ㅁ 지속가능성

ㅇ 정의:
인공지능 개발과 운영 과정에서 에너지 소비와 탄소 배출을 최소화하여 환경에 미치는 부정적 영향을 줄이는 접근 방식.

ㅇ 특징:
– 모델 학습과 추론 시 전력 사용량 절감
– 재생에너지 기반 데이터센터 활용
– 모델 경량화 및 효율적 알고리즘 적용
– 환경 영향 측정을 위한 지표 사용(예: 탄소 발자국)

ㅇ 적합한 경우:
– 대규모 AI 모델을 장기간 학습해야 하는 경우
– ESG 경영을 강조하는 기업의 AI 프로젝트
– 전력 비용이 높은 환경에서 AI 서비스 운영 시

ㅇ 시험 함정:
– Green AI는 단순히 비용 절감을 위한 기술이 아님 → 환경 지속가능성이 핵심 목적
– 모델 정확도를 무조건 희생하는 것은 Green AI의 필수 요소가 아님
– 재생에너지 사용만으로 Green AI가 완성되는 것은 아님

ㅇ 시험 대비 “패턴 보기” 예시:
O: Green AI는 AI 개발·운영 전 과정에서 에너지 효율을 높이고 탄소 배출을 줄이는 것을 목표로 한다.
X: Green AI는 AI 모델의 정확도를 낮추더라도 무조건 연산량을 줄이는 것을 의미한다.

ㅁ 추가 학습 내용

Green AI 관련 핵심 개념 정리

1. 효율성 지표
– FLOPs: AI 모델이 수행하는 부동소수점 연산 횟수로 연산량을 측정하는 지표
– kWh: 모델 학습 및 추론 과정에서 소비되는 전력량
– CO2-eq: 전력 사용에 따른 이산화탄소 환산 배출량
– 벤치마크: 위 지표들을 기반으로 모델 간 자원 효율성을 비교하는 기준

2. 에너지 의식 있는 AI 설계(Energy-aware AI Design)
– AI 시스템 개발 단계에서부터 에너지 소비를 최소화하도록 설계
– 효율적인 알고리즘 선택, 모델 경량화, 하드웨어 최적화 등을 포함

3. Green AI vs Red AI
– Green AI: 성능과 효율성의 균형을 중시하며, 연산량·자원 소모를 최소화
– Red AI: 성능 극대화를 위해 연산량과 자원 소모를 크게 허용하는 접근

4. 실제 사례
– Google: 데이터센터 냉각 최적화로 에너지 절감
– OpenAI: 모델 압축 기술로 연산 효율 향상
– Meta: 데이터센터 운영에 100% 재생에너지 사용 전환

5. Green AI와의 연계 분야
– AI 윤리: 환경 영향을 고려한 책임 있는 AI 개발
– ESG: 환경(Environment) 부문에서 기업의 지속가능성 평가에 기여
– 지속가능한 개발 목표(SDGs): 기후변화 대응, 지속가능한 산업·에너지 사용 목표와 연결