③(논문읽기)인공지능 도입에 따른 에너지 관련 영향
인공지능과 전기 수요 관련 읽어보면 좋을 논문이 있어 소개해본다.
논문 제목은
"Watts and Bots: The Energy Implications of AI Adoption"
와츠(WATTS)와 봇(Bots): 인공지능 도입에 따른 에너지 관련 영향
Watts and Bots: The Energy Implications of AI Adoption
이 논문을 정리해보면,
1. AI 채택에 따른 에너지 사용 및 탄소 배출 변화
에너지 사용 변화: 연구에 따르면, AI 채택에 의해 미국 경제에서 연간 에너지 소비는 약 28 PJ(7.8 TWh) 증가할 것으로 예상됩니다. 이는 미국 전체 에너지 수요의 약 0.03%에 해당하며, GPT-3와 같은 대형 언어 모델(LLM)의 학습과 추론을 포함한 AI 모델의 전체 에너지 수요와 비교할 때 약 38배 큰 값입니다. 예를 들어, ChatGPT 추론에만 하루 약 564 MWh가 소모되며, 연간 0.2 TWh에 달합니다. 하지만 전체 AI 채택에 의한 에너지 증가인 28 PJ는 7.8 TWh에 달해 그 규모가 훨씬 크다는 점을 강조하고 있습니다.
탄소 배출 변화: AI 도입에 따른 CO2 배출은 연간 약 896 ktCO2 증가할 것으로 예상됩니다. 이는 미국의 제조업과 건설업에서 발생하는 연간 CO2 배출량의 약 **1%**에 해당하며, 전체 미국 CO2 배출량의 약 **0.02%**에 해당합니다. 이는 작은 수치처럼 보일 수 있지만, 누적 효과를 고려할 때 장기적으로 상당한 환경적 영향을 미칠 수 있습니다.
2. 산업별 에너지 소비와 탄소 배출의 변화
산업별 차이: AI의 도입이 각 산업에 미치는 영향은 산업 특성에 따라 다릅니다. 예를 들어, 교육 산업은 AI 도입으로 에너지 소비와 탄소 배출이 각각 0.774 PJ와 51.133 ktCO2 증가할 것으로 예상됩니다. 반면, 출판 활동 산업은 상대적으로 적은 에너지 소비 변화가 예상됩니다. 이와 같은 차이는 각 산업의 에너지 강도와 탄소 강도에 따라 결정됩니다.
출판 활동 산업은 AI 채택으로 0.531 PJ의 에너지 소비 증가와 0.08 ktCO2의 탄소 배출 증가가 예상되며, 자동차 수리 및 도소매 산업은 0.296 PJ의 에너지 소비 증가와 9.711 ktCO2의 탄소 배출 증가가 예상됩니다. 이들 산업은 상대적으로 AI 도입으로 인한 생산성 향상이 더 적거나, 에너지와 탄소 배출 강도가 낮기 때문에 상대적으로 낮은 변화가 예상됩니다.
3. AI 채택의 경제적 생산성 향상과 그에 따른 에너지 변화
생산성 향상: AI의 도입은 생산성 향상에 기여하고, 각 산업의 생산성 변화는 **0.233%**에서 **0%**까지 다양합니다. 예를 들어, 교육 산업은 0.233%의 생산성 향상이 예상되지만, 어업 및 양식업과 같은 산업은 생산성 향상이 **0%**로 예상됩니다. 이는 AI가 각 산업의 특정 작업을 대체하거나 효율성을 높일 수 있지만, 일부 산업에서는 AI가 생산성에 미치는 영향이 미미할 수 있다는 것을 의미합니다.
에너지 강도와 탄소 강도: AI 도입에 따른 에너지 소비와 탄소 배출 변화는 각 산업의 에너지 강도와 탄소 배출 강도에 비례합니다. 예를 들어, 교육 산업은 16.13 PJ/$BB의 에너지 강도와 4.10 ktCO2/PJ의 탄소 배출 강도를 가지고 있습니다. 이는 교육 산업에서의 AI 채택이 상대적으로 더 많은 에너지와 CO2 배출을 유발할 수 있음을 시사합니다.
