Modest, artistic, and radical solutions to the environmental impact of image-generating machine learning
이 논문은 머신러닝 이미지 생성의 숨겨진 환경적 비용을 비판하고, 불확실 컴퓨팅(inexact computing) 및 초소형 모델과 같은 기술적 혁신을 윤리적 설계 및 진정한 비용 회계와 결합하여 근본적이고 지속 가능한 대안을 개발하기 위한 다학제적 접근 방식을 제안한다.
원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
거대한 문제: "디지털 대식가"
인터넷과 인공지능(AI)을 거대하고 굶주린 괴물이라고 상상해 보세요. 우리는 흔-히 이 괴물이 인간보다 일을 더 빠르게 처리하기 때문에 "효율적"이라고 스스로를 설득하곤 합니다. 하지만 이 논문의 저자들은 이러한 효율성이 일종의 속임수라고 주장합니다.
이것은 마치 연비(갤런당 마일)가 놀라울 정도로 좋은 자동차와 같습니다. 하지만 너무 저렴하게 운영할 수 있어서 모든 사람이 이 차를 대량으로 구매해 하루 24시간 내내 운전하는 것과 같습니다. 그 결과는 어떨까요? 전체적으로 가스를 덜 쓰는 것이 아니라, 오히려 더 많이 사용하게 됩니다.
논문은 AI가 작업당 에너지 소비를 약간 줄이는 데는 성공할지 몰라도, 이를 만드는 기업들이 돈을 버는 데만 집중한 나머지 더 많은 작업을 수행하기 위해 더 크고 굶주린 데이터 센터를 지을 뿐이라고 주장합니다. 이 괴물은 엄청난 양의 전기와 물(냉각용), 그리고 토지를 집어삼키고 있습니다. 만약 우리가 지금 같은 속도로 계속 나아간다면, AI가 어떤 "악한" 일을 하기 전에 AI를 돌리기 위해 지구 절반을 발전소로 덮어야 할 것이라고 논문은 시사합니다. 이는 결국 우리 모두를 죽게 만들 것입니다.
"딥페이크" 사고 실험
상황이 얼마나 심각한지 보여주기 위해, 저자들은 전 세계를 가짜 영상으로 속이려는 공상 과학 속 악당(예: 미션 임파서블의 '엔티티')을 상상합니다.
- 수학적 계산: 단 하나의 가짜 이미지를 만드는 것은 적은 양의 탄소 오염을 발생시킵니다. 하지만 영상을 만드는 것은? 그것은 매 초마다 엄청난 양의 석탄을 태우는 것과 같습니다.
- 결과: 만약 이 악당이 전 세계 인구의 아주 작은 부분만을 속이려 한다 하더라도, 그 과정에서 발생하는 10초간의 오염은 석탄 화력 발전소가 1년 내내 생산하는 양과 맞먹습니다.
핵심은 AI가 악하다는 것이 아닙니다. 현재 우리가 AI를 구축하는 방식이 물리적으로 지속 불가능하다는 것입니다.
"리바운드 효과": 왜 "효율성"은 실패하는가
논문은 **리바운드 효과(Rebound Effect)**라고 불리는 우스꽝스럽지만 슬픈 순환 과정을 지적합니다.
- 순환 구조: 엔지니어들이 에너지를 덜 사용하는 새로운 칩을 만듭니다. 좋습니다! 하지만 이 칩이 더 저렴하고 빠르기 때문에, 기업들은 이를 이용해 더 많은 복잡한 프로그램을 실행합니다. 사람들은 이 칩이 들어간 휴대폰을 더 많이 삽니다. 결국 우리는 이전보다 더 많은 총 에너지를 사용하게 됩니다.
- 비유: 이것은 초효율적인 진공청소기를 사는 것과 같습니다. 청소를 덜 하는 대신, "너무 쉽다"는 이유로 매일 온 동네를 청소하기로 결정하는 것과 같습니다.
