UPDATED. 2023-02-03 19:27 (금)
인공지능도 친환경 시대…그린 AI ‘주목’
인공지능도 친환경 시대…그린 AI ‘주목’
  • 최아름 기자
  • 승인 2022.04.02 20:18
  • 댓글 0
이 기사를 공유합니다

딥러닝으로 기후·시스템 분석
에너지 사용·탄소배출 최소화
온실가스 최대 17% 저감

학습·추론 시 탄소배출 ‘막대’
비용절감에 소비 증대 역효과
연산 최소화·효율 제고 노력

[정보통신신문=최아름기자]

기후 변화를 예측, 효과적으로 대응하는 한편, 주된 원인으로 꼽히는 이산화탄소를 인공지능(AI) 기술로 통제하려는 노력이 각국 정부와 기업 차원에서 추진 중이다. 동시에 AI 학습에 필요한 전력 소모 및 탄소 배출량이 막대한 것으로 나타나 이를 최소화하기 위한 그린 AI 기술이 주목받고 있다.

동일한 처리를 하며 이산화탄소 배출을 최소화하는 그린 AI 기술이 주목받고 있다. [사진=클립아트코리아]
동일한 처리를 하며 이산화탄소 배출을 최소화하는 그린 AI 기술이 주목받고 있다. [사진=클립아트코리아]

■온실가스, 이상기후 ‘주범’

폭염, 폭우, 홍수, 산불 등 이상기후 현상이 지역을 막론하고 전 지구적으로 빈발하고 있다. 이러한 기후변화 현상의 주범으로 이산화탄소를 주요 성분으로 하는 온실가스가 지목되고 있다.

지난해 11월 폐막한 제26차 유엔기후변화협약 당사국총회(COP26)에서 전세계 153개국 정상들이 타결한 ‘글래스고 기후합의(Glasgow Climate Pact)’는 지구 온도 상승폭을 1.5℃ 이내로 억제하는 것을 골자로 한다. 기후변화에 관한 정부간 협의체(IPCC)의 보고서에 따르면, 산업화 이후 지구 온도는 약 1℃ 상승했으며, 현재 추세가 이어질 경우 2030~2052년 사이 온도상승폭이 1.5℃에 달해 지구에 무서운 위협이 될 것으로 예측되기 때문. 이를 위해 우리나라는 2030년까지 이산화탄소 배출량을 2010년 대비 최소 45% 이상 감축하고, 2050년경에는 탄소중립(Net-zero)를 달성하겠다고 발표했다.

이에 기후를 예측해 기후 변화로 인한 피해를 최소화하고, 각종 데이터 분석을 통해 에너지 생산 및 사용의 효율을 높여 온실가스 배출을 줄이는 AI 기반 기술이 가장 효과적인 대응 방안으로 부상했다. 이산화탄소를 포집해 활용하거나 저장하는 탄소포집저장(CCS)기술, 생물체를 분해해 에너지를 얻는 바이오에너지나 기후 변화를 조절하는 지구공학 등이 기술적인 문제나 경제성 문제로 실효성 있는 해결책이 되지 못하고 있기 때문.

반면 AI 기술의 경우 최근 기계학습과 딥러닝 등의 비약적 발전에 따라 유의미한 성과를 거두고 있다.

글로벌 컨설팅사인 캡제미니(Capgemini)에서는 AI를 활용해 지난 2년간 온실가스 배출이 12.9% 감소했고, 전력 효율성은 10.9% 향상됐다고 발표했다. 캡제미니는 2030년까지 AI를 통해 기존 시나리오 대비 4~17% 가량 온실가스 배출을 낮출 것으로 전망하고 있다.

■데이터 분석·예측해 시스템 효율 최적화

먼저 AI는 지구환경 변화에 대한 대규모 탐지 및 모니터링에 활용되고 있다.

