AIがもたらすインサイトは、世界が持続可能性の目標を達成する助けとなりますが、この技術を動かすには、途方もない規模の資源が必要です。
2028年までに、AIはデータセンターの電力需要の半分以上を使用する可能性があり、その年間電力消費量は米国全世帯の22%に相当する量に達するかもしれません。
持続可能性は、後回しにするのではなく、当初からAIの設計、測定、ガバナンスに組み込まれなければなりません。
人工知能（AI）は持続可能性を変革しつつあり、同時にあるパラドックスを浮き彫りにしています。AIはエネルギーシステムを最適化し、気候リスクを予測し、保全や素材分野におけるブレークスルーを加速させることができます。しかし、大規模モデルの学習、膨大なデータセットの移動、専用ハードウェアの更新には、途方もない規模の電力、水、鉱物が消費されます。
気候目標の達成においてAIへの依存度が高まるほど、地球の限界を超えてしまうリスクも高まります。解決策は明白です。持続可能性は、後回しにするのではなく、当初からAIの設計、測定、ガバナンスに組み込まれなければなりません。
今こそ行動すべき時です。NTTデータの報告書「Sustainable AI for a Greener Tomorrow」によると、2028年までにデータセンターの電力の半分以上がAIに充てられる可能性があります。Sustainable AI for a Greener Tomorrow報告書によると、その時点でAIだけで、米国全世帯の22%に相当する量の電力を年間に消費する可能性があります。
水への影響も同様に深刻です。大規模モデル1つの学習には数百万リットルの水が必要となることがあり、単純な問い合わせを10～50回行うだけでも、冷却や発電を考慮すると、おおよそ半リットルの水に相当する場合があります。同時に、デジタルインフラは重要鉱物の需要を加速させており、サプライチェーンのリスクを一層高めています。
持続可能なAIとは何か？
この10年の大半において、AIの進歩は、ほぼ専ら精度スコアやベンチマークでの勝利によって測られてきました。
持続可能なAIは、その視点を効率性と責任へと移行させます。これは、原材料の採掘やチップの製造からデータ処理、学習、推論、そして耐用年数の終わりに至るまで、ライフサイクル全体にわたって環境負荷を最小化することを明確な目標として、システムの設計、学習、導入、廃棄に取り組むようチームに求めるものです。
実践においては、要件を満たす場合にはより小規模なモデルや蒸留モデルを選択し、ゼロから再学習するのではなく再利用や微調整を行い、資源効率と透明性を確保するためのコード、パイプライン、インフラを構築することを意味します。
その結果、「最先端」の定義はより広範なものとなり、タスクの精度と並んで環境面での性能が重視されるようになります。
リスクを低減し、レジリエンスを強化するためのAIの持続可能性の測定
持続可能な変革を測定するには、コンプライアンスだけでは不十分であり、明確さと一貫性が求められます。
「温室効果ガス プロトコル」のような枠組みを持つ従来型産業とは異なり、温室効果ガス プロトコルAIには、ライフサイクル全体にわたるエネルギー使用、炭素排出、水消費、電子廃棄物を追跡するための標準化された手法がありません。既存のツールはデータを自動的に記録できるものの、利便性と引き換えに精度を犠牲にすることが多く、その結果、組織は断片的で不完全な評価しか得られていません。
AIの環境影響は、地域、インフラ、運用方法によって異なるため、有意義な測定には、多様なデータポイントを統合し、全体的かつリアルタイムのライフサイクル評価へと結び付ける必要があります。
そうして初めて組織は、ハードウェア製造や大規模モデルの学習といった影響の大きい段階を特定し、リスクを低減し、レジリエンスを強化し、長期的な価値を創出するための断固たる行動を取ることができます。
理論と実践のギャップを埋める
2つの実践的なツールが進むべき道を示しています。「AI Energy Score」のようなツールは、モデルカード、開示情報、ガバナンスに説明責任を組み込み、業界全体でエネルギー効率の高い実践の採用を促進します。AI Energy Scoreのようなツールは、モデルカード、開示情報、ガバナンスに説明責任を組み込み、業界全体でエネルギー効率の高い実践の採用を促進します。
ハードウェアのレベルでは、Compute Carbon Intensityは、原材料の採掘、チップ製造、運用時のエネルギー使用に伴う排出を考慮し、アクセラレータの効率を測る標準化された指標を提供します。
これらのアプローチを組み合わせることで、効率性は可視化され、投資対象となり、持続可能性は掛け声から実行計画へと移行します。
AIをより持続可能にするために、今すぐ着手できる5つの行動をご紹介します。
エネルギー効率の高いモデルとアーキテクチャを設計する： 「設計段階からの持続可能性」を標準とする
データセンターの運用と再生可能エネルギーの利用を最適化する： 計算を行う場所と時間帯が重要である
循環性を通じてハードウェアのライフサイクルを延長する： ハードウェアを消耗品ではなく資産として扱う
データを責任を持って利用し、冗長な処理を削減する： データの肥大化が不要な計算を生み出している
ガバナンスのガードレールを導入する： 説明責任を組み込むことで、持続可能性を確実に定着させる
持続可能なAIに向けた共同行動の鍵
AIの環境負荷は非常に複雑であり、単一の主体だけで解決することはできません。エネルギー事業者、ハードウェアメーカー、クラウドおよびデータセンター事業者、開発者、投資家、規制当局、顧客、電子廃棄物の処理パートナーのすべてが、その結果を左右しています。
真の進歩は、協力によってもたらされます。エネルギーと水の使用に関するオープンなベンチマークを構築し、共通のライフサイクル評価手法を採用し、ベストプラクティスを共有し、単なる規模よりも効率性を評価する政策を推進することです。
グリーンソフトウェアのパターンや標準化された開示といった業界の取り組みは、すでに最低基準を引き上げています。次の段階は、リーダーが上限を引き上げることです。つまり、他者が基盤として活用できるデータ、成果物、事例を提供することです。
イノベーションの触媒としての持続可能なAI
持続可能なAIはイノベーションの制約ではなく、より優れたエンジニアリングとより強靭なビジネスのための触媒です。
効率性を追求するチームは、より速いモデル、より低いコスト、そして円滑に拡張できる製品を実現します。取締役会は、ネットゼロと自然に関する目標に向けた信頼性の高い進捗を得ることができます。そして社会は、将来を犠牲にすることなく、AIが洞察を提供することの恩恵を受けます。
私たちの目指す場所は明確です。性能と地球の管理が共に前進するAIエコシステムです。そこに到達するには、今日下す選択から始める必要があります。何が重要かを測定し、十分な水準を目指して設計し、あらゆるモデル、ワークロード、購入の判断において、持続可能性を最優先の要件として扱うことです。
