บทนำ: ความเร่งด่วนของความยั่งยืนในยุค AI

ปัญญาประดิษฐ์สีเขียว (Green AI) เป็นหนึ่งในกระบวนทัศน์ที่สำคัญที่สุดของปี 2025 ซึ่งถือเป็นสิ่งจำเป็นสำหรับการเติบโตอย่างรวดเร็วของปัญญาประดิษฐ์และผลกระทบต่อสิ่งแวดล้อม ปัญญาประดิษฐ์สีเขียวเป็นมิตรต่อสิ่งแวดล้อมและครอบคลุมมากกว่าปัญญาประดิษฐ์ทั่วไป เพราะไม่เพียงแต่ให้ผลลัพธ์ที่แม่นยำโดยไม่เพิ่มต้นทุนการประมวลผล แต่ยังช่วยให้มั่นใจได้ว่านวัตกรรมทางเทคโนโลยีจะควบคู่ไปกับความรับผิดชอบต่อสิ่งแวดล้อมอีกด้วย

‍

ความเร่งด่วนของแนวทางนี้แสดงให้เห็นได้จากข้อมูลล่าสุด: MIT News ระบุว่าความต้องการพลังงานของศูนย์ข้อมูลในอเมริกาเหนือเพิ่มขึ้นจาก 2,688 เมกะวัตต์ ณ สิ้นปี 2565 เป็น 5,341 เมกะวัตต์ ณ สิ้นปี 2566 ซึ่งส่วนหนึ่งเป็นผลมาจากความต้องการ AI เชิงสร้างสรรค์ (generative AI) ยิ่งไปกว่านั้น MIT Technology Review ระบุว่า ปัจจุบันพลังงานทั้งหมดในสหรัฐอเมริกา 4.4% ถูกใช้ไปกับศูนย์ข้อมูล โดยความเข้มข้นของคาร์บอนจากไฟฟ้าที่ศูนย์ข้อมูลใช้นั้นสูงกว่าค่าเฉลี่ยของสหรัฐอเมริกาถึง 48% (จากการศึกษาของ Harvard T.H. Chan School of Public Health)

‍

ผลกระทบต่อสิ่งแวดล้อมของ AI: วิกฤตที่กำลังพัฒนา

การใช้พลังงานระเบิด

การเติบโตของ AI นำไปสู่การเปลี่ยนแปลงครั้งใหญ่ในภูมิทัศน์พลังงานโลก MIT Technology Review ระบุว่า ณ ปี 2018 ศูนย์ข้อมูลมีสัดส่วนความต้องการใช้ไฟฟ้าทั้งหมด 4.4% เพิ่มขึ้นจาก 1.9% ในปี 2018 การคาดการณ์ในอนาคตยิ่งน่าตกใจยิ่งขึ้นไปอีก โดยรายงานจากสำนักงานพลังงานระหว่างประเทศ (IEA) คาดการณ์ว่าการใช้ไฟฟ้าในศูนย์ข้อมูลจะเพิ่มขึ้นมากกว่าสองเท่าภายในปี 2030

‍

โมเดล AI แบบสร้างกำลังผลักดันตัวเลขเหล่านี้ให้สูงขึ้น ดังที่ MIT News ได้เน้นย้ำไว้ การฝึกคลัสเตอร์ AI แบบสร้างอาจใช้พลังงานมากกว่าภาระงานการประมวลผลทั่วไปถึงเจ็ดถึงแปดเท่า ยกตัวอย่างเช่น การฝึก GPT-3 ใช้ไฟฟ้าถึง 1,287 เมกะวัตต์-ชั่วโมง (เพียงพอสำหรับบ้านชาวอเมริกันโดยเฉลี่ยประมาณ 120 หลังต่อปี) ก่อให้เกิดก๊าซคาร์บอนไดออกไซด์ประมาณ 552 ตัน

