의 배출량이 1인당 미치는 다양한 영향을 비교했다.
연구진은 이러한 탄소 배출량 측정이 지속 가능성 문제에 대한 정책 결정에 중요한 정보를 제공할 수 있다고 강조했다.
패터슨 교수는 "이러한 분석 없이는 AI의 미래를 어떻게 이끌고 관리할지에 대한 합리적인 정책 결정을 내릴 수 없다"며 "우리는 다음 단계로 나아가기 위해 근거 있는 정보와 데이터가 필요"하다고 말했다.
이어 그는 블록체인 기술에 대해 "작업 증명 알고리즘이 환경에 미치는 영향은 뉴스에서 많이 다뤄진 바 있다“며 ”환경 영향과 대규모 언어 모델과 같은 사회 전반에 걸친 다른 엄청난 도구에 대해 생각하는 것은 자연스러운 발전이라고 생각한다“고 덧붙였다.
톰린슨 교수는 "지구 환경이 지원할 수 있는 범위 내에서 살 수 있기를 바란다"며 "끔찍한 해를 끼치지 않고 창의적인 매개체로 [AI]를 사용할 수도 있지만... 해를 많이 끼친다면 AI 작업을 중단할 것“이라고 설명했다.
그는 논문에서 발견한 놀라운 결과를 뒤집을 수 있는 변수에 대해 효율성 향상이 사용량 증가로 이어지는 '반등 효과'의 가능성을 인정했다.
이어 그는 "우리가 시청하거나 소비하는 모든 미디어가 사용자의 정확한 선호도에 맞게 동적으로 조정되어 모든 캐릭터가 나와 약간 비슷하게 생기고 음악이 내 취향에 약간 맞춰지며 모든 테마가 다양한 방식으로 내 선호를 조금씩 재확인하는 세상을 상상했다”고 덧붙였다.
앤드류 교수는 "우리는 복잡한 시스템의 세계에 살고 있다“며 ”복잡한 시스템의 피할 수 없는 현실은 이러한 시스템의 결과를 예측할 수 없다는 것"이라고 말했다.
그는 기후, 사회, AI를 ‘하나도 아니고 둘도 아닌 세 개의 서로 다른 복잡한 시스템’으로 간주하여 연구를 진행했다. AI가 배출량을 줄일 수 있다는 연구진의 발견은 많은 사람들에게 놀랍게 보일 수 있을 것으로 예측했다.
그러나 이 세 가지 복잡한 시스템이 충돌하는 상황에서 사람들이 정답이 무엇인지 잘못 추측했을 수도 있다는 것도 합리적이라는 전문가들의 의견도 있다.
지속되는 인간 vs 인공지능 논쟁
이 논문은 최근 메타 플랫폼의 수석 AI 과학자 얀 르쿤(Yann LeCun)이 자신의 소셜 계정인 X(이전 트위터)에 이 논문의 차트를 게시하면서 "제너레이티브 AI를 사용해 텍스트나 이미지를 생성하면 수동으로 또는 컴퓨터의 도움을 받는 것보다 3~4배의 CO2를 배출한다"고 주장, AI 커뮤니티의 관심을 끌기 시작했다.
이는 인간과 AI 모델의 탄소 배출량을 비교하는 이 연구의 방법론에 대한 비판자들의 관심과 반발을 불러일으켰다.
허깅페이스의 AI 연구원이자 기후 책임자인 사샤 루치오니는 "근본적으로 개인의 평생 동안의 총 탄소 발자국 추정치만 가지고 이를 직업과 연관 지을 수는 없다“며 "두 번째는 인간의 발자국을 수명 주기 평가나 에너지 발자국과 비교하는 것은 말이 안 된다는 것이며, 이는 인간을 물체와 비교할 수 없기 때문”이라고 밝혔다.
라이프사이클 분석은 아직 초기 단계이며, 실제 데이터는 여전히 부족
패터슨 교수는 인간 배출량을 정량화할 때 "모든 것이 서로 연결돼 있기 때문에 어떤 종류의 총 에너지 소비량 분석도 어렵다"고 인정했다.
톰린슨 교수는 경계를 설정해야 한다는 데 동의했지만 "수명 주기 평가라는 전체 분야가 있으며, 동료 검토를 통해 논문에서 더 많이 다루고 있다"고 주장했다.
허깅페이스의 루치오니는 이러한 작업이 필요하다는 데 동의하지만, 연구 저자들이 취한 접근 방식에는 결함이 있고, 인간과 AI 모델을 직접 비교하는 접근 방식 외에도 이러한 환경적 영향을 정확하게 정량화할 수 있는 실제 데이터가 숨겨져 있다고 지적했다.
또한 그는 다소 아이러니하게도 연구자들이 자신의 연구를 통해 블룸 언어 모델의 탄소 배출량을 측정했다는 사실에 주목했다.
루치니오는 “하드웨어 사용량, 에너지 소비량, 에너지원에 대한 주요 세부 정보에 액세스하지 않으면 탄소 발자국을 추정하는 것은 불가능”하다며 "이 세 가지 숫자 중 하나라도 누락되면 탄소 발자국 추정치가 아니다"고 말했다.
이어 그는 “가장 큰 문제는 기술 기업의 투명성 부족”이라며 "GPT에 대한 정보, 얼마나 큰 규모, 어디에서 운영되는지, 얼마나 많은 에너지를 사용하는지 그 어떤 것도 알 수 없다“고 지적했다.
이는 개방형 데이터 공유가 없다면 AI의 탄소 영향은 불확실한 상태로 남을 것이라는 루치니오의 의견이다.
AI 전문가들은 이러한 복잡한 질문에 대해 근거 없는 주장을 하기보다는 투명하고 과학에 기반한 접근 방식을 취해야 한다고 강조했다.
토런스 교수는 "과학은 투명한 규칙에 따라 질문하고 답하는 합의된 접근 방식"이라며 "다른 사람들이 과학 또는 선호하는 다른 접근 방식으로 우리의 결과를 테스트하는 것을 환영한다"고 말했다.
[위키리크스한국=유 진 기자]
yoojin@wikileaks-kr.org
