AIジレンマの持続可能なスケーリングの探求：企業のAI環境への影響の予測的研究

Exploring the sustainable scaling of AI dilemma: A projective study of corporations' AI environmental impacts

January 24, 2025

著者: Clément Desroches, Martin Chauvin, Louis Ladan, Caroline Vateau, Simon Gosset, Philippe Cordier

cs.AI

要旨

人工知能（AI）の急速な成長、特に大規模言語モデル（LLMs）により、温室効果ガス排出を超えてハードウェア製造およびエンドオブライフプロセスを含む世界的な環境への影響に関する懸念が高まっています。主要プロバイダーからの透明性の欠如は、企業がAI関連の環境影響を評価し、ネットゼロ目標を達成する能力を妨げています。 本論文では、企業のAIポートフォリオの環境影響を推定する方法論を提案し、AIおよびライフサイクルアセスメント（LCA）の専門知識を必要とせずに具体的な洞察を提供します。結果は、大規模生成AIモデルが従来のモデルよりも最大4600倍のエネルギーを消費することを確認しています。 IPCCシナリオに沿ったAI使用量の増加、ハードウェアコンピューティング効率、電力ミックスの変化を考慮したモデリングアプローチにより、2030年までのAI電力使用量が予測されます。普及する生成AIと複雑なモデルやフレームワークに関連するエージェントの採用によって駆動される高採用シナリオでは、AI電力使用量が24.4倍に増加する見込みです。 2030年までに生成AIの環境影響を軽減するには、AI価値連鎖全体での協調した取り組みが必要です。ハードウェア効率、モデル効率、または電力網の改善だけでは不十分です。標準化された環境評価フレームワーク、価値連鎖の全ての行為者からのより大きな透明性、およびAI開発をネットゼロ目標と調整するための「環境リターン」指標の導入を提唱しています。

English

The rapid growth of artificial intelligence (AI), particularly Large Language Models (LLMs), has raised concerns regarding its global environmental impact that extends beyond greenhouse gas emissions to include consideration of hardware fabrication and end-of-life processes. The opacity from major providers hinders companies' abilities to evaluate their AI-related environmental impacts and achieve net-zero targets. In this paper, we propose a methodology to estimate the environmental impact of a company's AI portfolio, providing actionable insights without necessitating extensive AI and Life-Cycle Assessment (LCA) expertise. Results confirm that large generative AI models consume up to 4600x more energy than traditional models. Our modelling approach, which accounts for increased AI usage, hardware computing efficiency, and changes in electricity mix in line with IPCC scenarios, forecasts AI electricity use up to 2030. Under a high adoption scenario, driven by widespread Generative AI and agents adoption associated to increasingly complex models and frameworks, AI electricity use is projected to rise by a factor of 24.4. Mitigating the environmental impact of Generative AI by 2030 requires coordinated efforts across the AI value chain. Isolated measures in hardware efficiency, model efficiency, or grid improvements alone are insufficient. We advocate for standardized environmental assessment frameworks, greater transparency from the all actors of the value chain and the introduction of a "Return on Environment" metric to align AI development with net-zero goals.