‍

การเพิ่มระดับพลังของฮาร์ดแวร์

การแข่งขันเพื่อผลิตโมเดลที่มีประสิทธิภาพมากขึ้นเรื่อยๆ ส่งผลให้พลังของฮาร์ดแวร์เพิ่มสูงขึ้น Deloitte ระบุว่า GPU สำหรับ AI ทำงานที่ 400 วัตต์จนถึงปี 2022 ขณะที่ GPU ที่ทันสมัยสำหรับ AI แบบเจเนอเรทีฟในปี 2023 ทำงานที่ 700 วัตต์ และคาดว่าชิปรุ่นใหม่ในปี 2024 จะทำงานที่ 1,200 วัตต์ ซึ่งถือเป็นการเพิ่มขึ้นแบบทวีคูณที่ส่งผลกระทบต่อโครงสร้างพื้นฐานด้านพลังงานทั่วโลก

‍

โซลูชันฮาร์ดแวร์เพื่อประสิทธิภาพการใช้พลังงาน

ชิปเฉพาะทาง: การปฏิวัติฮาร์ดแวร์ AI

การตอบสนองของอุตสาหกรรมฮาร์ดแวร์ต่อวิกฤตพลังงาน AI กำลังเกิดขึ้นจริงผ่านชิปที่มีความเฉพาะทางและมีประสิทธิภาพเพิ่มมากขึ้น:

หน่วยประมวลผลเทนเซอร์ (TPU) : TechTarget ระบุว่า TPU คือ ASIC ที่ออกแบบมาสำหรับการคำนวณปริมาณมากและความแม่นยำต่ำ โดยมีการดำเนินการอินพุต/เอาต์พุตหลายรายการต่อจูล TPU v6e คือชิปรุ่นล่าสุดของ Trillium ซึ่งเปิดตัวในเดือนตุลาคม 2567 มีประสิทธิภาพการประมวลผลสูงสุดต่อชิปสูงกว่า TPU v5e ถึง 4.7 เท่า

‍

Field-Programmable Gate Arrays (FPGAs) : IBM เน้นย้ำว่า FPGA ยังเหมาะสำหรับงานที่ให้ความสำคัญกับประสิทธิภาพการใช้พลังงานมากกว่าความเร็วในการประมวลผล และยังมีความยืดหยุ่นในการปรับให้เข้ากับอัลกอริทึม AI ที่พัฒนาอย่างรวดเร็วอีกด้วย

‍

วงจรรวมเฉพาะแอปพลิเคชัน (ASIC) : ตามที่ Geniatech ระบุ ASIC นำเสนอข้อดีของการใช้พลังงานต่ำ ความเร็ว และพื้นที่ขนาดเล็ก ถือเป็นโซลูชันที่มีประสิทธิภาพสูงสุดสำหรับเวิร์กโหลด AI ที่มีปริมาณงานสูงโดยเฉพาะ

การเกิดขึ้นของ Edge AI

แนวโน้มสำคัญสำหรับความยั่งยืนคือการก้าวไปสู่การประมวลผลแบบเอจ (edge computing) Geniatech คาดการณ์ว่า Gartner คาดการณ์ว่าภายในปี 2568 การประมวลผลแบบเอจจะประมวลผลข้อมูล 75% ของกรณีการใช้งานทั้งหมด ซึ่งจะช่วยลดความจำเป็นในการส่งข้อมูลไปยังศูนย์ข้อมูลส่วนกลางและการใช้พลังงานที่เกี่ยวข้องลงอย่างมาก

‍

ความก้าวหน้าด้านประสิทธิภาพการใช้พลังงาน

การปรับปรุงประสิทธิภาพต่อวัตต์อย่างน่าทึ่ง

อุตสาหกรรมกำลังมีความก้าวหน้าอย่างมากในด้านประสิทธิภาพการใช้พลังงาน NVIDIA ระบุว่า มีประสิทธิภาพเพิ่มขึ้น 10,000 เท่าในการฝึกอบรมและการอนุมาน AI ตั้งแต่ปี 2016 ถึงปี 2025 ซึ่งแสดงให้เห็นถึงศักยภาพในการพัฒนาที่สำคัญ