해결책: "작고" "겸손한" AI
저자들은 더 크고 빠른 괴물을 만드는 대신, "작은 AI(Tiny AI)"를 만들어야 한다고 제안합니다. 그들은 세 가지 주요 방법을 제시합니다.
해상도 낮추기 ("흐릿한 사진" 접근법):
현재 AI는 완벽함을 추구하며 수많은 소수점 자리까지 숫자를 계산합니다. 저자들은 "적당히 괜찮은" 결과를 받아들일 것을 제안합니다. 이는 8K 초고화질 대신 약간 흐릿한 사진을 찍는 것과 같습니다. 이렇게 하면 엄청난 양의 에너지를 아낄 수 있으며, 많은 예술적 또는 창의적 작업에서 그 흐릿함은 문제가 되지 않습니다.작은 모델 ("주머니 속 계산기" vs "슈퍼컴퓨터"):
엄청난 에너지를 소모하며 인터넷 전체를 학습시키는 대신, 특정 몇 가지만을 학습하는 "소형 언어 모델(SLM)"을 훈련할 수 있습니다. 이것은 주머니에 슈퍼컴퓨터를 넣고 다니는 대신 주머니 계산기를 들고 다니는 것과 같습니다. 모든 것을 할 수는 없지만, 집을 태워 먹지 않으면서도 당신에게 필요한 일은 해낼 수 있습니다.윤리적 재료 ("팜 투 테이블(Farm-to-Table)" 접근법):
대부분의 AI는 인터넷에서 무단으로 긁어온(scraped) 데이터, 즉 허가 없이 훔친 사진과 텍스트로 학습됩니다. 저자들은 "느린 AI(Slow AI)" 프로젝트를 제안합니다. 거대한 산업 공장을 사용하는 대신, 이웃들에게 직접 만든 음식을 가져와서 스튜를 만들자고 요청하는 요리사를 상상해 보세요.
- 프로젝트: 그들은 박물관과 커뮤니티 구성원들이 기증한 매우 작고 엄선된 데이터셋(직물 및 캘리그래피 등)을 사용하는 작은 이미지 생성기를 구축하고 있습니다.
- 반전: 그들은 AI가 "탈식민지화(decolonial)"되기를 원합니다. 그들은 AI가 세상의 편향된 시각에 도전할 수 있도록, 출력물에 항상 팔레스타인을 상징하는 참조(예: 수박 이미지)를 포함하도록 강제할 계획입니다.
예술적 목표: "절제(Austerity)"
저자들은 단순한 엔지니어가 아니라 예술가이자 학자입니다. 그들은 제약이 아름다울 수 있음을 보여주고 싶어 합니다.
- 무엇이든 생성할 수 있는 백만 개의 완벽한 이미지를 가진 AI 대신, 그들은 작은 공동체의 입력을 바탕으로 몇 가지 기이하고 놀랍고 독특한 이미지를 생성하는 AI를 원합니다.
- 그들은 이를 "우아한 퇴보(graceful degradation)"라고 부릅니다. 이것은 컴퓨터가 생성한 완벽한 교향곡보다, 단순하고 불완전한 음표를 연주하여 더 인간적이고 정직하게 느껴지게 하는 재즈 음악가와 같습니다.
결론
논문은 기업들이 오직 이윤과 "주주 자본주의"에 의해 움직이는 한, 계속해서 더 크고 더러운 AI를 만들 것이라고 결론짓습니다. 유일한 진짜 해결책은 우리의 사고방식을 바꾸는 것입니다.
- "더 많은 것"을 요구하는 것을 멈추고 "충분한 것"을 받아들이기 시작해야 합니다.
- 기업들이 자신들이 만드는 오염의 비용을 실제로 체감할 수 있도록 전기 요금을 책정해야 합니다.
- 거대하고 빠르며 탐욕스러운 모델 대신, 작고 느리며 특정한 목적을 가진 "타이니 머신 러닝(Tiny Machine Learning)"을 수용해야 합니다.
요약하자면, 우리는 디지털 괴물에게 먹이를 주는 것을 멈추고, 대신 작고 지속 가능한 정원을 가꾸기 시작해야 합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.