ㅁ AI 및 사회

ㅇ 정의:
인공지능 기술이 기후 변화에 미치는 영향으로, AI 모델 개발·운영 과정에서 발생하는 에너지 소비와 탄소 배출, 그리고 이를 통한 환경적 파급효과를 의미함.

ㅇ 특징:
– 대규모 AI 모델(예: GPT, 대형 이미지 생성 모델) 학습 시 막대한 전력 소모 발생
– 데이터센터 냉각, 서버 운영 과정에서 지속적인 탄소 배출
– AI 활용을 통한 에너지 효율화, 기후 예측, 환경 모니터링 등 긍정적 효과도 존재
– 국가·기업 차원에서 친환경 AI 개발을 위한 규제 및 표준화 논의 진행 중

ㅇ 적합한 경우:
– AI 기술 도입 시 환경 영향을 최소화하려는 정책 수립
– 지속가능성 보고서 작성, ESG 경영 지표 반영
– AI를 활용한 기후 변화 대응 솔루션 개발

ㅇ 시험 함정:
– ‘AI는 무조건 환경에 부정적 영향을 준다’는 단정적 서술은 오답
– AI의 환경 영향은 개발·운영 과정뿐 아니라 적용 분야에 따라 긍정·부정이 공존함
– ‘AI는 에너지 소비가 거의 없다’는 표현은 틀림

ㅇ 시험 대비 “패턴 보기” 예시:
O: 대규모 AI 모델 학습은 상당한 전력 소모와 탄소 배출을 유발할 수 있다.
O: AI는 기후 변화 예측 및 에너지 효율화에 기여할 수 있다.
X: AI는 환경에 전혀 영향을 미치지 않는다.
X: AI는 무조건 환경 파괴를 초래한다.

ㅁ 추가 학습 내용

학습 정리

1. AI 모델 학습 시 전력량과 탄소 배출량 정량 평가 방법
– Carbon Footprint 계산 방식 등 구체적 산출 방법 이해

2. 데이터센터의 친환경 전력 사용 비율
– 재생에너지 사용 현황 및 측정 기준

3. AI 효율성 향상을 위한 알고리즘 최적화 기법
– 모델 압축(Model Compression)
– 지식 증류(Knowledge Distillation)

4. 주요 글로벌 기업의 Green AI 사례
– 친환경 AI 개발 및 운영 사례 분석

5. AI와 다른 기술 결합 시 환경 영향 비교
– 블록체인, IoT 등과 결합했을 때의 에너지 소비 및 탄소 배출 차이

6. 국제 규제 동향
– EU의 AI 지속가능성 지침 등 관련 규제 이해

7. AI 개발 과정에서 재생에너지 사용 비율을 높이는 전략
– 전력 조달 방식, 재생에너지 투자, 운영 효율화 방안