‍

อย่างไรก็ตาม ความเป็นจริงนั้นซับซ้อนกว่านั้นมาก ดังที่ David Mytton รายงานไว้ในบล็อก DeVSustainability ของเขา เซิร์ฟเวอร์แบบซ็อกเก็ตคู่ในปัจจุบันใช้พลังงานระหว่าง 600 ถึง 750 วัตต์ เทียบกับ 365 วัตต์ในช่วงปี 2007 ถึง 2023 ซึ่งบ่งชี้ว่าแม้ประสิทธิภาพต่องานจะดีขึ้น แต่พลังงานของระบบโดยรวมยังคงเพิ่มขึ้นอย่างต่อเนื่อง

การเพิ่มประสิทธิภาพซอฟต์แวร์และสถาปัตยกรรม

กลยุทธ์ด้านซอฟต์แวร์กำลังกลายมาเป็นส่วนเสริมที่สำคัญสำหรับการปรับปรุงฮาร์ดแวร์:

การเพิ่มประสิทธิภาพของแบบจำลอง : แบบจำลองควอนตัมมีแนวโน้มที่จะต้องใช้พารามิเตอร์ในการฝึกอบรมน้อยกว่าแบบจำลองคลาสสิกอย่างมาก ซึ่งชี้ให้เห็นแนวทางอื่นในการลดความซับซ้อนในการคำนวณ

‍

การจัดการพลังงานอัจฉริยะ : ตาม MIT Sloan การจำกัดการใช้งานไว้ที่ 150 หรือ 250 วัตต์ (ประมาณ 60% ถึง 80% ของพลังงานทั้งหมด) ขึ้นอยู่กับโปรเซสเซอร์ที่ใช้ ไม่เพียงแต่ช่วยลดการใช้พลังงานโดยรวมของเวิร์กโหลดเท่านั้น แต่ยังช่วยลดอุณหภูมิในการทำงานอีกด้วย

‍

ความริเริ่มขององค์กรและความมุ่งมั่นด้านสิ่งแวดล้อม

Microsoft: ความเป็นผู้นำด้านคาร์บอนเชิงลบ

ไมโครซอฟท์ได้ให้คำมั่นสัญญาที่ทะเยอทะยานที่สุดข้อหนึ่งในอุตสาหกรรม ดังที่ระบุไว้ในบล็อกอย่างเป็นทางการของไมโครซอฟท์ในปี 2020 ว่า "ภายในปี 2025 เราจะเปลี่ยนผ่านไปสู่พลังงานหมุนเวียน 100% หมายความว่าเราจะได้ทำสัญญาซื้อขายพลังงานสีเขียวสำหรับพลังงานไฟฟ้าที่ปล่อยคาร์บอน 100% ที่ใช้ในศูนย์ข้อมูล อาคาร และวิทยาเขตทั้งหมดของเรา"

‍

นอกจากนี้ บริษัทยังได้จัดตั้งกองทุนนวัตกรรมสภาพอากาศมูลค่า 1 พันล้านดอลลาร์เพื่อเร่งการพัฒนาเทคโนโลยีการลด การดักจับ และการกำจัดคาร์บอนทั่วโลก

อย่างไรก็ตาม ความเป็นจริงนั้นเต็มไปด้วยความท้าทาย ข้อมูลจาก GeekWire ระบุว่า Microsoft ปล่อยก๊าซคาร์บอนไดออกไซด์เทียบเท่ามากกว่า 15.4 ล้านเมตริกตันในปีที่แล้ว โดยการปล่อยก๊าซเรือนกระจกในขอบเขตที่ 3 คิดเป็นมากกว่า 96% ของปริมาณการปล่อยก๊าซคาร์บอนทั้งหมดของบริษัท

Google: ผู้บุกเบิกด้านพลังงานหมุนเวียน

Google ได้บรรลุเป้าหมายสำคัญด้านความยั่งยืน เว็บไซต์อย่างเป็นทางการของ Google Sustainability ระบุว่า "ในปี 2017 Google มุ่งมั่นที่จะใช้พลังงานหมุนเวียน 100% และบรรลุเป้าหมายนี้สำเร็จในปี 2020"

‍

บริษัทยังคงลงทุนอย่างหนักต่อไป: ตามรายงานความยั่งยืนของ Google ในปี 2025 ระบุว่า "ในปี 2024 เราได้ทำสัญญาพลังงานหมุนเวียนใหม่เพิ่มอีก 19 กิกะวัตต์ใน 16 ประเทศ และขยายไปสู่พลังงานนิวเคลียร์ด้วยการลงนามในข้อตกลงการซื้อพลังงานนิวเคลียร์ครั้งใหญ่ครั้งแรกของเรา"

