世界のAI市場は2030年までに1兆6,000億ドル規模に達する可能性があり、これは深刻な環境への影響をもたらします。
しかし、データとAIは、研究を支援し、効果的な環境ガバナンスを促進することで、環境問題の解決に貢献することができます。
政府と企業は、気候変動の文脈において、AIの責任ある利用を支援すべきです。
世界の人工知能（AI）市場はと予測されており、2030年までに1兆6,000億ドル近くに達すると見込まれ、年平均成長率（CAGR：複利年間成長率）38.1%を記録する見通しです。この目覚ましい成長は、ビッグデータによる部分も大きく、ソフトウェアやハードウェアによる部分と同程度に支えられています。
Statistaによると、今日のデジタル化された経済が生み出すデータ量は年率40%で増加しており、2025年までに163兆ギガバイトに達すると予想されています。これはAIのさらなる成長を後押しするでしょう。
データのバリューチェーンと環境
データのバリューチェーンには、データを取得するためのデバイスやセンサー、データを伝送するためのネットワーク、そしてデータを保存するためのデータセンターが含まれます。これらすべてには、デバイスや製品の製造と輸送のために天然資源とエネルギーが必要であり、それらはライフサイクル全体を通じて温室効果ガスを排出します。製品そのものに加え、機械学習アルゴリズムを稼働させるためにもエネルギーが必要です。
データセンターは、ドイツの金融の中心地フランクフルトにおける全電力消費量の20%を占めています。ニューラルネットワーク（人間の脳に着想を得た計算システムで、現代のAIアルゴリズムの大半で使用されています）は、特に電力を多く消費します。
AI全体の傾向として、モデルの学習に用いられる計算と、そのモデルから新たなデータを推論するための計算の増加により、電力消費はますます拡大しています。OpenAIによると、ChatGPTの開発元であるOpenAIによれば、平均的なモデルの学習に用いられる計算量は毎年10倍に増加しています。一部の人々は機械学習は、供給可能なエネルギーのすべてを消費する方向に進んでいると考えています。
AIの環境問題への課題を克服する
多くの研究が、新たな知見を明らかにし、より賢明な意思決定に貢献することで、データとAIを持続可能性の課題解決にどのように活用できるかを調査してきました。しかし、そうした便益の一部はリバウンド効果や人間の行動によって相殺されており、データとAIのバリューチェーンが及ぼす直接的な悪影響も深刻です。
「AIはビジネスの慣行や産業を変革し、持続可能性を含む大きな社会課題に取り組む可能性を秘めています。自然環境の劣化と気候危機は極めて複雑な現象であり、最も先進的で革新的な解決策を必要とします」と、AI研究者のRohit Nishant、Mike Kennedy、Jacqueline Corbettは主張しています。
企業レベルにおいて、研究者らはAIが環境に与える影響と、気候危機の解決策におけるAIの中心的役割を両立させるための5つの方法を提案しています。
1. 現実世界の複雑さを捉えるために多層的な視点を採用し、例えばリバウンド効果を抑制する。
2. 技術、利用者、その他のステークホルダー間の相互作用やフィードバックループを捉えるために、システムダイナミクスの視点を活用する。
3. 意図しない悪影響の可能性を最小限に抑え、AIソリューションの有効性を高めるために、デザイン思考のアプローチに従う。
4. 効果的な長期的解決策のために、人間の反応の心理的・社会学的基盤を理解する。
5. AIが従来のITとどう異なるかについての理解を深めるために、持続可能性におけるAIの経済的価値を検証する。
「AIの真の価値は、社会がエネルギー、水、土地の利用集約度を削減することを可能にする点にあるのではなく、より高次の視点から、環境ガバナンスをいかに促進し、育成するかにあります」と研究者らは付け加えています。
企業とガバナンス
さまざまなレポートが、各国政府に持続可能なAIの推進を求めてきました。そのうちの一つは、以下を提案しています。
データの量とAIの利用が産業、企業規模、国を超えて増加し広がるにつれ、企業は、データとAIが環境に及ぼす影響について、一般市民から、そして most likely 規制当局からも、ますます厳しく問われることになるでしょう。
一般市民、企業、政府の成熟度が高まるにつれ、AIを環境問題の解決に用いることの利点のみを評価するだけでは、もはや十分ではなくなります。組織が抱える他の悪影響（デジタル以外の課題に関するもの）とのバランスを取り、直接的な悪影響を考慮することが必要となるでしょう。
その測定を実現するには、純粋にデジタル面での影響（直接的であれ間接的であれ）をはるかに超えて、環境への影響を体系的に捉え、顧客やサプライヤーなど、企業外のステークホルダーも含める必要があります。
肯定的な効果を目指すには、エンジニアリングの専門知識から欠落していたか、切り離されていた専門性（例えば行動科学やデザイン思考）を活用する必要があるでしょう。
これらすべては、戦略と競争の力学にとってどのような意味を持つのでしょうか。
競争の力学の観点からは、一部の企業が標準や期待を上回る行動をとり、独自のポジショニングを築くことが予想されます。ただし、そうした企業にとっての利点は、ブランディングや、プレミアムなポジショニングを支える手段となることにあります。一方で、グリーンウォッシュという評価を避けるためには、多くの面で確固たるコミットメントが求められ、そのためビジネスモデルの大幅な変更を伴うことになるでしょう。
環境を最優先し、それに応じて事業やモデルを再定義する企業はさらに少数にとどまるでしょう。そのようなアプローチには、自社がアクセスできるすべてのデータが本当に必要かどうか、そしてエネルギー集約型のモデルが必要かどうかを真剣に検討することが求められます。
コスト面の理由から、大幅な省エネルギー戦略を策定する企業はより多く存在するでしょう。コストに占めるエネルギーの相対的な重要性が高いほど、効率性は優位性となります。同様に、一部の企業は、ビッグテック企業がすでに行っているように、より安価にクリーンエネルギーを確保しようとするでしょう。
AIのイノベーションの可能性と環境への影響をどのように両立させるかは、難しいものの、避けて通れない議論です。毎日のように、下すべき決断の緊急性を思い起こさせられるため、これは必要な議論です。また、それが純粋に技術的な問題ではなく、ガバナンスの問題でもあるため、難しい議論なのです。