유럽우주국(ESA)의 ‘AI4EO(Artificial Intelligence for Earth Observation)’ 이니셔티브는 최근 AI 기술을 위성을 통한 지구관측 분야에 적용해 전지구적 당면 문제에 대한 해결책을 모색하기 위한 챌린지를 열었다. 이를 통해 미세먼지(PM2.5) 및 이산화질소(NO2)의 표면 농도에 대한 AI 기반 분석 및 예측모델 개발을 목표로 3개월간 진행됐다. 참가자들은 위성 데이터를 활용해 고해상도의 PM2.5 및 이산화질소의 표면 농도 시각화와 대기질 측정을 위한 AI 모델을 개발했다.

기후 분석을 통한 신재생에너지 생산량 예측도 가능하다. 미국 에너지부(US Department of Energy)와 미국 국립 대기연구센터는 ‘썬포캐스트(Sun4Cast)’ 프로젝트를 통해 AI 기반의 지표면 태양 복사 조도와 일조량을 예측하고 이를 기반으로 15분 간격으로 72시간 앞의 태양열 발전량 예측값을 제시했다.

덴마크의 풍력발전기 제조업체인 베스타스(Vestas)는 IBM과의 협력을 통해 풍력발전 생산량을 극대화하기 위한 AI 기반의 풍력 터빈 입지선정 모델을 도입, 평소 3주 정도 소요되던 입지선정 분석을 15분 정도로 단축시켰다.

센서 데이터 분석, 예측을 통해 건물 에너지 효율을 극대화하는 기술도 실효를 거두고 있다.

[출처=KISDI]
[출처=KISDI]

덴마크의 댄포스(Danfoss)는 IoT 기반의 건물 냉난방 솔루션 전문 업체인 린히트(Leanheat)와 AI 기술을 활용한 건물 냉난방 시스템 최적화 솔루션을 개발했다. 이를 통해 건물에서 소비하는 에너지의 10~20% 가량을 절약할 수 있으며 유럽에서만 연간 약 2500톤의 이산화탄소 배출을 줄이는 것으로 나타났다.

지구 전체 온실가스 배출의 2%를 차지하는 것으로 알려진 데이터센터 전력을 절감하는 기술도 구글 딥마인드(DeepMind)에 의해 개발됐다. 구글은 데이터센터 내의 수천 개 센서에서 수집되는 온도, 전력 등의 데이터와 팬, 냉각 시스템, 창문 등 약 120여개의 변수를 다양한 운영 시나리오를 기반으로 학습시켜 센터 냉각을 최적화하는 시스템을 개발했다. 그 결과 데이터센터 전체 전력 소모는 15% 이상 줄어들었으며, 데이터센터 냉각 비용은 40% 이상 절감했다.

산업 현장에 적용된 성공 사례들도 눈길을 끈다. 보쉬 전장(Robert Bosch GmbH)의 경우 AI를 사용해 향후 에너지 소비량을 예측하고, 높은 정점 부하를 피해 전력소비 패턴의 편차를 관리한 결과, 2년 만에 에너지 10%를 절감한 것으로 나타났다. 물류 최적화 기업인 로커스(Locus.sh) 역시 라스트마일에 대한 경로 최적화로 25%의 효율성 향상과 온실가스 절감을 달성했다.

■단일 모델 학습에 284톤 CO2 배출

하지만 기후 예측이나 대응을 위한 AI 학습에 소요되는 막대한 전력량으로 인해 오히려 AI가 온실가스 배출의 원흉이 될 것이라는 주장도 힘을 얻고 있다.

엠마 스트루벨(Emma Strubell) 미국 매사추세츠대 교수 연구진이 2019년 발표한 논문에 따르면, 단일 딥러닝 모델을 학습하면 최대 284톤의 이산화탄소를 배출된다. 이는 일반적으로 자동차가 생산돼 폐차될 때까지 발생하는 이산화탄소 발생량의 5배 수준이 되는 양이다.

인류 역사상 가장 뛰어난 AI으로 불리는 자연어처리(NLP) AI인 GPT-3를 훈련하기 위해서는 일반 가정 126채의 연간 소비량에 해당하는 에너지인 190메가와트(㎽)가 필요한데, 이 때 자동차로 70만㎞를 이동할 때 발생하는 탄소(85톤)가 발생된다.