Amazon Web Services: ความท้าทายของการปรับขนาด

AWS ผู้ให้บริการคลาวด์รายใหญ่ที่สุดของโลก ได้ตั้งเป้าหมายที่ทะเยอทะยานไว้ แต่กลับถูกวิพากษ์วิจารณ์ว่าขาดความโปร่งใส Climatiq ระบุว่า "Amazon ประกาศโครงการพลังงานลมและพลังงานแสงอาทิตย์ใหม่ 18 โครงการในภูมิภาค AWS ในสหรัฐอเมริกา ฟินแลนด์ เยอรมนี อิตาลี และสหราชอาณาจักร รวมกำลังการผลิตพลังงานหมุนเวียนใหม่ 5.6 กิกะวัตต์"

‍

อย่างไรก็ตาม จากแหล่งข่าวเดียวกันนี้ "คำวิจารณ์เกี่ยวกับการรายงานปริมาณคาร์บอนฟุตพริ้นท์ของ AWS สามารถสรุปได้ว่าไม่ละเอียด ไม่โปร่งใส และไม่เป็นประโยชน์ต่อทีมเทคโนโลยีที่พยายามปรับการใช้งานให้เหมาะสม"

กรอบงานและเครื่องมือสำหรับ AI สีเขียว

เครื่องมือตรวจสอบการปล่อยมลพิษ

อุตสาหกรรมได้พัฒนาเครื่องมือต่างๆ เพื่อตรวจสอบและลดผลกระทบต่อสิ่งแวดล้อมของ AI:

CarbonTracker และ CodeCarbon : ตามข้อมูลของ Carbon Credits “เครื่องมือบางตัวที่ใช้ในการประมาณปริมาณคาร์บอนฟุตพริ้นท์ของเทคโนโลยี AI ได้แก่ CarbonTracker, CodeCarbon, Green Algorithms และ PowerTop”

eco2AI : ตามที่อธิบายไว้ใน Doklady Mathematics ว่า “eco2AI เป็นไลบรารีโอเพนซอร์สที่สามารถติดตามการปล่อยคาร์บอนเทียบเท่าระหว่างการฝึกอบรมหรือการอนุมานของโมเดล AI ที่ใช้ Python โดยคำนึงถึงการใช้พลังงานของอุปกรณ์ CPU, GPU, RAM”

กรอบการทำงานการนำ AI สีเขียวไปใช้

จากการศึกษาที่ตีพิมพ์ใน Industry Science ระบุว่า "เครื่องมือที่ซับซ้อนซึ่งใช้ Python ซึ่งได้รับการออกแบบมาเพื่อติดตามและจัดการปริมาณคาร์บอนฟุตพริ้นท์ของการฝึกอบรมโมเดลการเรียนรู้ของเครื่องจักรและงานคำนวณอื่นๆ ถือเป็นวิวัฒนาการไปสู่เครื่องมือที่ซับซ้อนยิ่งขึ้นสำหรับการจัดการความยั่งยืนของ AI"

‍

กฎระเบียบและนโยบายสาธารณะ

พระราชบัญญัติ AI ของสหภาพยุโรป: รูปแบบระดับโลก

สหภาพยุโรปได้เป็นผู้นำในการกำกับดูแล AI ที่ยั่งยืน รัฐสภายุโรประบุว่า "ในเดือนมิถุนายน 2567 สหภาพยุโรปได้นำกฎเกณฑ์เกี่ยวกับ AI ฉบับแรกของโลกมาใช้ พระราชบัญญัติปัญญาประดิษฐ์จะมีผลบังคับใช้อย่างสมบูรณ์ภายใน 24 เดือนหลังจากมีผลบังคับใช้"

‍

ที่สำคัญ ตามที่มูลนิธิซอฟต์แวร์สีเขียวกล่าวไว้ว่า "พระราชบัญญัติ AI ของสหภาพยุโรปมีความสำคัญมากยิ่งขึ้นเมื่อพิจารณาในบริบทที่สหภาพยุโรปเป็นผู้นำระดับโลกในด้านนโยบายด้านสิ่งแวดล้อมและสภาพภูมิอากาศในปัจจุบัน"

