ㅁ 지속가능성

ㅇ 정의:
인공지능 개발 및 운영 과정에서 에너지 소비와 탄소 배출을 최소화하여 환경에 미치는 부정적 영향을 줄이는 개념.

ㅇ 특징:
– AI 모델 학습 시 전력 소비량과 전력의 탄소 집약도를 고려.
– 데이터센터의 재생에너지 사용 비율을 높이는 전략 포함.
– 모델 경량화, 효율적 알고리즘 설계, 하드웨어 최적화를 통해 탄소 발자국 감소.

ㅇ 적합한 경우:
– 대규모 AI 모델 학습을 장기간 수행하는 기업.
– 친환경 인증이나 ESG 평가를 준비하는 조직.
– 전력 소비 비용 절감과 환경 규제 대응이 필요한 경우.

ㅇ 시험 함정:
– 단순히 재생에너지를 사용하는 것만이 Carbon-Aware AI가 아님.
– 모델 정확도만 높이는 것이 목표가 아니라, 에너지 효율과 탄소 감축이 동등하게 고려되어야 함.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “Carbon-Aware AI는 전력의 탄소 집약도를 고려하여 작업 스케줄을 조정한다.”
X: “Carbon-Aware AI는 데이터 정확도를 위해 에너지 소비를 무조건 늘린다.”

================================

1. Carbon-Aware AI

ㅇ 정의:
AI 시스템이 실행되는 시점과 장소의 전력 탄소 집약도를 고려하여 연산을 수행함으로써 탄소 배출을 최소화하는 기술.

ㅇ 특징:
– 전력망의 실시간 탄소 배출 데이터를 기반으로 작업 스케줄 조정.
– 탄소 집약도가 낮은 시간대나 지역에서 연산을 집중 수행.
– 클라우드 리전 선택 시 재생에너지 사용 비율 고려.

ㅇ 적합한 경우:
– 분산 학습 환경에서 작업 스케줄링이 가능한 경우.
– 클라우드 서비스 제공자가 여러 리전을 제공하는 경우.
– 비실시간 처리 작업(예: 대규모 배치 학습, 데이터 전처리)에 적합.

ㅇ 시험 함정:
– Carbon-Aware AI는 단순히 에너지 절약이 아니라, 탄소 집약도 데이터를 활용하는 것이 핵심.
– 모든 연산을 무조건 지연시키는 것이 아니라, 탄소 집약도와 서비스 요구사항을 균형 있게 고려해야 함.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “Carbon-Aware AI는 탄소 배출량이 낮은 시간대에 연산을 집중한다.”
X: “Carbon-Aware AI는 전력 요금이 비싼 시간대에만 동작한다.”

ㅁ 추가 학습 내용

Carbon-Aware AI 학습 시 알아야 할 내용 정리

탄소 집약도(Carbon Intensity)는 전력 1kWh를 생산할 때 배출되는 CO2의 양을 의미하며, 지역과 시간대에 따라 달라진다. 이를 측정하는 대표적인 API로 ElectricityMap과 WattTime이 있다.

Carbon-Aware Scheduling은 작업을 탄소 집약도가 낮은 시간대와 지역에 배치하여 탄소 배출을 줄이는 알고리즘이다.

탄소 발자국(Carbon Footprint)은 배출량 계산 공식에 따라 산출하며, Scope 1(직접 배출), Scope 2(구매한 전력 등 간접 배출), Scope 3(기타 가치사슬 배출)로 구분된다.

데이터센터의 PUE(Power Usage Effectiveness)는 에너지 효율을 나타내는 지표로, Carbon-Aware AI와 함께 고려하면 전력 사용과 탄소 배출 절감에 효과적이다.

실제 사례로 Google Cloud의 Carbon-Intelligent Computing과 Microsoft의 2030년 탄소 네거티브 목표가 있다.

시험에서는 에너지 효율과 탄소 집약도 고려를 혼동하도록 유도하는 함정 문제가 나올 가능성이 높으므로 구분에 주의해야 한다.