เมื่ออนาคตของ AI อาจใช้ไฟฟ้ามากกว่า 'ไอซ์แลนด์' ทั้งประเทศ

ปัจจุบัน มีผู้ใช้งาน ChatGPT จำนวนมาก นับตั้งแต่ที่ OpenAI เปิดตัวแชทบอท AI นี้ ที่สามารถช่วยงานคนได้หลากหลายงาน จนบางคนคาดว่า อาจมาแทนที่มนุษย์ด้วยซ้ำ ซึ่งจำนวนผู้ใช้งานที่สูง ก็ตามมาด้วยการใช้งานไฟฟ้าที่สูงตาม

ถึงแม้จะมีการประมาณการจำนวนไฟฟ้าที่ถูกใช้โดย AI แต่ผู้เชี่ยวชาญกล่าวว่าตัวเลขเหล่านี้เป็นเพียงบางส่วนและเกิดขึ้นโดยบังเอิญ และเป็นเพียงภาพรวมของการใช้พลังงานทั้งหมดของ AI เนื่องจากโมเดล machine learning สามารถทำงานได้หลากหลาย ทำให้การคำนวนพลังงาน ขึ้นอยู่กับงานที่ทำ

นอกจากนี้ องค์กรอย่าง Meta, Microsoft, และ OpenAI ไม่ได้เปิดเผยข้อมูลที่เกี่ยวข้องโดยตรง มีเพียง Judy Priest ซีทีโอหน่วยคลาวด์ของ Microsoft กล่าวในอีเมลกับ The Verge ว่า ขณะนี้บริษัทกำลังลงทุนในการพัฒนาวิธีวัดปริมาณการใช้พลังงานและผลกระทบคาร์บอนของ AI และพยายามหาวิธีทำให้ระบบมีประสิทธิภาพมากขึ้น ในทั้งการฝึกอบรมและการใช้งาน

ซึ่งปัจจัยหนึ่งที่สามารถระบุได้คือ ความแตกต่างในการใช้ไฟฟ้าระหว่างการฝึกโมเดลเป็นครั้งแรก และการใช้งานจริงโดยผู้ใช้งาน เนื่องจากการฝึกเทรนใช้พลังงานสูงมาก และใช้ไฟฟ้ามากกว่าเมื่อเทียบกับดาต้าเซ็นเตอร์แบบเดิมๆ

เทียบอัตราการใช้พลังงานของ AI ตามรูปแบบงาน

ตัวอย่างเช่น การฝึกเทรน GPT-3 คาดว่าใช้ไฟฟ้าไม่ถึง 1,300 เมกะวัตต์ชั่วโมง หรือประมาณพลังงานที่ใช้โดยบ้านเรือนในสหรัฐฯ จำนวน 130 หลังต่อปี หรือถ้าเทียบง่ายๆ การสตรีม Netflix หนึ่งชั่วโมงต้องใช้ไฟฟ้าประมาณ 0.0008 เมกะวัตต์ชั่วโมง นั่นหมายความว่า การรับชม Netflix 1,625,000 ชั่วโมงจึงจะใช้พลังงานเท่ากับการฝึก GPT-3

อย่างไรก็ตาม การใช้พลังงานอาจมากขึ้น เนื่องจากขนาดของโมเดล AI มีแนวโน้มเพิ่มขึ้นอย่างต่อเนื่องในช่วงเวลาหลายปี ซึ่งโมเดลที่ใหญ่ขึ้นก็ต้องการพลังงานมากขึ้น ในทางกลับกัน บริษัทต่างๆ อาจใช้วิธีการที่ได้รับการพิสูจน์แล้วว่า สามารถทำให้ระบบเหล่านี้ประหยัดพลังงานมากขึ้น ช่วยลดแนวโน้มต้นทุนพลังงานที่สูงขึ้นตาม

Sasha Luccioni นักวิจัยจากบริษัท AI สัญชาติฝรั่งเศส-อเมริกัน Hugging Face กล่าวว่า ความท้าทายในการประเมินจำนวนพลังงานไฟฟ้าที่ถูกใช้ คือบริษัทต่างๆ เก็บเรื่อง AI เป็นความลับมากขึ้น หลังจากที่ AI ทำกำไรได้ เช่น OpenAI ก่อนหน้านี้ที่มักเผยแพร่รายละเอียดเกี่ยวกับรูปแบบการฝึกเทรนนิ่ง — ฮาร์ดแวร์อะไรและใช้เวลานานเท่าใด แต่ข้อมูลเดียวกันนี้ไม่มีอยู่ในรุ่นล่าสุด