ช่องว่างด้านกฎระเบียบและคำแนะนำ

แม้จะมีความก้าวหน้า แต่ยังคงมีช่องว่างสำคัญอยู่ ดังที่ได้เน้นย้ำไว้ในบทความที่ตีพิมพ์ใน arXiv ว่า "ข้อเสนอปัจจุบันเกี่ยวกับการกำกับดูแล AI ทั้งในสหภาพยุโรปและประเทศอื่นๆ มีเป้าหมายเพื่อส่งเสริม AI ที่มีความน่าเชื่อถือ (เช่น พระราชบัญญัติ AI) และมีความรับผิดชอบ (เช่น ความรับผิดของ AI) อย่างไรก็ตาม สิ่งที่ขาดหายไปคือวาทกรรมด้านกฎระเบียบที่เข้มแข็งและแผนงานสำหรับการทำให้ AI และเทคโนโลยีโดยรวมมีความยั่งยืนต่อสิ่งแวดล้อม"

‍

ผู้เชี่ยวชาญเสนอแนวทางแก้ไขที่เป็นรูปธรรม: ตามรายงานของสถาบัน Tony Blair Institute for Global Change ระบุว่า "กำหนดและนำมาตรวัดแนวปฏิบัติที่ดีที่สุดมาใช้ในการใช้พลังงานและการปล่อยคาร์บอนของศูนย์ข้อมูล โดยแยกข้อมูลที่เกี่ยวข้องกับ AI ออกไป"

‍

แนวโน้มและความท้าทายในอนาคต

การคาดการณ์การเติบโตของพลังงาน

การคาดการณ์ในอนาคตนั้นน่ากังวลและเต็มไปด้วยโอกาสไปพร้อมๆ กัน IDC ระบุว่า "การใช้ไฟฟ้าของศูนย์ข้อมูลทั่วโลกจะเพิ่มขึ้นมากกว่าสองเท่าระหว่างปี 2566 ถึง 2571 โดยมีอัตราการเติบโตเฉลี่ยต่อปี (CAGR) 5 ปีที่ 19.5% และจะสูงถึง 857 เทระวัตต์ชั่วโมง (TWh) ในปี 2571"

‍

โดยเฉพาะอย่างยิ่งสำหรับ AI ตามรายงาน IDC เดียวกัน "คาดว่าการใช้พลังงานของศูนย์ข้อมูล AI จะเติบโตที่อัตรา CAGR 44.7% และจะไปถึง 146.2 เทราวัตต์ชั่วโมง (TWh) ภายในปี 2027"

แนวทางเชิงนวัตกรรมสู่ความยั่งยืน

แนวทางเชิงนวัตกรรมกำลังเกิดขึ้น เช่น Sustain AI ซึ่งอธิบายไว้ในเอกสาร MDPI ว่าเป็น "กรอบการทำงานการเรียนรู้เชิงลึกแบบหลายโหมดที่ผสานรวม Convolutional Neural Networks (CNNs) เพื่อการตรวจจับข้อบกพร่อง Recurrent Neural Networks (RNNs) สำหรับการสร้างแบบจำลองการใช้พลังงานเชิงทำนาย และ Reinforcement Learning (RL) เพื่อการเพิ่มประสิทธิภาพพลังงานแบบไดนามิก"

‍

AI ที่เป็นมิตรต่อสิ่งแวดล้อม vs. AI ที่เป็นมิตรต่อสิ่งแวดล้อม: สองแนวคิดเสริมกัน

AI สีเขียว: การเพิ่มประสิทธิภาพภายใน

แนวคิด "Green-in AI" มุ่งเน้นไปที่การออกแบบอัลกอริทึมและแบบจำลองที่มีประสิทธิภาพมากขึ้น จากบทวิจารณ์ที่ตีพิมพ์ใน ScienceDirect พบว่าสิ่งเหล่านี้คือ "กลยุทธ์สำหรับการออกแบบอัลกอริทึมและแบบจำลองการเรียนรู้ของเครื่องที่ประหยัดพลังงานมากขึ้น โดยมุ่งเน้นไปที่การปรับปรุงประสิทธิภาพฮาร์ดแวร์และซอฟต์แวร์"

