รู้หรือไม่? AI ก็ทำให้โลกร้อน ถาม-ตอบ ChatGPT 1 ครั้ง เท่ากับ เปิดไฟ LED 1 ชม. 20 นาที

เทคโนโลยีปัญญาประดิษฐ์ (Artificial Intelligence: AI) กำลังพัฒนาอย่างก้าวกระโดดและเข้ามามีบทบาทในภาคธุรกิจตลอดจนชีวิตประจำวันของผู้คนมากขึ้นทั่วโลก 

อย่างไรก็ดี คุณประโยชน์และความสามารถอันน่าทึ่งของ AI อาจทำให้หลายคนละเลยผลกระทบของ AI ต่อสิ่งแวดล้อม เนื่องจากอุตสาหกรรมเทคโนโลยีถูกมองว่าไม่ได้สร้างผลกระทบต่อสิ่งแวดล้อมมากเท่ากับภาคพลังงานและการขนส่งที่มีการปล่อยก๊าซเรือนกระจกทางตรงอย่างชัดเจน แต่ความจริงแล้วอุตสาหกรรมเทคโนโลยีปล่อยคาร์บอนทางอ้อมในปริมาณมากโดยเฉพาะจากการใช้พลังงานไฟฟ้า

โดยข้อมูลจาก Research Intelligence ของวิจัยกรุงศรี เรื่อง Sustainable AI’ พัฒนา AI อย่างไรให้เป็นมิตรกับสิ่งแวดล้อม มีข้อมูลที่น่าสนใจพบว่า โดยรวมแล้วอุตสาหกรรมเทคโนโลยีสารสนเทศและการสื่อสาร (ICT) ปล่อยคาร์บอนเกือบร้อยละ 4 ของปริมาณการปล่อยทั้งหมดในโลก ซึ่งมากกว่าอุตสาหกรรมการบินที่ปล่อยคาร์บอนเพียงร้อยละ 3 เสียอีก

AI ส่งผลกระทบต่อสิ่งแวดล้อมจากการใช้ทรัพยากรและพลังงานอย่างมหาศาล โดยเฉพาะในการดำเนินงานของศูนย์ข้อมูล (Data Center) 

โดยการพัฒนาเทคโนโลยี AI ที่สร้างสรรค์เนื้อหาใหม่ๆ จากข้อมูลที่มีอยู่เดิม (Generative AI หรือ GenAI) ด้วยโมเดลภาษาขนาดใหญ่จำเป็นต้องใช้พลังงานอย่างเข้มข้น จึงส่งผลให้มีคาร์บอนฟุตพริ้นท์สูงด้วย ตัวอย่างเช่น การฝึกฝนโมเดล Generative Pre-trained Transformer 3 (GPT-3) ซึ่งเป็นโมเดลเบื้องหลัง ChatGPT ด้วยฐานข้อมูลขนาดใหญ่จำนวน 5 แสนล้านคำ ต้องใช้พลังงานไฟฟ้าราว 1,300 เมกะวัตต์ชั่วโมง ซึ่งเทียบเท่ากับการใช้ไฟฟ้าตลอดทั้งปีของบ้านเรือนกว่า 120 หลังในสหรัฐฯ  

อีกทั้งการฝึกฝนโมเดลดังกล่าวยังปล่อยคาร์บอนกว่า 500 ตัน ซึ่งเทียบเท่ากับการที่ผู้โดยสาร 1 คนเดินทางด้วยเครื่องบินจากนครนิวยอร์กไปยังซานฟรานซิสโกจำนวนกว่า 500 เที่ยว หรือพอๆ กับการใช้รถยนต์ 8 คัน (รวมน้ำมัน) ตลอดอายุการใช้งาน  

อย่างไรก็ดี การฝึกฝนโมเดล GPT-4 ที่ซับซ้อนและมีพารามิเตอร์ มากขึ้น อาจใช้พลังงานไฟฟ้ามากกว่า GPT-3 ถึง 50 เท่า 

ยิ่งไปกว่านั้น งานวิจัยหลายชิ้นสรุปว่าการใช้พลังงานส่วนใหญ่ของเทคโนโลยี AI เกิดจากการใช้งานหรือที่เรียกว่า 'การอนุมาน (Inference)  เนื่องจาก AI ต้องประมวลผลโมเดลที่ซับซ้อนและข้อมูลจำนวนมากแบบเรียลไทม์ ทำให้ต้องใช้พลังงานเข้มข้น โดยการถาม-ตอบกับ ChatGPT 1 ครั้ง ใช้พลังงานเทียบเท่ากับการเปิดหลอดไฟ LED ขนาด 5 วัตต์เป็นเวลา 1 ชั่วโมง 20 นาที 

