Research
Discussion Paper
PIERspectives
aBRIDGEd
PIER Blog
Events
Conferences
Research Workshops
Policy Forums
Seminars
Exchanges
Research Briefs
Community
PIER Research Network
Visiting Fellows
Funding and Grants
About Us
Our Organization
Announcements
PIER Board
Staff
Work with Us
Contact Us
TH
EN
Research
Research
Discussion Paper
PIERspectives
aBRIDGEd
PIER Blog
Exchange Rate Effects on Firm Performance: A NICER Approach
Discussion Paper ล่าสุด
Exchange Rate Effects on Firm Performance: A NICER Approach
ผลกระทบของการขึ้นค่าเล่าเรียนต่อการตัดสินใจเรียนมหาวิทยาลัย
aBRIDGEd ล่าสุด
ผลกระทบของการขึ้นค่าเล่าเรียนต่อการตัดสินใจเรียนมหาวิทยาลัย
Events
Events
Conferences
Research Workshops
Policy Forums
Seminars
Exchanges
Research Briefs
Joint NSD-PIER Applied Microeconomics Research Workshop
งานประชุมเชิงปฏิบัติการต่อไป
Joint NSD-PIER Applied Microeconomics Research Workshop
Special Economic Zones and Firm Performance: Evidence from Vietnamese Firms
งานสัมมนาล่าสุด
Special Economic Zones and Firm Performance: Evidence from Vietnamese Firms
สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
สถาบันวิจัยเศรษฐกิจ
ป๋วย อึ๊งภากรณ์
Puey Ungphakorn Institute for Economic Research
Community
Community
PIER Research Network
Visiting Fellows
Funding and Grants
PIER Research Network
PIER Research Network
Funding & Grants
Funding & Grants
About Us
About Us
Our Organization
Announcements
PIER Board
Staff
Work with Us
Contact Us
Staff
Staff
Call for Papers: PIER Research Workshop 2025
ประกาศล่าสุด
Call for Papers: PIER Research Workshop 2025
PIER Blogblog
QR code
Year
2025
2024
2023
2022
...
/static/54b6b65e903143499c7ce1e80a2ce59b/e9a79/cover.png
12 เมษายน 2566
20231681257600000

ความท้าทายของการพัฒนา AI อย่างยั่งยืน (Sustainable AI: Environmental implications, challenges and opportunities)

ชนกานต์ ฤทธินนท์

กระบวนการเรียนรู้ (training) ของ AI มีการใช้พลังงานในการประมวลผลที่สูงมาก จึงมีการคาดการณ์ว่าการปล่อยก๊าซเรือนกระจก (CO2e) จากการพัฒนา AI มีแนวโน้มเพิ่มมากขึ้น จนอาจส่งผลกระทบต่อสิ่งแวดล้อม ตัวอย่างเช่น การปล่อย CO2e จากการเรียนรู้ของแบบจำลอง GPT-3 ได้ถูกประมาณการไว้ว่าสูงถึง 500 ตัน เทียบเท่ากับอายุขัยของรถน้ำมันเบนซินจำนวน 30 คัน (โดยเฉลี่ยใช้งานคันละ 1 แสนกิโลเมตร)

รูปด้านล่างแสดงให้เห็นถึงปริมาณการปล่อย CO2e ของการเรียนรู้ของแบบจำลอง AI ที่ใช้งานในบริษัท Meta และ แบบจำลอง open source อื่น ๆ (Wu et al., 2022; Dodge et al., 2022) โดยจะเห็นได้ว่า แบบจำลองที่แตกต่างกันมีปริมาณการปล่อย CO2e ที่แตกต่างกัน นอกจากนี้แล้วยังจะเห็นได้ว่าการนำแบบจำลองไปใช้งานจริง (inference) มีการปล่อย CO2e สูงเทียบเท่ากับกระบวนการเรียนรู้อีกด้วย