‍

Green-by AI: AI เพื่อความยั่งยืน

แนวคิด "Green-by-AI" ใช้ประโยชน์จาก AI เพื่อพัฒนาความยั่งยืนในภาคส่วนอื่นๆ จากผลการวิจัยของ ScienceDirect ฉบับเดียวกันนี้ แนวคิดนี้แสดงให้เห็นถึง "แนวทาง AI ในการพัฒนาแนวปฏิบัติที่เป็นมิตรต่อสิ่งแวดล้อมในภาคส่วนอื่นๆ โดยใช้ AI เพื่อเพิ่มประสิทธิภาพการใช้พลังงานในการใช้งานภายนอก"

‍

บทสรุป: สู่อนาคตที่ยั่งยืนของ AI

AI สีเขียวแสดงให้เห็นถึงการเปลี่ยนแปลงครั้งสำคัญในวิธีที่เราคิดและนำปัญญาประดิษฐ์ไปใช้ ข้อมูลจากปี 2025 แสดงให้เห็นว่าเรากำลังอยู่ในจุดเปลี่ยน: ความต้องการไฟฟ้าที่เพิ่มขึ้นสำหรับ AI และศูนย์ข้อมูลเป็นกรณีทดสอบว่าสังคมจะตอบสนองต่อความต้องการและความท้าทายของการใช้ไฟฟ้าในวงกว้างอย่างไร

‍

โซลูชันใหม่ๆ ที่เกิดขึ้น ไม่ว่าจะเป็นฮาร์ดแวร์เฉพาะทางไปจนถึงการประมวลผลควอนตัม ตั้งแต่กรอบการตรวจสอบไปจนถึงนโยบายด้านกฎระเบียบ ล้วนเป็นหนทางสู่ความยั่งยืน อย่างไรก็ตาม ความสำเร็จจะขึ้นอยู่กับความสามารถของอุตสาหกรรมในการสร้างสมดุลระหว่างนวัตกรรมกับความรับผิดชอบต่อสิ่งแวดล้อม เพื่อให้มั่นใจว่า AI จะเป็นแรงผลักดันสำคัญเบื้องหลังความพยายามระดับโลกในการบรรลุความเป็นกลางทางคาร์บอน

‍

ปี 2025 สัญญาว่าจะเป็นปีที่สำคัญยิ่ง ซึ่งการตัดสินใจในวันนี้จะเป็นตัวกำหนดว่า AI จะเป็นส่วนหนึ่งของปัญหาสภาพภูมิอากาศหรือจะเป็นทางออก AI สีเขียวไม่ใช่ทางเลือกอีกต่อไป แต่เป็นสิ่งจำเป็นสำหรับอนาคตที่ก้าวหน้าทางเทคโนโลยีและยั่งยืนทางสิ่งแวดล้อม

‍

คำถามที่พบบ่อย

Green AI คืออะไร?

Green AI คือกระบวนทัศน์ทางเทคโนโลยีที่มุ่งหวังให้ปัญญาประดิษฐ์เป็นมิตรต่อสิ่งแวดล้อมและยั่งยืนมากขึ้น โดยมุ่งเน้นการสร้างผลลัพธ์ที่แม่นยำโดยไม่เพิ่มต้นทุนการประมวลผล เพื่อให้มั่นใจว่านวัตกรรมทางเทคโนโลยีจะควบคู่ไปกับความรับผิดชอบต่อสิ่งแวดล้อม

เหตุใด Green AI จึงมีความจำเป็นอย่างยิ่งในปี 2025?

ความเร่งด่วนนี้เกิดจากผลกระทบต่อสิ่งแวดล้อมที่รุนแรงของ AI ข้อมูลจากปี 2025 แสดงให้เห็นว่า:

• ความต้องการพลังงานของศูนย์ข้อมูลในอเมริกาเหนือเพิ่มขึ้นจาก 2,688 เมกะวัตต์ (สิ้นปี 2565) เป็น 5,341 เมกะวัตต์ (สิ้นปี 2566)
• 4.4% ของพลังงานทั้งหมดในสหรัฐอเมริกาไปที่ศูนย์ข้อมูล
• ความเข้มข้นของคาร์บอนจากไฟฟ้าของศูนย์ข้อมูลสูงกว่าค่าเฉลี่ยของสหรัฐอเมริกา 48%

AI ใช้พลังงานจริงเท่าไร?