อย่างไรก็ดี ความเข้มข้นของพลังงานในขั้นตอนการใช้ AI ขึ้นอยู่กับ 1) ประเภทของงาน โดยการใช้ AI สร้างภาพ สิ้นเปลืองพลังงานมากกว่าการใช้ AI เพื่อจำแนกประเภทข้อความกว่า 1,000 เท่า  และ 2) ประเภทของโมเดล โดยโมเดล AI ที่มีพารามิเตอร์มากกว่าจะใช้พลังงานในการประมวลผลมากกว่า

สำหรับคาร์บอนฟุตพริ้นท์ของ AI ส่วนใหญ่เกิดใน Data Center ซึ่งเป็นศูนย์กลางการประมวลผลและจัดเก็บข้อมูลขนาดใหญ่สำหรับการฝึกฝนและใช้งานโมเดล AI  

ทั้งนี้ Data Center เป็นโครงสร้างพื้นฐานที่ใช้พลังงานเข้มข้นกว่าอาคารสำนักงานทั่วไปถึง 10-50 เท่า โดยใช้ไฟฟ้าประมาณร้อยละ 40-50 เพื่อจ่ายพลังงานให้อุปกรณ์คอมพิวเตอร์ และใช้อีกร้อยละ 30-40 เพื่อระบายความร้อนให้กับอุปกรณ์ดังกล่าว

ท่ามกลางกระแสการเติบโตของ AI ทำให้องค์การพลังงานระหว่างประเทศ (International Energy Agency: IEA) คาดการณ์ไว้ว่า ภายในปี 2569 ปริมาณการใช้ไฟฟ้าของ Data Center ทั่วโลกอาจอยู่ที่ระดับ 1,000 เทราวัตต์ชั่วโมง (TWh) ซึ่งเทียบเท่ากับการใช้ไฟฟ้าของประเทศญี่ปุ่นทั้งประเทศ หรือเพิ่มขึ้นเป็นสองเท่าเมื่อเทียบกับปี 2565 

ทั้งนี้ IEA ยังคาดว่า Data Center จะเป็นภาคส่วนสำคัญที่ทำให้การใช้ไฟฟ้าในสหรัฐฯ เพิ่มสูงขึ้น โดยคิดเป็น 1 ใน 3 ของปริมาณไฟฟ้าที่ต้องการเพิ่มขึ้นในช่วงปี 2568-2569 เช่นเดียวกับในสหภาพยุโรปและจีน และที่สำคัญการดำเนินงานของ Data Center จำเป็นต้องอาศัยน้ำจืดที่สะอาดเพื่อใช้ในระบบทำความเย็นในปริมาณมาก เพื่อป้องกันไม่ให้อุปกรณ์อิเล็กทรอนิกส์เผชิญความร้อนสูงเกินไป โดยการฝึกฝนโมเดล GPT-3 ใน Data Center ในสหรัฐฯ ใช้น้ำไปประมาณ 5.4 ล้านลิตร 

ในขณะที่การถาม-ตอบกับ ChatGPT (GPT-3) จำนวน 10-50 คำถาม ทำให้สูญเสียน้ำในปริมาณเทียบเท่ากับการดื่มน้ำครึ่งลิตร และคาดว่า GPT-4 ซึ่งเป็นโมเดลที่ซับซ้อนกว่า จะใช้น้ำในปริมาณมากยิ่งขึ้นอีก

นอกจากนี้ การพัฒนา AI ต้องอาศัยฮาร์ดแวร์สมรรถนะสูง เช่น เซิร์ฟเวอร์ และอุปกรณ์จัดเก็บข้อมูล ซึ่งล้วนมีชิปเป็นส่วนประกอบสำคัญ ทั้งนี้ น้ำถือเป็นปัจจัยที่ขาดไม่ได้ในกระบวนการผลิตชิป เนื่องจากโรงงานผลิตชิปต้องใช้น้ำเพื่อรักษาความเย็นให้กับเครื่องจักร และทำความสะอาดแผ่นเวเฟอร์ 