현재 딥러닝 방식은 인간의 학습방식과 비교하면 비효율적이기 때문에, 이해하는 법을 익힐 때까지 엄청난 양의 데이터를 읽어내야 하고, 이는 결국 많은 에너지 사용과 탄소 배출로 이어지는 것이다.

AI 모델 훈련뿐 아니라, 이후 추론하는 과정에서도 많은 에너지가 소모된다는 점도 주목해야 한다. 엔비디아는 신경망 AI 비용의 80~90% 정도가 훈련이 아닌 추론 과정에서 발생한다고 추정하고 있다.

기후 예측이나 에너지 최적화 기술의 발전 자체가 역설적으로 탄소 배출량을 늘릴 것이라는 전망도 나온다. AI 기술을 통해 건물이나 생산 효율성이 크게 개선될 경우, 이는 에너지 소비량당 비용을 줄여 오히려 전력 사용을 늘릴 수도 있기 때문이다.

■컴퓨팅 최소화 AI 개발 ‘강조’

이에 따라 관련 학계 및 업계에서는 모델 훈련에 필요한 컴퓨팅 파워와 탄소 배출량을 최소화하려는 ‘그린 AI(Green AI)’가 점차 강조되고 있는 추세다. 그린 AI는 히브리대학의 로이 슈워츠(Roy Schwartz) 와 공저자들이 처음 제시한 개념으로, 기존의 AI 연구 트렌드가 환경을 고려하지 않은 ‘성능’에 주로 초점이 맞춰져 있었다면, 앞으로는 환경을 고려한 효율성에도 무게를 둬야 한다는 내용이다.

이를 위해 효율적인 매개변수 방법, 불필요한 학습 감소 등을 통해 알고리즘의 효율성을 높이는 방식에 관심이 높아지고 있다.

이러한 노력은 결과로 이어지고 있는 듯 보인다. GPT 개발사인 오픈AI에 따르면, 이미지넷에서 이미지 분류 훈련 시 필요한 컴퓨팅 파워는 2012년 이후 16개월마다 절반씩 감소하고 있는 것으로 알려졌다.

하드웨어 차원의 노력도 진행 중이다. 구글의 텐서 프로세서(TPU), 프로그래머블 게이트 어레이(FPGA), 주문형반도체(ASIC)같은 하드웨어 가속기를 통한 가속이나 네트워크 압축을 통해 계산 복잡성을 줄여 소모 전력을 줄이려는 시도가 그것이다.

하드웨어, 클라우드 제공 업체 및 지리적 지역을 포함한 요인을 기반으로 구축한 AI 모델의 탄소 발생 및 에너지 소모량을 추정하는 도구도 개발된 상태로, AI 학습 효율을 제고하는 데 기여할 수 있을 것으로 보인다.


관련기사

댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.

  • [인터넷 신문 등록 사항] 명칭 : ㈜한국정보통신신문사
  • 등록번호 : 서울 아04447
  • 등록일자 : 2017-04-06
  • 제호 : 정보통신신문
  • 대표이사·발행인 : 문창수
  • 편집인 : 이민규
  • 편집국장 : 박남수
  • 서울특별시 용산구 한강대로 308 (한국정보통신공사협회) 정보통신신문사
  • 발행일자 : 2023-02-03
  • 대표전화 : 02-597-8140
  • 팩스 : 02-597-8223
  • 청소년보호책임자 : 이민규
  • 사업자등록번호 : 214-86-71864
  • 통신판매업등록번호 : 제 2019-서울용산-0472호
  • 정보통신신문의 모든 콘텐츠(영상,기사, 사진)는 저작권법의 보호를 받은바, 무단 전재·복사·배포 등을 금합니다.
  • Copyright © 2011-2023 정보통신신문. All rights reserved. mail to webmaster@koit.co.kr
인터넷신문위원회 abc협회 인증 ND소프트