샘 올트먼, AI의 수자원 낭비 논란은 "완전한 허구"라고 일축

섹션별 상세

온라인상에서 유포되는 AI 수자원 소비 수치는 현실과 무관하다. 과거 증발식 냉각 방식을 사용하던 시절에는 수자원 문제가 실재했으나, 현재는 냉각 기술의 변화로 쿼리당 17갤런의 물이 소비된다는 주장은 사실이 아니다.

개별 쿼리당 에너지 소비보다 전 세계적인 AI 사용량 증가에 따른 총 에너지 소비량이 더 중요한 쟁점이다. 에너지 수요 급증에 대응하기 위해 원자력, 풍력, 태양광 등 청정 에너지원으로의 신속한 전환이 필수적이다.

ChatGPT 쿼리 하나가 아이폰 배터리 1.5개 분량의 에너지를 소모한다는 비유는 실제와 거리가 멀다. 현재 테크 기업들의 에너지 사용량 공개 의무가 없어 독립적인 연구가 진행 중이나, 특정 수치들이 과장되어 유포되는 경향이 있다.

AI 모델 학습 에너지를 인간의 지능 형성 과정에 필요한 에너지와 비교하면 AI의 효율성이 입증된다. 인간이 지능을 갖추기 위해 20년 동안 섭취하는 음식물 에너지를 고려할 때, 학습 완료된 모델의 추론 효율은 이미 인간 수준에 도달했거나 이를 능가했다.

증발식 냉각(Evaporative Cooling): — 액체가 증발할 때 주변의 열을 흡수하는 원리를 이용해 데이터 센터의 열을 식히는 방식이다. 대량의 수자원이 소모되는 단점이 있어 최근에는 더 효율적인 냉각 기술로 대체되는 추세다.
추론(Inference): — 학습된 AI 모델이 새로운 입력 데이터에 대해 결과를 생성하거나 예측을 수행하는 실행 단계이다. 서비스 운영 시 발생하는 실제 에너지 소비와 비용의 대부분을 차지하는 핵심 과정이다.
에너지 효율(Energy Efficiency): — 투입된 에너지 대비 산출되는 작업량이나 성능의 비율을 의미한다. AI 분야에서는 동일한 성능을 내면서 전력 소모를 줄이는 하드웨어 및 알고리즘 최적화가 주요 과제다.