A Scoping Review of Methods to Measure the Energy and Carbon Footprint of Web Tracking and Advertising

ウェブサイトを訪れるたびに、その背後ではデータの交換という隠れた経済が動いています。あなたが記事を読んだり動画を視聴したりしている間、目に見えないスクリプトが走り、あなたの行動を追跡し、興味のプロフィールを構築し、ターゲット広告を表示しています。このシステムは「アドテック（広告技術）エコシステム」と呼ばれ、多くの無料オンラインサービスが収益を得るための主要な手段となっています。しかし、この膨大な量のユーザーデータを収集、保存、処理するには、多大な計算能力が必要です。その電力は電気によって賄われますが、その電気の生成はしばしば二酸化炭素の排出を伴います。インターネットが成長するにつれて、その環境負荷も増大しており、研究者たちに困難な問いを投げかけています。それは、「消費されるエネルギーのうち、実際にコンテンツを見るためではなく、広告やトラッキングのためだけに費やされているのはどれくらいなのか？」という問いです。

トロント大学の研究チームは、既存の科学文献をレビューすることで、この問いに答えるべく取り組みました。彼らは自ら新しい実験を行うのではなく、他の科学者たちがこの特定の環境コストをどのように測定しようとしてきたか、その全体像をマッピングすることに注力しました。その結果、この分野がまだ若く、断片化されていることが判明しました。レビューされた研究はさまざまな学問分野に散在しており、同じプロセスに対して異なる言葉を使い、同じものを測定するために異なるツールを使用しています。これを整理するため、著者らは当初の候補46件から15件の主要な研究を抽出し、研究者がウェブのトラッキングと広告のエネルギーコストを分離するために用いる5つの明確な手法へと分類しました。

最も一般的なアプローチであり、大多数の研究で使用されているのは「広告ブロック（アドブロッキング）」と呼ばれる手法です。この方法では、研究者は人気のウェブサイトのリストを2回訪問します。一度目は標準的なブラウザで、二度目は広告ブロッカーをオンにした状態で訪問します。両方のシナリオで使用されたエネルギーを比較することで、広告やトラッカーによって具体的に引き起こされた差分を算出できます。ブラウザ拡張機能を使用して広告をブロックする研究者もいれば、ブラウザの組み込み機能を使用したり、ネットワークレベルでリクエストをブロックしたりする研究者もいます。これらの数値を得るために、コンピュータのプロセッサ使用率やバッテリー消費を読み取るソフトウェアを使用したり、場合によっては物理的な電圧計をデバイスに接続してハードウェアに流れる電流を測定したりします。この手法は一般的なコンピュータで実行できるため実用的ですが、二つの訪問間の唯一の変化は広告の有無である、という仮定に基づいています。

第二のグループの研究者は、ラボ環境でウェブサイトを再現するという、より制御されたアプローチをとっています。公開されたインターネット上のライブサイトを訪問する代わりに、彼らはページをダウンロードし、広告やトラッピングスクリプトを自ら取り除いて、クリーンなバージョンのサイトを作成します。そして、これらを自身が管理するサーバー上でローカルに配信することで、外部の変数がテストに干渉しないようにします。この手法の一つのバリエーションとして、研究者がゼロからウェブサイトを構築し、そこに異なる数のトラッキングツールを追加して、トラッキングツールの追加に伴ってエネルギー消費がどのように上昇するかを観察するというものがあります。これは実験に対して高度な制御を提供し、単一のトラッカーがどれだけのエネルギーを消費するかを正確に把握することを可能にしますが、ライブウェブの混沌とした現実を完全に反映しているとは限りません。

第三の、より特殊な手法は、個々の広告を再生するというものです。ある研究では、ウェブから数千の広告を収集し、空白のブラウザページ上にそれらを一つずつ表示するシステムを作成しました。空のページに対する単一の広告のロードに必要なエネルギーを測定することで、研究者はその特定の広告をレンダリングするためのコストを特定できました。その後、彼らはこのデータを使用して、広告の特徴に基づいて他の広告のエネルギーコストを予測できるコンピュータモデルを訓練しました。このテクニックにより、個々の広告ユニットのコストを詳細に調べることができますが、初期の広告ライブラリを構築するために膨大な手作業によるデータ収集を必要とします。

第四のアプローチは、表示されるデバイスではなく、データそのものの流れに着目します。コンピュータの画面を測定する代わりに、これらの研究者はユーザーとインターネットの間を移動するネットワークトラフィックを分析します。彼らはデータパケットの送受信を調査し、データのストリームのどの部分が広告やトラッキングクッキーに属しているかを特定しようとします。この特定のトラフィックの総量を合算することで、そのデータをインターネット経由で移動させるために必要なエネルギーを推定できます。しかし、レビューの著者らは、この手法における重大な欠陥を指摘しています。単にどれだけのデータが転送されたかを知るだけでは、そのデータを処理するためにどれだけのエネルギーが使用されたかを自動的に示すことはできません。なぜなら、データサイズとエネルギー消費の関係は複雑であり、まだ完全には理解されていないからです。

最後の手法は、新しい測定を行うのではなく、完全に既存の数値に依存しています。このアプローチを用いる研究者は、他の出版された研究からの数値や係数（例えば、1ギガバイトのデータを移動させるための平均エネルギーコストや、電力網の炭素強度など）を取り上げ、それらを広告が生成するデータの推定量に適用します。これにより、実験を行ったり新しいデータを収集したりすることなく、広範かつ大規模な計算が可能になります。これは大まかな推定値を得るための最もアクセシブルな方法ですが、その正確性は、借用した元の数値の質と関連性に完全に依存します。

このレビューは、この分野がまだ足場を固め始めたばかりであることを明らかにしています。分析された研究の80%が過去5年間に発表されており、環境危機が深刻化するにつれて関心が急速に高まっていることを示しています。このような成長にもかかわらず、研究者たちは研究同士がほとんど対話していないことを見出しました。異なるチームが同じ概念に対して異なる用語を使用しており、互いの知見を積み上げることができていないのです。例えば、ある研究では、広告のために転送されるデータのサイズは、それを表示するために必要なエネルギーを必ずしも予測するものではないという結果が出ており、これはデータ量に基づいてエネルギー使用量を推定しようとする他の研究の仮定に疑問を投げかけています。

現在、誰もが同意できる単一の標準的な手法は存在しません。ほとんどの研究はユーザーのデバイス上で何が起きているかに焦点を当てており、この情報を保存・処理する巨大なデータセンターで消費されるエネルギーについての理解には大きな空白があります。これらの企業インフラは不透明でアクセスが困難であるため、研究者は間接的な手法や制御されたシミュレーションに頼らざるを得ませんでした。著者らは、将来の研究において、これらのデータセンターで使用されるエネルギーを測定するより良い方法を開発し、異なる分野の研究者が結果を正確に比較できるように共通の言語を構築する必要があると示唆しています。それまでは、デジタル経済の環境コストを垣間見るための継ぎ接ぎのメソッドはあるものの、完全な全体像を描くことはできていません。