อย่างที่รู้ๆกันว่าในปัจจุบันเทคโนโลยีปัญญาประดิษฐ์ (Artificial Intelligence: AI) หรือ เอไอ กำลังเป็น เทคโนโลยีที่กำลังมาแรง โดยเฉพาะ Generative AI หรือ  Gen AI ที่กำลังถูกพูดถึงในวงกว้างอย่างเช่น แชท จีดีพี (ChatGPT)

แต่ในอีกมุมหนึ่งนั้น Generative AI  นอกจากในมุมที่บวกแล้ว ก็มีมุมลบเช่นกัน เพราะการนำ การนำ ChatGPT มาใช้อย่างรวดเร็วอาจส่งผลเชิงลบด้านสิ่งแวดล้อมในหลายมิติ จนมีความกังวลกันว่า สร้างผลเสียมากกว่าผลดีในแง่ ของการปล่อยก๊าซเรือนกระจก (GHG) และปริมาณการใช้ไฟฟ้าและน้ำ

โดยทาง  “คริสติน โมเยอร์” รองประธานฝ่ายวิจัยการ์ทเนอร์  บริษัทวิจัยและให้คำปรึกษาด้านเทคโนโลยี ระดับโลก  วิเคราะห์ ว่า  การนำ ChatGPT มาใช้อย่างรวดเร็วได้ยกระดับผลกระทบเชิงลบด้านสิ่งแวดล้อมอย่างไรก็ตาม หากใช้อย่างถูกวิธีและอยู่ภายใต้การควบคุมดูแลของมนุษย์ Generative AI ยังสามารถเร่งให้เกิดความยั่งยืนเชิงบวกพร้อม สร้างผลลัพธ์ทางการเงินได้ โดยเทคโนโลยีนี้อาจช่วยให้ บริษัทลดความเสี่ยงด้านความยั่งยืน ปรับต้นทุนให้เหมาะสม และขับเคลื่อนการเติบโตได้

  ทำไม Generative AI  กินพลังงานมาก?

การที่ Generative AI นั้น ต้องใช้พลังงานมาก เพราะเทคโนโลยีนี้ ต้อง พึ่งพาโมเดลภาษาขนาดใหญ่ที่ได้รับ การเทรนจากข้อมูลมหาศาล ซึ่งต้องระบายความร้อนด้วยน้ำหล่อเย็นและใช้พลังงานไฟฟ้า หรืออาจใช้พลังงาน ทั้งสองจำนวนมหาศาลแม้ในระยะยาวการปล่อยก๊าซเรือนกระจกที่เกี่ยวข้องกับไฟฟ้าจะลดลงเมื่อมีการใช้แหล่งพลังงานหมุนเวียนมากขึ้น แต่โมเดล Generative AI ที่พัฒนาให้ทรงพลังยิ่งขึ้น ก็จะต้องการความสามารถในการประมวลผล มากขึ้นตามไปด้วย ก็หนีไม่พ้นต้องใช้พลังงานเพิ่มขึ้นเช่นกัน!!

การสร้างสมดุลระหว่างอันตรายและประโยชน์ของเทคโนโลยีนี้ องค์กรที่ใช้ Generative AI จำเป็นต้องดำเนินการ 2 ประการ ประการแรก คือ สร้างการรับรู้และลดการปล่อยพลังงานของ Generative AI เพื่อให้มันเป็นมิตรต่อสิ่งแวดล้อม มากขึ้น จากนั้นระบุ ประเมินและจัดลำดับความสำคัญยูสเคสที่เกี่ยวกับความยั่งยืนด้านสิ่งแวดล้อม

ลดปล่อยพลังงาน Generative AI

ในอนาคต Generative AI จะต้องมีประสิทธิภาพการทำงานเทียบเท่ากับสมองมนุษย์ เพื่อให้เป็นมิตรกับ สิ่งแวดล้อมมากขึ้น สาเหตุหนึ่งที่ทำให้สมองประหยัดพลังงานมากก็คือ สมองสามารถจัดระเบียบความรู้ในโครงสร้าง เครือข่ายได้ โดยแนวทางที่ใกล้เคียงที่สุดคือ Composite AI คือการรวมโมเดล AI หลายแบบเข้าด้วยกันเพื่อให้ได้ ประสิทธิภาพและความแม่นยำที่ดีขึ้น ซึ่งใช้โครงสร้างเครือข่ายและเทคนิคคล้ายกันเพื่อเสริมกำลังมหาศาล ด้วยวิธีการเรียนรู้เชิงลึกในปัจจุบัน

“Generative AI ยังบริโภคพลังงานไฟฟ้าและน้ำเป็นหลัก ดังนั้นการหยุดเทรน AI ในทันทีหรือการเก็บข้อมูล การเทรนโมเดล การนำโมเดลที่ได้รับการเทรนแล้วกลับมาใช้ใหม่ และการใช้ฮาร์ดแวร์และอุปกรณ์เครือข่าย ที่ประหยัดพลังงานมากขึ้น จะสามารถสร้างสมดุลแนวทางปริมาณงานในดาต้าเซ็นเตอร์แบบ “ตามสถานการณ์และความเป็นจริง – Follow The Sun” ซึ่งดีกว่าสำหรับการผลิตพลังงานสะอาด กับการใช้แนวทาง “แยกเดินออกมา Unfollow The Sun” สำหรับประสิทธิภาพการใช้น้ำที่ดีกว่า”