โดยในปี 2567 S&P Global ประมาณการว่าผู้ผลิตชิปทั่วโลกใช้น้ำรวมกันพอๆ กับปริมาณการใช้น้ำทั้งหมดในฮ่องกง และโดยเฉลี่ยแล้วโรงงานผลิตชิป 1 แห่ง ใช้น้ำบริสุทธิ์ถึง 10 ล้านแกลลอนต่อวัน ซึ่งเทียบเท่ากับการใช้น้ำในแต่ละวันของครัวเรือนในสหรัฐฯ 33,000 ครัวเรือน  ยิ่งไปกว่านั้น การผลิตชิปต้องใช้โลหะ เช่น ทองแดง อะลูมิเนียม และลิเธียม ซึ่งกระบวนการทำเหมืองเพื่อขุดและแปรรูปแร่เหล่านี้ อาจสร้างมลพิษต่อแหล่งน้ำและสิ่งแวดล้อมอื่นๆ อีกด้วย

พัฒนาการของ AI ก้าวหน้าไปอย่างรวดเร็ว ส่งผลให้ต้องมีการปรับปรุงอุปกรณ์อิเล็กทรอนิกส์สมรรถนะสูงให้ทันสมัยอยู่เสมอ ฮาร์ดแวร์เหล่านี้จึงมักมีอายุการใช้งานสั้นเพียง 2-5 ปีก่อนจะกลายเป็นขยะอิเล็กทรอนิกส์ ซึ่งมีสารเคมีอันตรายอย่างตะกั่ว ปรอท และแคดเมียม ที่สามารถปนเปื้อนดินและแหล่งน้ำหากไม่ได้รับการจัดการอย่างเหมาะสม จึงเป็นภัยต่อสุขภาพมนุษย์และสิ่งแวดล้อมได้

งานวิจัยที่เผยแพร่ในวารสาร Nature Computational Science เมื่อปลายเดือนตุลาคม 2567 คาดการณ์ไว้ว่า GenAI จะก่อให้เกิดขยะอิเล็กทรอนิกส์เพิ่มขึ้นถึง 1.2 – 5 ล้านตันในช่วงปี 2566-2573 ซึ่งแม้จะมีสัดส่วนไม่มากเมื่อเทียบกับปริมาณขยะอิเล็กทรอนิกส์ทั่วโลกในปี 2565 จำนวน 62 ล้านตัน แต่ขยะอิเล็กทรอนิกส์จาก GenAI มีแนวโน้มเพิ่มขึ้นอย่างรวดเร็ว โดยปริมาณขยะที่เกิดขึ้นใหม่ในปี 2573 อาจสูงกว่าในปี 2566 เกือบ 1,000 เท่า หรือใกล้เคียงกับปริมาณขยะจาก iPhone 15 Pro กว่าหมื่นล้านเครื่อง

จะเห็นว่าความก้าวหน้าอย่างรวดเร็วของเทคโนโลยี AI ไม่ได้นำมาซึ่งผลเชิงบวกต่อโลกเท่านั้น แต่ยังมาพร้อมกับผลกระทบด้านพลังงาน ทรัพยากร และสิ่งแวดล้อม ดังนั้น โลกจึงพยายามมุ่งไปสู่ AI ที่ยั่งยืน (Sustainable AI) ซึ่งให้ความสำคัญกับการพัฒนาและใช้เทคโนโลยี AI ให้เกิดประโยชน์สูงสุด ในขณะเดียวกันก็ไม่ส่งผลกระทบต่อสิ่งแวดล้อมและสังคมทั่วทุกมุมโลก

ดังนั้น เราจึงอาจพบเจอคำว่า AI ที่เป็นมิตรกับสิ่งแวดล้อม (Eco-friendly AI) หรือ AI สีเขียว (Green AI) ซึ่งล้วนแล้วแต่มุ่งเน้นไปในทิศทางเดียวกัน  โดยการพัฒนาเทคโนโลยี AI อย่างยั่งยืนสามารถดำเนินการผ่านแนวทาง 3 ด้าน ได้แก่

 1) การใช้อุปกรณ์อิเล็กทรอนิกส์ที่เป็นมิตรกับสิ่งแวดล้อมมากขึ้น กล่าวคือ การทำเหมืองแร่เพื่อให้ได้วัตถุดิบในการผลิตชิ้นส่วนและอุปกรณ์อิเล็กทรอกนิกส์ที่เป็นฮาร์ดแวร์สำคัญของ AI เช่น หน่วยประมวลผลกลาง และหน่วยประมวลผลกราฟิก ส่งผลกระทบต่อสิ่งแวดล้อมตั้งแต่ต้นน้ำ 