4. AI 채택에 따른 전체 경제 차원의 변화
전체 경제 차원의 에너지 소비: AI 채택으로 인한 전체 미국 경제 차원의 연간 에너지 소비 증가는 28 PJ로, 이는 약 7.8 TWh에 해당합니다. 이는 미국 전체 전력 수요에서 약 **0.03%**에 해당하는 수치입니다. AI의 도입으로 인해 생산성 향상이 이루어지면, 이는 에너지 소비와 직결되며, 각 산업의 에너지 강도와 CO2 배출 강도에 비례하는 영향을 미칩니다.
전체 경제 차원의 탄소 배출 증가: 896 ktCO2의 연간 탄소 배출 증가가 예상되며, 이는 미국 제조업과 건설업에서 발생하는 CO2 배출량의 약 **1%**에 해당합니다. 이는 비교적 적은 수치이지만, 장기적으로 누적된 변화가 환경에 미칠 영향은 커질 수 있습니다.
5. AI 모델의 학습 및 추론에서 발생하는 에너지 소비
모델 학습 에너지 소비: AI 모델 학습에서 발생하는 에너지 소비는 매우 크며, 예를 들어 GPT-3와 같은 대형 모델의 학습은 324 MWh에서 1,287 MWh 사이의 에너지를 소비합니다. 이는 대형 모델의 학습에 소요되는 전력 소비량이 상당히 큰 반면, 모델 추론에서 발생하는 에너지 소비는 상대적으로 더 크다는 것을 보여줍니다.
모델 추론에서의 에너지 소비: ChatGPT와 같은 모델 추론에서 발생하는 에너지 소비는 하루 564 MWh에 달하며, 이는 연간 0.2 TWh로 계산됩니다. 그러나 AI 채택에 의한 **전체 에너지 소비 증가(28 PJ)**는 이보다 훨씬 큰 수치로, AI 도입이 전체 경제에 미치는 에너지 수요 증가가 크다는 점을 강조하고 있습니다.
6. AI 채택의 에너지 공급 및 전력망에 미치는 영향
전력망에 미치는 영향: AI 채택에 따른 연간 28 PJ(7.8 TWh)의 에너지 수요 증가는 미국의 전력 생산 용량에서 **0.08%**에 해당하는 0.9 GW의 추가 전력 생성 용량을 필요로 합니다. 이는 상대적으로 작은 비율로 보일 수 있으나, 전력망에 미치는 영향은 상당히 크며, 특히 지역적으로는 중요한 영향을 미칠 수 있습니다.
전력망의 부담: AI 채택에 따른 에너지 수요 증가가 급격히 일어날 경우, 기존 전력망이 이를 충족하기 위해 더 많은 전력 생산과 배분을 해야 할 수 있습니다. 이는 추가적인 전력 생산과 에너지 효율성 향상이 필요함을 시사합니다.
7. 민감도 분석 및 불확실성
민감도 분석: 연구는 비용 절감 요소가 AI 도입의 에너지 사용과 탄소 배출 변화에 미치는 영향을 분석했습니다. 비용 절감 요소는 AI 도입으로 인한 인력 대체 비율과 작업 비용 절감 비율에 영향을 받습니다. 연구에 따르면, 이들 변수의 변화가 에너지 소비와 탄소 배출에 큰 영향을 미칠 수 있으며, 특히 중간 범위에서의 민감도가 크다는 점을 강조합니다.
불확실성: 모델은 여러 가정과 한계가 있으며, 예를 들어 AI가 노동을 대체하는 방식만 고려하고 있으며, AI가 에너지 효율을 개선하거나 생산성을 증대시키는 방식은 고려하지 않았습니다. 따라서 이 모델은 실제 AI의 환경적 영향을 과소평가할 가능성이 있습니다.
결론
이 연구는 AI 도입이 에너지 사용과 탄소 배출에 미치는 영향을 수치적으로 추정한 첫 번째 연구로, AI가 경제 전반에 미치는 영향은 상대적으로 적지만, 장기적으로 누적된 변화는 상당한 환경적 영향을 미칠 수 있습니다. 또한, 산업별로 AI가 미치는 영향은 매우 다르며, 각 산업의 에너지 효율과 탄소 배출 강도를 고려해야 합니다. AI의 환경적 영향을 최소화하려면 에너지 효율적인 기술을 채택하고, 재생 가능한 에너지로 AI 인프라를 운영하며, 탄소 배출이 많은 산업에 대해서는 더 효율적인 배출 저감 전략이 필요합니다.
