ㅁ 지속가능성

ㅇ 정의:
AI 시스템의 개발 및 운영 과정에서 에너지 소비를 최소화하고 환경에 미치는 영향을 줄이는 것을 목표로 하는 개념.

ㅇ 특징:
– 탄소 배출 감소를 위한 기술적 접근법 포함
– 에너지 절약형 하드웨어 및 최적화된 알고리즘 사용
– 지속 가능한 데이터 센터와의 연계

ㅇ 적합한 경우:
– 대규모 모델 학습 시 에너지 소비가 과도한 경우
– 환경 규제가 엄격한 지역에서 AI 시스템을 운영해야 하는 경우

ㅇ 시험 함정:
– 에너지 효율성을 단순히 비용 절감과 동일시하는 오류
– 지속 가능성의 개념을 환경적 측면에만 국한시키는 오해

ㅇ 시험 대비 “패턴 보기” 예시:
– (O) 지속가능성은 AI 시스템의 에너지 소비와 환경 영향을 줄이는 것을 목표로 한다.
– (X) 지속가능성은 AI 모델의 정확도를 높이는 기술이다.

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

1. Energy-Efficient Training

ㅇ 정의:
AI 모델을 학습시키는 과정에서 에너지 소비를 최소화하기 위한 최적화된 기술과 방법론.

ㅇ 특징:
– 저전력 하드웨어와 병렬 처리를 활용
– 학습 알고리즘의 효율성을 높이기 위해 모델 경량화 적용
– 재생 가능 에너지 기반의 데이터 센터 사용

ㅇ 적합한 경우:
– 대규모 데이터셋을 처리해야 하는 경우
– AI 학습 과정에서 발생하는 탄소 발자국을 줄이고자 할 때

ㅇ 시험 함정:
– 에너지 효율적 학습을 단순히 학습 속도와 동일시하는 오류
– 재생 에너지가 항상 에너지 효율적 학습에 필수적이라는 오해

ㅇ 시험 대비 “패턴 보기” 예시:
– (O) Energy-Efficient Training은 AI 모델 학습 시 에너지 소비를 줄이는 기술이다.
– (X) Energy-Efficient Training은 AI 모델의 데이터 증강 기법이다.

ㅁ 추가 학습 내용

지속가능성과 관련하여 공부할 때 주목해야 할 추가적인 내용은 다음과 같습니다:

1. 탄소 중립 AI: AI 시스템의 전체 수명 주기에서 발생하는 탄소 배출량을 상쇄하는 것을 목표로 하는 개념입니다. 이를 위해 AI 개발, 학습, 배포 과정에서 에너지 효율성을 높이고, 재생 가능 에너지를 사용하는 방법 등이 포함됩니다.

2. 에너지 소비 측정 기준: AI 시스템의 에너지 소비를 평가하고 비교할 수 있는 표준화된 지표에 대한 이해가 필요합니다. 이러한 지표는 AI 모델의 효율성을 판단하고 개선 방향을 제시하는 데 중요한 역할을 합니다.

3. AI 윤리와 지속 가능성의 연계성: AI 기술이 환경적, 사회적 영향을 고려하여 개발되고 활용될 수 있도록 윤리적 관점에서 지속 가능성과의 연계성을 논의하는 내용입니다. 이는 AI가 환경에 미치는 부정적 영향을 최소화하고, 동시에 인간과 사회에 긍정적 기여를 할 수 있는 방향으로 발전시키는 데 초점을 맞춥니다.