 “คริสติน โมเยอร์” ระบุว่า อีกวิธีหนึ่งในการทำให้ Generative AI มีความเป็นมิตรต่อสิ่งแวดล้อมมากขึ้น คือการใช้งานใน “สถานที่ที่ใช่ ในเวลาที่เหมาะสม” โดยความเข้มข้นของคาร์บอนจากแหล่งพลังงานในท้องถิ่น จะแตกต่างกันไปตามปัจจัยหลายประการ แนวปฏิบัติที่ดีที่สุดคือการใช้การจัดตารางเวลางานที่คำนึงถึงพลังงาน ควบคู่ไปกับบริการการติดตามและการคาดการณ์คาร์บอนเพื่อลดการปล่อยก๊าซที่เกี่ยวข้อง

พร้อมตั้งเป้าซื้อแหล่งพลังงานสะอาดใหม่ตามที่วางแผนไว้สำหรับนำมาใช้ The Greenhouse Gas Protocol ที่กำลังกำหนดให้บริษัทต่าง ๆ จัดทำการวิเคราะห์พลังงานสะอาดอย่างละเอียดเพิ่มเติมตามแหล่งสถานที่ ช่วงเวลาของวัน หรือทั้งสองอย่าง

ความยั่งยืนด้านสิ่งแวดล้อมที่มีศักยภาพ

อย่างไรก็ตามการปฏิบัติตามกฎระเบียบเป็นวิธีการนึงที่ Generative AI สามารถช่วยองค์กรลดความเสี่ยง ด้านสิ่งแวดล้อม โดยการระบุและตีความตัวบทกฎหมาย มาตรฐาน คำสั่ง และข้อกำหนดการรายงานความยั่งยืน รวมถึงการอัปเดตอยู่ตลอดเวลา ที่สามารถพัฒนาแผนปฏิบัติการเพื่อให้บรรลุตามข้อกำหนดและเป็นเครื่องมือ ฝึกอบรมเพื่อให้ความรู้แก่พนักงานด้านกฎระเบียบเฉพาะ

การเพิ่มประสิทธิภาพต้นทุน Generative AI สามารถช่วยสนับสนุนการตัดสินใจได้ สามารถวิเคราะห์ข้อมูล ความยั่งยืนภายใน และระบุรูปแบบ แนวโน้ม พื้นที่การปรับปรุง ความเป็นไปได้ ความเสี่ยง และเกณฑ์มาตรฐาน โดยสามารถให้ข้อมูลเชิงลึกว่าการตัดสินใจขององค์กรจะส่งผลต่อความยั่งยืนอย่างไร และคาดการณ์ประสิทธิภาพ ในอนาคตที่อาจเกิดขึ้น  รวมถึงองค์กรสามารถวางแผนและเลือกแนวทางที่เหมาะสมที่สุด เพื่อบรรลุเป้าหมาย การลดการปล่อยก๊าซเรือนกระจก

Generative AI สามารถใช้ขับเคลื่อนการเติบโตที่ยั่งยืน โดยนำมาใช้เพื่อค้นหาแหล่งทรัพยากรและวัสดุทางเลือก สามารถให้คำแนะนำสิ่งทดแทน ปัจจัยการผลิต แบบเดิมไปสู่ความยั่งยืน เช่น ข้อมูลเชิงลึกเกี่ยวกับนวัตกรรม ทางเทคโนโลยีอย่างวัสดุนาโน และข้อมูลเกี่ยวกับความพร้อม ประสิทธิภาพ และผลกระทบต่อสิ่งแวดล้อม

 ผู้บริหารของการ์ทเนอร์ แนะนำว่า การใช้ Generative AI เพื่อเป้าหมายความยั่งยืนนั้น การประเมินผลกระทบเชิงบวก และเชิงลบเป็นสิ่งสำคัญ ผู้บริหารต้องเข้าใจมูลค่าธุรกิจเชิงบวกทั้งในแง่ของผลประโยชน์ ทางการเงินและความยั่งยืน ตลอดจนความเป็นไปได้ และผลกระทบเชิงลบต่อสิ่งแวดล้อมด้วยการวัดจากการปล่อย ก๊าซเรือนกระจก การใช้พลังงานไฟฟ้าและน้ำ!?! 

  จากนั้นจัดลำดับความสำคัญการลงทุนเป็น 3 ระดับ ได้แก่ 1.ลงทุนทันที 2.ลงทุนเพื่อลดความเสี่ยงและลดการ ใช้พลังงานเป็นสำคัญ หรือ 3.ไม่ลงทุนเลย

สุดท้ายแล้ว การใช้งานอย่างถูกวิธึ และสร้างแนวทางที่สมดุล ทั้งหมดก็จะเป็นการใช้งานที่สร้างมูลค่า มากกว่าทำลายเพียงอย่างเดียว!?!

จิราวัฒน์ จารุพันธ์