โดยเมื่อเดือนธันวาคมปีที่ผ่านมา Luccioni และเพื่อนร่วม ได้ตีพิมพ์บทความเกี่ยวกับการประมาณการใช้พลังงานของโมเดล AI ต่างๆ จากการทดสอบกับโมเดลที่แตกต่างกัน 88 รุ่น ครอบคลุมกรณีการใช้งานที่หลากหลาย ตั้งแต่การตอบคำถามไปจนถึงการระบุวัตถุและสร้างภาพ ในแต่ละเคส พวกเขารันงาน 1,000 ครั้งและประเมินต้นทุนพลังงาน งานส่วนใหญ่ที่พวกเขาทดสอบใช้พลังงานเพียงเล็กน้อย

ยกตัวอย่างเช่น การจำแนกตัวอย่างที่เป็นลายลักษณ์อักษรใช้พลังงานเพียง 0.002 กิโลวัตต์ชั่วโมง และการสร้างข้อความ 0.047 กิโลวัตต์ชั่วโมง เทียบกับการสตรีม Netflix เพียงเก้าวินาที และ 3.5 นาทีตามลำดับ ส่วนการสร้างภาพด้วยโมเดล AI ใช้พลังงานโดยเฉลี่ย 2.907 กิโลวัตต์ชั่วโมง ต่อการอนุมาน 1,000 ครั้ง เทียบกับการชาร์จสมาร์ทโฟนโดยเฉลี่ยใช้พลังงาน 0.012 กิโลวัตต์ชั่วโมง

พลังงานโดยอุตสาหกรรม AI เพิ่มขึ้นสองเท่าทุก 100 วัน

Alex de Vries นักศึกษาปริญญาเอกจาก VU Amsterdam รวบรวมข้อมูลและคำนวณว่า ภายในปี 2027 อุตสาหกรรม AI อาจใช้พลังงานระหว่าง 85-134 เทราวัตต์ชั่วโมงต่อปี หรือ 0.5% ของปริมาณการใช้ไฟฟ้าทั่วโลกภายในปี 2570 หรือใกล้เคียงกับความต้องการพลังงานต่อปีของประเทศเนเธอร์แลนด์

ส่วนรายงานจากสำนักงานพลังงานระหว่างประเทศเสนอการประมาณการที่คล้ายกัน โดยกล่าวว่า การใช้ไฟฟ้าจากดาต้าเซ็นเตอร์จะเพิ่มขึ้นอย่างมีนัยสำคัญในอนาคตอันใกล้นี้ เนื่องจากความต้องการของ AI และคริปโตเคอเรนซี่ จากจำนวนการใช้พลังงานของดาต้าเซ็นเตอร์อยู่ที่ประมาณ 460 เทราวัตต์ชั่วโมงในปี 2022 อาจเพิ่มขึ้นเป็นระหว่าง 620-1,050 เทราวัตต์ชั่วโมงในปี 2026 เทียบเท่ากับความต้องการพลังงานของสวีเดนหรือเยอรมนีตามลำดับ

ในขณะที่ World Economic Forum เผยว่า พลังการคำนวนของ AI เพิ่มขึ้นสองเท่าทุกๆ 100 วัน ซึ่งความต้องการพลังงานในการคำนวณอาจเพิ่มขึ้นสูงสุดถึง 10,000 เท่า ทำให้พลังงานที่จำเป็นในการทำงานด้าน AI กำลังเร่งตัวขึ้นโดยมีอัตราการเติบโตต่อปีระหว่าง 26-36% ซึ่งหมายความว่าภายในปี 2028 AI อาจใช้พลังงานมากกว่าที่ประเทศไอซ์แลนด์ใช้ทั้งประเทศในปี 2021

อย่างไรก็ตาม ในขณะที่ความต้องการใช้งาน AI เพิ่มขึ้นสูง ระบบฮาร์ดแวร์กลับมีการพัฒนาและมีประสิทธิภาพมากขึ้นเช่นกัน แต่ก็ปฏิเสธไม่ได้ว่า บริษัทบิ๊กเทคฯ ทั้งหลายต่างแข่งขันกันพัฒนาระบบ AI ทั้งหลาย โดยการทำโมเดลขนาดใหญ่ขึ้นและใช้ข้อมูลมากขึ้น จนกลายเป็น ‘ความจำเป็น’ สำหรับนักพัฒนาที่ต้องเพิ่มทรัพยากรการคำนวณให้มากขึ้นเรื่อยๆ

ซึ่งทันทีที่โมเดลหรือฮาร์ดแวร์มีประสิทธิภาพมากขึ้น นักพัฒนาก็จะทำให้โมเดลเหล่านั้นยิ่งใหญ่ขึ้นกว่าเดิม

คำถามที่ว่า ประสิทธิภาพที่เพิ่มขึ้นจะชดเชยความต้องการและการใช้งานที่เพิ่มขึ้นหรือไม่ คงตอบได้ยากมากๆ เช่นเดียวกับที่ Luccioni และ de Vries คร่ำครวญถึงการขาดข้อมูลที่มีอยู่ แต่บอกว่าโลกไม่สามารถเพิกเฉยต่อสถานการณ์ได้

