홍순용AI란 무엇인가? AI는 기계가 이미 알고 있는 것을 새롭고 익숙하지 않은 시나리오에 적용할 수 있는 능력을 말한다. AI 기술은 주변 환경에 대한 인식과 추론, 창의성, 학습 및 계획과 같은 일반적으로 ‘인간’의 능력을 결합하여 특정 목표를 달성하기 위한 최상의 세트를 결정하며, ML을 포함한 다양한 하위 분야를 포괄하는 광범위한 용어로 쓰인다. ML은 데이터에 대해 학습하고 패턴을 식별하는 기능을 갖춘 AI 기술의 한 유형으로, 인간보다 훨씬 더 효율적으로 빅데이터에서 데이터를 처리한다. 데이터 과학자는 ML을 다양한 데이터 세트에 적용하여 노래 추천에서 난파선 찾기에 이르기까지 다양하게 활용하며, 특히 기후 데이터와 같은 대규모 데이터 세트를 처리하는 데 유용하다.
AI를 활용하여 기후 회복력을 강화할 수 있다
실제 ML은 기후 관련 데이터를 해석하는 데 매우 유용한 것으로 입증되었다. 예를 들어, 지구 온도가 높을수록 극심한 더위가 발생할 가능성이 커지는데 이 더위는 가뭄으로 이어져 산불 위험을 높인다. 이때 자산 수준에서 산불과 같은 기후 변화의 영향을 이해하려면 전체 시스템에 대한 이해가 필요하고, ML은 이러한 방대한 양의 기후 데이터에서 관계성을 발견하는 데 유용하다. ML을 기후 과학에 적용하면 기후 인텔리전스(CI)라는 새로운 기능을 통해 기후 관련 위험에 대한 세분화된 자산 수준의 분석이 가능해진다. CI는 기후 위험을 관리하기 위한 자산 수준의 인텔리전스로, ML 알고리즘을 활용하여 단편화된 기후 데이터와 기후 변화와 인간 활동 간의 복잡한 상호 작용을 통합함으로써 물리적 위험을 빠르게 파악하고 확장된 분석이 가능하게 한다. CI가 제공하는 명확성을 통해 기업은 기후 위험에 대한 가시성을 확보하고 극심한 폭풍과 해수면 상승과 같은 영향으로부터 보호하기 위한 적응적 조치에 투자함으로써 자산, 공급망 및 네트워크를 기후 회복력(Business Resilience) 있게 만들 수 있는 것이다.
한 논문은 Atmospheric Rivers(ARs)와 같은 극단적 날씨를 예측하는 알고리즘 연구를 통해 이로 인해 발생하는 홍수와 가뭄 등의 사회경제적 위험을 관리할 수 있는 사례를 제시했다(Shivam Singh 외 1명, 2023). 그 결과, 딥러닝 알고리즘의 적용이 기후 회복력 강화에 긍정적이었다. 이외에도 다양한 ML 알고리즘이 이미 기후변화위험평가(CCRA)에 적용되고 있으며, 주 된 알고리즘으로 결정트리, 랜덤 포레스트, 인공 신경망이 쓰인다(Federica Zennaro 외 6명, 2021). 이처럼 AI와 ML은 기후 모델, 위성 이미지 및 기타 소스에서 방대한 양의 데이터를 분석할 수 있으며, 알고리즘을 적용하여 취약한 지역 식별, 미래 기후 시나리오 시뮬레이션 등 다양한 기능들을 제공할 수 있다. 이를 통해 기후 변화에 대한 이해도를 향상시켜, 기업과 인프라에 대한 기후 변화 관련된 위험을 발견하고 평가 및 관리도 가능케 하는 것이다.
AI는 전기 먹는 하마
그러나 집약적 AI 시스템에서 배출되는 온실가스도 결국 기후 변화 악화에 일조한다. 예로, Chat GPT의 한 가지 질의는 전구 하나를 약 20분 동안 켤 수 있는 전기와 거의 같은 양과 맞먹는다. AI는 답변을 생성하기 위해 검색 질의나 클라우드 스토리지와 같은 기존 인터넷 사용보다 훨씬 더 많은 전력을 사용하는데, Goldman Sachs의 보고서에 따르면 Chat GPT 질의는 Google 검색 질의보다 5~10배 많은 전기를 필요로 하며 작업별 소프트웨어를 실행하는 기계보다는 약 33배 더 많은 에너지를 사용한다. 그리고 AI가 더욱 정교해짐에 따라 더 많은 에너지가 필요하며, 한 장의 이미지 생성은 스마트폰을 완충하는 만큼의 에너지에 이른다. 그리고 이러한 전기 에너지의 대부분은 기후 변화의 주요 원인인 석탄과 가스와 같은 화석 연료를 태우는 데서 나온다. AI는 본질적으로 엄청난 양의 서버를 필요로 하기에 어마어마한 크기의 데이터 센터가 필수불가결하다. 블룸버그에 따르면 전 세계적으로 7,000개가 넘는 데이터 센터가 있으며 이러한 데이터 센터가 합치면 한 국가(이탈리아) 전체가 소비하는 전기량과 맞먹는다고 추정한다.
Google의 최신 환경 보고서에 따르면 2023년 온실가스 배출량은 2019년보다 48% 증가했다. 데이터 센터에서 필요로 하는 에너지양이 증가하고 있으며 AI의 폭발적 성장으로 인해 더욱 악화된 것이다. Google의 목표는 2030년까지 탄소중립을 달성하는 것이지만, AI를 서비스 상품에 통합하는 트렌드에 따라 배출량을 줄이는 것이 현실적으로 어려울 수 있다고 인정했다. 이 거대기업 한 곳뿐이겠는가? 오늘날 많은 기업들이 전산 데이터 시스템이 없으면 일을 할 수가 없는 구조다. 그렇기에 우리는 지금 실존적 위기에 처해 있음을 자각하여 AI가 기후 변화를 악화시킬 수도 있음을 인지해야 한다.
탄소중립의 원칙이 실현되는 기술의 활용
오늘날 누구나 쉽게 사용하고 있는 AI 기능과 클라우드에 저장하는 모든 것이 디지털 탄소 발자국에 영향을 미친다는 것을 사람들은 얼마나 체감할까? 그렇다고 AI를 아예 사용하지 않을 수 없기에 신중하고 효과적인 사용이 필요하다. 네이처의 한 연구 결과에 따르면 AI 시스템은 인간 예술가에 비해 생성된 텍스트 페이지 당 130~1500배 적은 이산화탄소를 배출하며, 이미지당 310~2900배 적은 이산화탄소를 배출한다. 적절한 활용은 오히려 탄소배출을 줄이는 데 도움이 될 수 있기에, 앞으로 많은 프로젝트와 프로그램 및 프레임워크에서 AI를 채택할 시 탄소중립과 같은 공통 목표와 행동을 위해 기후에 부정적 영향을 최소화하는 고려가 항상 수반되어야 할 것이다.
■ 참고문헌
Shivam Singh, Manish Kumar Goyal. 2023. Enhancing climate resilience in businesses: The role of artificial intelligence
Federica Zennaro 외 6명. 2021. Exploring machine learning potential for climate change risk assessment
BBC. 2024. AI drives 48% increase in Google emissions
Nature. 2024. The carbon emissions of writing and illustrating are lower for AI than for humans
Dara Kerr. 2024. AI brings soaring emissions for Google and Microsoft, a major contributor to climate change
Owen Van Eer. 2022. Applying AI and machine learning to tackling climate risk