 

ดังนั้น แนวคิด AI ที่ยั่งยืนจึงสนับสนุนการใช้วัสดุที่เป็นมิตรกับสิ่งแวดล้อมในการผลิตฮาร์ดแวร์ เช่น เหล็กและอะลูมิเนียมรีไซเคิล พลาสติกชีวภาพ วัสดุทดแทนธาตุหายาก (Rare Earth Alternatives) อีกทั้งยังสนับสนุนการยืดอายุและปรับปรุงการใช้ฮาร์ดแวร์ที่มีอยู่เดิมให้มีประสิทธิภาพสูงสุด เพื่อลดความต้องการการผลิตฮาร์ดแวร์ใหม่ๆ รวมถึงลดขยะอิเล็กทรอนิกส์จาก AI

 2) การพัฒนาและฝึกฝนโมเดล AI ที่ใช้พลังงานลดลง การออกแบบ ฝึกฝน และใช้งาน AI จะปล่อยคาร์บอนด้วยความเข้มข้นมากหรือน้อยนั้น ขึ้นอยู่กับขนาดและความซับซ้อนของโมเดล 

ดังนั้น แนวทางหนึ่งที่จะลดคาร์บอนฟุตพริ้นท์จาก AI ได้คือ การปรับปรุงการออกแบบโมเดล AI เพื่อเพิ่มประสิทธิภาพและลดการใช้พลังงานในการประมวลผล  

ในปัจจุบันผู้พัฒนา AI มุ่งเน้นไปที่การลดขนาดหน่วยความจำ (Memory Footprint) และความซับซ้อนในการประมวลผล (Computational Complexity) นอกจากนี้ การพัฒนาโมเดลขนาดเล็ก ได้รับความนิยมมากขึ้น เนื่องจากเป็นโมเดลที่สามารถประมวลผลบนอุปกรณ์ที่มีความจำไม่มาก และลดการใช้พลังงานได้

และ 3) การเพิ่มประสิทธิภาพพลังงานและสัดส่วนพลังงานหมุนเวียนใน Data Center  การลดคาร์บอนฟุตพริ้นท์จาก Data Center สามารถทำได้โดยการปรับปรุงประสิทธิภาพการใช้พลังงาน ไม่ว่าจะเป็นการปรับปรุงระบบทำความเย็นด้วยเทคโนโลยีที่ใช้อากาศเย็นภายนอกอาคาร (Free Cooling) การใช้เทคโนโลยีเซิร์ฟเวอร์เสมือน (Server Virtualization) เพื่อลดจำนวนเครื่องเซิร์ฟเวอร์ที่ต้องเปิดใช้งาน หรือการติดตั้งระบบบริหารจัดการศูนย์ข้อมูล (Data Center Infrastructure Management: DCIM) เพื่อติดตามการใช้พลังงาน เป็นต้น 

แต่อีกแนวทางหนึ่งที่ผู้พัฒนา Data Center สามารถทำพร้อมกันไปแบบคู่ขนาน คือการเพิ่มสัดส่วนการใช้พลังงานหมุนเวียน เช่น พลังงานลมและแสงอาทิตย์  โดยแนวคิด AI ที่ยั่งยืนสนับสนุนการดำเนินงาน Data Center ในเมืองหรือประเทศที่สามารถเข้าถึงไฟฟ้าจากพลังงานสะอาดได้

การมาบรรจบกันระหว่างความก้าวหน้าของเทคโนโลยี AI และความตระหนักถึงความยั่งยืน ส่งผลให้เกิดแนวคิดการพัฒนา AI โดยคำนึงถึงสิ่งแวดล้อมมากขึ้น ซึ่งไทยในฐานะที่อยู่ในห่วงโซ่มูลค่าของอุตสาหกรรมเทคโนโลยีโลก มีโอกาสมหาศาลจากกระแสการพัฒนา AI อย่างยั่งยืน 

อย่างไรก็ดี ไทยจำเป็นต้องเตรียมความพร้อม โดยเฉพาะการยกระดับระบบนิเวศด้านพลังงานสะอาด เพื่อสร้างความได้เปรียบในการดึงดูดการลงทุนจากบริษัทเทคโนโลยีชั้นนำทั่วโลก ซึ่งมีทิศทางเติบโตอย่างต่อเนื่อง

ภาพ: ENVATO