ผลกระทบด้านพลังงานของ AI นั้นร้ายแรงมาก:

• ตั้งแต่ปี 2018 ศูนย์ข้อมูลเติบโตจาก 1.9% เป็น 4.4% ของความต้องการพลังงานทั้งหมด
• การฝึกคลัสเตอร์ AI แบบสร้างสรรค์อาจใช้พลังงานมากกว่าภาระการคำนวณทั่วไปถึง 7-8 เท่า
• การฝึกอบรมของ GPT-3 ใช้พลังงาน 1,287 เมกะวัตต์ชั่วโมง (เพียงพอสำหรับบ้านของชาวอเมริกัน 120 หลังเป็นเวลาหนึ่งปี)
• คาดว่าการใช้ศูนย์ข้อมูลจะเพิ่มเป็นสองเท่าภายในปี 2030

ฮาร์ดแวร์มีการพัฒนาอย่างไรเพื่อให้มีประสิทธิภาพมากขึ้น?

อุตสาหกรรมกำลังพัฒนาชิปเฉพาะทาง:

หน่วยประมวลผลเทนเซอร์ (TPU) : TPU v6e มอบประสิทธิภาพที่เร็วกว่า v5e ถึง 4.7 เท่า

Field-Programmable Gate Arrays (FPGAs) : ปรับให้เหมาะสมสำหรับประสิทธิภาพการใช้พลังงานและความยืดหยุ่น

วงจรรวมเฉพาะแอปพลิเคชัน (ASIC) : ให้พลังงานต่ำ ความเร็ว และขนาดเล็ก

อย่างไรก็ตาม พลังงานรวมยังคงเพิ่มขึ้นอย่างต่อเนื่อง: GPU เพิ่มจาก 400W (2022) เป็น 700W (2023) และคาดการณ์ว่าจะเพิ่มขึ้นเป็น 1,200W ในปี 2024

‍

Edge AI คืออะไร และเหตุใดจึงสำคัญต่อความยั่งยืน?

Edge AI ประมวลผลข้อมูลภายในเครื่องแทนที่จะส่งไปยังศูนย์ข้อมูลส่วนกลาง Gartner คาดการณ์ว่าภายในปี 2025 การประมวลผลแบบ Edge จะประมวลผลข้อมูลที่สร้างขึ้นได้ 75% ซึ่งจะช่วยลดการใช้พลังงานที่เกี่ยวข้องกับการส่งข้อมูลได้อย่างมาก

‍

มีความคืบหน้าในเรื่องประสิทธิภาพการใช้พลังงานอย่างไรบ้าง?

NVIDIA ประสบความสำเร็จในการปรับปรุงประสิทธิภาพในการฝึกอบรมและการอนุมาน AI ได้ถึง 10,000 เท่าตั้งแต่ปี 2016 ถึงปี 2025 อย่างไรก็ตาม เซิร์ฟเวอร์สมัยใหม่ใช้พลังงาน 600-750 วัตต์ เมื่อเทียบกับ 365 วัตต์ตั้งแต่ปี 2007 ถึงปี 2023 ซึ่งแสดงให้เห็นว่าแม้ประสิทธิภาพต่อการดำเนินการจะดีขึ้น แต่พลังงานทั้งหมดยังคงเพิ่มขึ้นอย่างต่อเนื่อง

‍

บริษัทเทคโนโลยียักษ์ใหญ่กำลังทำอะไรเพื่อความยั่งยืน?