이를 조금 더 수치, 데이터 중심으로 재정리하면,
AI 채택에 따른 에너지 소비 및 탄소 배출 변화: 수치적 분석
1. AI 도입에 의한 에너지 소비 변화
미국 경제에서 연간 에너지 소비 증가: 약 28 PJ (7.8 TWh) 증가 전체 미국 에너지 수요의 약 0.03% GPT-3와 같은 대형 언어 모델 학습과 추론에 의한 에너지 소비 증가는 약 38배 더 큼 예시: ChatGPT 추론에 하루 564 MWh, 연간 0.2 TWh의 에너지 소비 발생
2. AI 도입에 의한 탄소 배출 변화
연간 CO2 배출 증가: 896 ktCO2 미국 제조업 및 건설업에서 발생하는 CO2 배출량의 약 1% 전체 미국 CO2 배출량의 약 0.02% 이 수치는 작은 수치처럼 보일 수 있지만, 장기적인 누적 효과가 중요
3. 산업별 에너지 소비 및 탄소 배출 변화
교육 산업: 에너지 소비 증가: 0.774 PJ 탄소 배출 증가: 51.133 ktCO2
출판 활동 산업: 에너지 소비 증가: 0.531 PJ 탄소 배출 증가: 0.08 ktCO2
자동차 수리 및 도소매 산업: 에너지 소비 증가: 0.296 PJ 탄소 배출 증가: 9.711 ktCO2
차이점: 각 산업의 에너지 강도와 탄소 배출 강도가 영향을 미침. 에너지와 탄소 배출 강도가 높은 산업일수록 AI 도입에 의한 변화가 클 수 있음.
4. AI 도입에 의한 경제적 생산성 향상
생산성 향상: 교육 산업: 0.233% 생산성 향상 어업 및 양식업: 0% 생산성 향상
에너지 강도와 탄소 배출 강도: 교육 산업: 16.13 PJ/$BB (에너지 강도) / 4.10 ktCO2/PJ (탄소 배출 강도)
5. 전체 경제 차원의 에너지 소비 및 탄소 배출 증가
전체 경제 차원의 에너지 소비 증가: 28 PJ (7.8 TWh) 미국 전체 전력 수요의 약 0.03%
전체 경제 차원의 탄소 배출 증가: 896 ktCO2 미국 제조업 및 건설업에서 발생하는 CO2 배출량의 약 1%
6. AI 모델 학습 및 추론에서 발생하는 에너지 소비
대형 모델 학습: 324 MWh에서 1,287 MWh 사이의 전력 소비
모델 추론: ChatGPT 추론: 하루 564 MWh, 연간 0.2 TWh
AI 채택에 의한 전체 에너지 소비 증가: **28 PJ (7.8 TWh)**는 추론과 학습을 포함한 전반적인 증가
7. AI 채택에 따른 전력망에 미치는 영향
전력 수요 증가: 연간 **28 PJ (7.8 TWh)**는 0.9 GW의 추가 전력 생성 용량 필요
전력망 부담: 급격한 수요 증가 시, 추가 전력 생산과 효율성 향상 필요
8. 민감도 분석 및 불확실성
비용 절감 요소가 AI 도입의 에너지 소비와 탄소 배출에 큰 영향을 미침
AI의 노동 대체 및 작업 비용 절감 비율이 변화하면 에너지 소비와 탄소 배출에 큰 영향을 미침
결론
AI 도입이 에너지 소비와 탄소 배출에 미치는 영향은 경제 전반에서 **28 PJ (7.8 TWh)**의 에너지 증가와 896 ktCO2의 탄소 배출 증가로 예상됨.
산업별로 에너지 강도와 탄소 배출 강도에 따라 영향을 받음.
AI의 효율성 개선과 정책적 대응이 중요한 변수로, 이를 통해 AI 도입에 의한 환경적 영향을 최소화할 수 있음.
장기적인 에너지 효율성 향상과 재생 가능한 에너지로의 전환이 필수적.
