AI 수요가 에너지 사용을 촉진하더라도 컴퓨팅의 미래는 더욱 지속 가능해야 합니다.

국가는 지속 가능성을 달성하기 위해 인공 지능을 활용해야 하지만 기술 채택이 증가하면 전력 소비가 증가할 것입니다.

컴퓨팅의 미래는 인공 지능(AI)이 이를 달성하는 데 역할을 함으로써 더욱 지속 가능해야 하며, 기술 채택이 증가함에 따라 에너지 소비가 늘어나는 상황에서도 마찬가지입니다.

싱가포르 부총리 Heng Swee Keat는 AI와 같은 디지털 기술이 전력망 최적화, 지속 가능한 공급망 개발 등 배출량을 줄이는 방법을 찾는 데 도움이 될 수 있다고 말했습니다.

AI 모델은 복잡한 환경 데이터를 분석하고, 개선할 영역을 찾고, 보다 효율적인 데이터 중심 의사 결정을 내릴 수 있다고 싱가포르에서 열린 Alibaba-NTU Global E-Sustainability Corplab 런칭 행사에서 Heng이 말했습니다.

하지만 디지털화 자체도 탄소 배출량을 크게 늘릴 수 있으며, 기술 산업만으로도 현재 전 세계 온실가스 배출량의 약 1.5~4%를 기여하고 있다고 그는 말했습니다.

그는 “디지털 혁명과 녹색 혁명은 서로 얽혀 있다”고 덧붙였다. "지속 가능성의 미래가 AI에 의해 주도되는 것처럼 컴퓨팅의 미래도 더욱 친환경적이어야 합니다."

AI 활용도가 높아지면서 에너지 소비도 늘어날 수밖에 없는 만큼, 모두가 AI를 잘 활용해야 한다고 그는 말했다.

이를 위해서는 정책을 포함하여 지속 가능성을 달성하면서 AI가 최적으로 배포되도록 다양한 조치가 필요하다고 Heng은 말했습니다. 예를 들어, 싱가포르의 친환경 데이터 센터 로드맵은 친환경 에너지 사용, 효율성 및 컴퓨팅 용량을 최적화하기 위해 올해 초 도입되었습니다. 이는 데이터 센터 운영자가 기업과 협력하여 하드웨어 및 소프트웨어의 에너지 효율성을 향상시키는 한편, 에너지 공급업체는 녹색 에너지 사용을 확대해야 한다는 필요성을 간략하게 설명합니다.

그는 알리바바와 난양기술대학교(NTU)가 설립한 새로운 기업 연구소가 싱가포르의 연구, 혁신 및 기업 역량을 강화하는 역할을 하며, 특히 연구 통찰력을 실질적인 실제 응용 프로그램으로 전환하는 데 역할을 한다고 덧붙였습니다. 이러한 협력은 틈새 역량을 강화하고 학제간 연구를 촉진할 것이라고 그는 말했습니다.

현재 싱가포르에는 효율적인 탄소 포집 및 탄화 기술 개발을 포함한 노력을 기울이고 있는 ExxonMobil-NTU-A*Star 기업 연구소와 같이 대학 전체에 20개 이상의 기업 연구소가 있다고 Heng은 말했습니다.

Alibaba-NTU 연구 시설의 초점은 친환경 AI 모델과 같은 지속 가능한 디지털 애플리케이션을 구축하여 에너지 사용을 줄이고 환경에 미치는 영향을 최소화하는 새로운 방법을 찾는 것입니다. 이는 스마트 디지털 기술과 더 큰 도시 지속 가능성을 더욱 뒷받침할 수 있다고 그는 덧붙였습니다.

AI가 환경에 미치는 영향에 대한 우려에도 불구하고 조직이 AI 도입을 주저할 가능성이 낮기 때문에 이는 점점 더 중요해질 수 있습니다.

AI 데이터 플랫폼 WEKA와 S&P Global Market Intelligence가 발표한 연구에 따르면 약 64%는 AI와 머신러닝 이니셔티브가 에너지 사용과 탄소 배출량에 어떤 영향을 미칠지에 대해 우려를 표명했습니다. 또 다른 25%는 이러한 영향에 대해 매우 우려하고 있다고 말했습니다.

2024년 2분기에 실시된 이 설문조사는 기업, 연구 기관, AI 기술 공급업체 전반에 걸쳐 AI 및 머신러닝 의사 결정자 1,519명을 대상으로 실시되었습니다.

응답자의 약 42%는 자신의 조직이 지난 1년 동안 AI 프로젝트가 환경에 미칠 수 있는 잠재적 영향을 해결하기 위해 에너지 효율적인 IT 하드웨어에 투자했다고 말했습니다. 그 중 56%는 이것이 매우 높거나 매우 높은 영향을 미쳤다고 답했습니다.

우려에도 불구하고 응답자의 33%는 광범위하게 구현되고 상당한 가치를 창출하는 AI 프로젝트를 보유하고 있으며 작년의 28%와 비교됩니다. 북미 지역의 응답자들이 가장 많은 비중을 차지하고 있으며, 48%가 널리 구현된 AI를 보유하고 있으며, 아시아 태평양 지역이 26%, EMEA 지역이 25%로 그 뒤를 이었습니다.

또한 88%는 다른 AI 애플리케이션보다 앞선 Gen AI를 적극적으로 조사하고 있습니다. 예를 들어 61%는 예측 모델을 탐색하고, 51%는 분류를 탐색하고, 30%는 전문가 시스템을 탐색하고, 30%는 로봇공학을 탐색하고 있습니다.

응답자의 약 24%는 Gen AI를 조직 전체에 배포된 통합 기능으로 보고 있습니다. 또 다른 37%는 Gen AI를 생산 중이지만 아직 확장하지 않았으며, 11%는 아직 Gen AI에 투자하지 않았습니다.

조직에서는 평균적으로 파일럿 단계에 10개의 AI 프로젝트가 있고 16개는 제한적으로 배포됩니다. 단 6개의 AI 이니셔티브가 대규모로 배포되었습니다.

배포에 대한 가장 큰 기술 장벽에 대해 묻는 질문에 35%는 스토리지 및 데이터 관리를 꼽았고, 26%는 컴퓨팅을, 23%는 보안을 방해 요소로 꼽았습니다.