ฟังมุมมองการแก้ปัญหาจากนักวิชาการ

บริษัทบางแห่งที่เกี่ยวข้องกับ AI อ้างว่า เทคโนโลยีนี้สามารถช่วยแก้ไขปัญหาเหล่านี้ได้ เช่น Microsoft ที่กล่าวว่า AI จะเป็นเครื่องมือที่ทรงพลังในการพัฒนาโซลูชั่นด้านความยั่งยืน และเน้นย้ำว่า Microsoft กำลังทำงานเพื่อบรรลุเป้าหมายด้านความยั่งยืนของการเป็นคาร์บอนเป็นลบ น้ำเชิงบวก และขยะเป็นศูนย์ภายในปี 2030

แต่เป้าหมายของบริษัทเดียวไม่สามารถครอบคลุมความต้องการทั่วทั้งอุตสาหกรรมได้อย่างสมบูรณ์ อาจจำเป็นต้องใช้แนวทางอื่น

โดย Luccioni กล่าวว่า เขาอยากเห็นบริษัทต่างๆ แนะนำการจัดอันดับ Energy Star สำหรับโมเดล AI ซึ่งช่วยให้ผู้บริโภคสามารถเปรียบเทียบประสิทธิภาพการใช้พลังงานในลักษณะเดียวกับที่ใช้กับเครื่องใช้ไฟฟ้า

ส่วน de Vries อยากให้สังคมคำนึงถึงความจำเป็นในการใช้งาน AI งานบางประเภทอาจไม่ต้องใช้ AI หรือไม่? เนื่องจากเมื่อพิจารณาถึงข้อจำกัดทั้งหมดของ AI แล้ว AI อาจไม่ได้เหมาะหรือสามารถแก้ปัญหาได้ในหลายๆ ครั้ง และเราจะเสียเวลาและทรัพยากรไปมากในการหาวิธีที่ยากลำบาก

การนำ AI และ เทคโนโลยีควอนตัมมาใช้ในระยะยาว

World Economic Forum กล่าวว่า หนึ่งในการแก้ปัญหานี้ ควรอยู่ที่การควบคุมความสามารถของ AI เพื่อส่งเสริมความยั่งยืน ด้วยการควบคุม AI อย่างมีกลยุทธ์เพื่อปรับปรุงภูมิทัศน์พลังงานหมุนเวียน และช่วยในการสร้างโลกที่ยั่งยืนมากขึ้นสำหรับคนรุ่นต่อไป

เพราะ AI ที่ใช้อย่างถูกต้อง จะสามารถเป็นเครื่องมือที่ใช้ในการบรรลุเป้าหมายการเพิ่มกำลังการผลิตพลังงานหมุนเวียนสามเท่า และประสิทธิภาพการใช้พลังงานสองเท่าภายในสิ้นทศวรรษ ตามการประชุมการเปลี่ยนแปลงสภาพภูมิอากาศของสหประชาชาติ (COP28) เมื่อปีที่แล้ว

ส่วนในระยะยาว การส่งเสริมการทำงานร่วมกันระหว่าง AI และเทคโนโลยีควอนตัมที่กำลังเติบโต เป็นกลยุทธ์สำคัญในการขับเคลื่อน AI ไปสู่การพัฒนาที่ยั่งยืน ตรงกันข้ามกับการประมวลผลแบบเดิมที่ใช้พลังงานเพิ่มขึ้นตามความต้องการในการคำนวณที่เพิ่มขึ้น

นอกจากนี้ เทคโนโลยีควอนตัมยังมีศักยภาพในการเปลี่ยนแปลง AI ด้วยการทำให้โมเดลมีขนาดกะทัดรัดมากขึ้น เพิ่มประสิทธิภาพการเรียนรู้ และปรับปรุงฟังก์ชันการทำงานโดยรวม ทั้งหมดนี้ปราศจากการปล่อยพลังงานจำนวนมากจนกลายเป็นเรื่องปกติในอุตสาหกรรม

การตระหนักถึงศักยภาพนี้จำเป็นต้องมีความพยายามร่วมกันที่เกี่ยวข้องกับการสนับสนุนจากรัฐบาล การลงทุนในอุตสาหกรรม การวิจัยทางวิชาการ และการมีส่วนร่วมของสาธารณะ ด้วยการรวมองค์ประกอบเหล่านี้เข้าด้วยกัน จึงเป็นไปได้ที่จะจินตนาการและสร้างอนาคตที่ความก้าวหน้าใน AI ดำเนินไปอย่างสอดคล้องกับการรักษาสุขภาพของโลก

ที่มา The Verge, World Economic Forum