รูปที่ 1: ปริมาณก๊าซเรือนกระจกจากการพัฒนาและใช้งานปัญญาประดิษฐ์ขนาดใหญ่

ปริมาณก๊าซเรือนกระจกจากการพัฒนาและใช้งานปัญญาประดิษฐ์ขนาดใหญ่

แม้ว่าปริมาณ CO2e ที่ปล่อยออกมาจากการพัฒนา AI จะดูเล็กน้อยเมื่อเปรียบเทียบประโยชน์ที่ได้จาก AI เช่น การตรวจจับการระบาดของศัตรูพืช การวิเคราะห์ความยากจนผ่านภาพถ่ายดาวเทียม (Tomavsev et al., 2020) แต่พลังงานนั้นเป็นทรัพยากรที่มีจำกัด และควรจัดสรรการใช้งานให้เกิดประโยชน์สูงสุด (Van Wynsberghe, 2021)

ด้วยเหตุดังกล่าวนักพัฒนา AI จึงเริ่มมีการตื่นตัวเกี่ยวกับการใช้พลังงานในการประมวลผล AI ตัวอย่างจากการศึกษาของ Wu et al. (2022) ที่ได้ทำการประมาณค่า CO2e ที่เกิดขึ้นจากการพัฒนาและใช้งาน AI ภายในบริษัท Meta ซึ่งทำการพิจารณาครบวงจรการใช้งาน ตั้งแต่กระบวนการเก็บและประมวลผลข้อมูล (data) การทดลองแบบจำลอง (experimentation) การเรียนรู้ (training) และการใช้งานจริง (inference) ซึ่งในแต่ละขั้นตอนมีความท้าทายในการควบคุมการปล่อย CO2e ที่แตกต่างกันไป

โดย Wu et al. (2022) ได้สรุปไว้ว่า การพัฒนาระบบการเก็บและใช้ข้อมูลให้มีประสิทธิภาพ การเพิ่มประสิทธิภาพของหน่วยประมวลผล การลดความละเอียดของข้อมูล และการปรับวิธีการคำนวณ สามารถลดปริมาณการปล่อย CO2e จากการพัฒนาและใช้งาน AI ของบริษัท Meta ได้สูงสุดถึง 810 เท่า

เอกสารอ้างอิง

Dodge, J., Prewitt, T., Tachet des Combes, R., Odmark, E., Schwartz, R., Strubell, E., Luccioni, A. S., Smith, N. A., DeCario, N., & Buchanan, W. (2022). Measuring the carbon intensity of ai in cloud instances. 2022 ACM Conference on Fairness, Accountability, and Transparency, 1877–1894.
Tomavsev, N., Cornebise, J., Hutter, F., Mohamed, S., Picciariello, A., Connelly, B., Belgrave, D. C., Ezer, D., Haert, F. C. van der, Mugisha, F., & others. (2020). AI for social good: unlocking the opportunity for positive impact. Nature Communications, 11(1), 2468.
Van Wynsberghe, A. (2021). Sustainable AI: AI for sustainability and the sustainability of AI. AI and Ethics, 1(3), 213–218.
Wu, C.-J., Raghavendra, R., Gupta, U., Acun, B., Ardalani, N., Maeng, K., Chang, G., Aga, F., Huang, J., Bai, C., & others. (2022). Sustainable ai: Environmental implications, challenges and opportunities. Proceedings of Machine Learning and Systems, 4, 795–813.
ชนกานต์ ฤทธินนท์
ชนกานต์ ฤทธินนท์
สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
ข้อคิดเห็นที่ปรากฏในบทความนี้เป็นความเห็นของผู้เขียน ซึ่งไม่จำเป็นต้องสอดคล้องกับความเห็นของสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์

สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์

273 ถนนสามเสน แขวงวัดสามพระยา เขตพระนคร กรุงเทพฯ 10200

โทรศัพท์: 0-2283-6066

Email: pier@bot.or.th

เงื่อนไขการให้บริการ | นโยบายคุ้มครองข้อมูลส่วนบุคคล

สงวนลิขสิทธิ์ พ.ศ. 2568 สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์

เอกสารเผยแพร่ทุกชิ้นสงวนสิทธิ์ภายใต้สัญญาอนุญาต Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported license

Creative Commons Attribution NonCommercial ShareAlike

รับจดหมายข่าว PIER

Facebook
YouTube
Email