Microsoft : มุ่งมั่นที่จะใช้พลังงานหมุนเวียน 100% ภายในปี 2568 และตั้งกองทุนนวัตกรรมสภาพภูมิอากาศมูลค่า 1 พันล้านดอลลาร์สหรัฐ อย่างไรก็ตาม ในปี 2567 การปล่อยก๊าซคาร์บอนไดออกไซด์เทียบเท่าอยู่ที่ 15.4 ล้านเมตริกตัน

Google : บรรลุเป้าหมายพลังงานหมุนเวียน 100% ในปี 2020 และทำสัญญาพลังงานหมุนเวียนใหม่ 19 กิกะวัตต์ใน 16 ประเทศภายในปี 2024

Amazon AWS : ประกาศโครงการพลังงานหมุนเวียนใหม่ 18 โครงการ รวม 5.6 กิกะวัตต์ แต่ถูกวิพากษ์วิจารณ์ว่าขาดความโปร่งใสในการรายงาน

‍

มีเครื่องมือในการติดตามผลกระทบต่อสิ่งแวดล้อมของ AI หรือไม่

ใช่ มีเครื่องมือหลายอย่างให้เลือกใช้:

• CarbonTracker และ CodeCarbon : เพื่อประเมินปริมาณการปล่อยคาร์บอนของคุณ
• eco2AI : ไลบรารีโอเพ่นซอร์สสำหรับการติดตามการปล่อยมลพิษระหว่างการฝึกอบรมและการอนุมาน
• กรีนอัลกอริธึมและ PowerTop : เครื่องมือตรวจสอบเฉพาะทางอื่นๆ

Green AI ถูกควบคุมอย่างไร?

สหภาพยุโรปได้เป็นผู้นำในการออก พระราชบัญญัติ AI ของสหภาพยุโรป ซึ่งประกาศใช้ในเดือนมิถุนายน 2567 ซึ่งเป็นกฎ AI ฉบับแรกของโลกที่จะมีผลบังคับใช้อย่างสมบูรณ์หลังจากผ่านไป 24 เดือน อย่างไรก็ตาม ผู้เชี่ยวชาญได้เน้นย้ำถึงช่องว่างในวาทกรรมด้านกฎระเบียบในการทำให้ AI มีความยั่งยืนต่อสิ่งแวดล้อม

การคาดการณ์ในอนาคตสำหรับการใช้พลังงาน AI จะเป็นอย่างไร?

พยากรณ์อากาศน่าตกใจ:

• การบริโภคศูนย์ข้อมูลทั่วโลกจะเพิ่มขึ้นเป็นสองเท่าระหว่างปี 2023 ถึง 2028 (CAGR 19.5%)
• จะถึง 857 TWh ในปี 2028
• การใช้พลังงานเฉพาะสำหรับ AI จะเติบโตที่อัตรา CAGR 44.7% และจะไปถึง 146.2 TWh ภายในปี 2027

ความแตกต่างระหว่าง Green-in AI กับ Green-by AI คืออะไร?

Green-in AI : มุ่งเน้นที่การออกแบบอัลกอริทึมและโมเดลที่มีประสิทธิภาพด้านพลังงานโดยเนื้อแท้มากกว่าด้วยการปรับปรุงฮาร์ดแวร์และซอฟต์แวร์

Green-by AI : ใช้ AI เพื่อปรับปรุงความยั่งยืนในภาคส่วนอื่นๆ โดยใช้ประโยชน์จากปัญญาประดิษฐ์เพื่อเพิ่มประสิทธิภาพการใช้พลังงานในการใช้งานกลางแจ้ง

‍

เหตุใดปี 2025 จึงถือเป็นปีที่สำคัญสำหรับ Green AI

ปี 2025 ถือเป็นจุดเปลี่ยนที่การตัดสินใจในวันนี้จะเป็นตัวกำหนดว่า AI จะเป็นส่วนหนึ่งของปัญหาสภาพภูมิอากาศหรือจะเป็นทางออก การเติบโตของความต้องการใช้ไฟฟ้าสำหรับ AI เป็นบททดสอบว่าสังคมจะรับมือกับความท้าทายของการใช้พลังงานไฟฟ้าในวงกว้างอย่างไร AI สีเขียวไม่ใช่ทางเลือกอีกต่อไป แต่เป็นสิ่งจำเป็นสำหรับอนาคตที่ก้าวหน้าทางเทคโนโลยีและยั่งยืนทางสิ่งแวดล้อม

‍

‍