GN⁺: ChatGPT 사용은 환경에 나쁘지 않음
(andymasley.substack.com)- AI, 특히 ChatGPT와 같은 LLM이 환경에 큰 해악을 끼친다는 통념은 부정확함
- 많은 이들이 “개인적 AI 사용이 기후 위기에 악영향을 준다”는 주장을 퍼뜨리지만, 실제 배출량 규모와 비교 대상이 부적절함
- AI 관련 에너지 및 물 사용 데이터를 가능한 정확히 살펴보면서, 실질적인 탄소 배출 규모를 이해해야 함
- 개인 활동 중에서도 어떤 행동이 진짜 의미 있는 배출 저감에 기여하는지를 살펴보아야 함
왜 이 글을 작성하였나
- 기후 관련 대화에서 “나쁜 기업/기술을 지목해 불매하는” 식 접근이 자주 등장함
- ChatGPT 사용을 환경 파괴 행위로 단정하는 의견이 늘어나, 정확한 수치를 기반으로 해명을 하고자 함
- 기후 운동은 개인적 라이프스타일보다 에너지 시스템 전환 등 구조적 변화에 집중해야 한다는 견해도 강조함
배출량 윤리에 대한 사고 방법
- 현대 사회는 완전한 무탄소 생활이 현실적으로 불가능함
- 병원 등 중요한 시설도 높은 배출량을 갖지만, 그 사회적 가치는 큰 편임
- 배출량을 줄이려면 “무조건 큰 배출원을 없애자”가 아닌, “활동 가치와 배출량의 균형”을 따져야 함
- 잘못된 정보나 오해로 인해 LLM처럼 유용한 기술의 사용을 놓치는 것은 바람직하지 않음
LLM의 유용성 여부
- LLM은 학습, 작업 자동화 등 일상과 업무에서 광범위하게 도움을 줌
- 복잡한 기술·전문 분야 정보를 빠르게 요약하거나 질의응답하는 데 특히 효과적임
- 완벽하진 않지만, Google 검색과 달리 대화형 맞춤 응답이 가능함
- 많은 사람들이 LLM을 활용해 지식 습득, 문제 해결, 생산성 향상을 경험하고 있음
주요 논점 (Main Argument)
배출량 (Emissions)
- ChatGPT 검색 한 번은 일반 Google 검색 대비 약 10배 에너지를 쓰지만, 절대치로 보면 3 Wh 정도에 불과함
- 이는 10초 동영상 스트리밍, 이메일 2통 전송, LED TV 3분 시청 등에 해당하는 수준임
- “ChatGPT 전 세계 사용 = 수만 가정 전력 사용” 같은 비교는, 해당 서비스 사용자 수와 효용 가치를 고려하지 않을 때 오해가 생김
- 예를 들어, Netflix나 YouTube 등의 스트리밍 서비스는 훨씬 큰 에너지를 사용하지만, 이것이 사용자 개개인에겐 매우 적은 단위임
- GPT-4 모델 훈련은 항공편 수백 회와 맞먹는 에너지를 소모했으나, 한 번 훈련 후 전 세계 수많은 사용자에게 제공되는 가치를 감안하면 효율적임
- 전체 인터넷 에너지 사용량 대비 LLM이 차지하는 비중은 매우 미미하며, 개인이 ChatGPT를 사용하는 것을 기후 문제 핵심으로 보는 것은 지나친 우려임
물 사용 (Water use)
- AI 데이터 센터는 GPU 냉각 등으로 물을 사용함
- “ChatGPT 한 번당 500mL 물 소비”라는 오해가 있으나, 실제로는 20~50회 질의당 500mL가 좀 더 정확함
- 다른 온라인 활동(음악 스트리밍, 화상회의 등)도 물을 비슷한 방식으로 사용하며, 이는 전체 에너지 생산 과정과 냉각 과정을 포함한 수치임
- 실제로 10분짜리 4K 동영상 시청이나 한 시간 화상회의가 ChatGPT 질의 수십 회분 이상의 물을 사용함
- 소규모 수자원에 큰 부담을 주지 않는 지역의 데이터 센터 운영, 재사용 가능 물 관리 등이 병행된다면 문제가 크게 완화될 수 있음
- 동물성 제품 생산 과정과 비교하면 데이터 센터의 물 사용량은 상대적으로 작은 편이며, 오염이나 낭비로 이어지는 정도 역시 농축 산업보다 적다는 분석이 많음
LLM 사용에 대한 흔한 오해와 실제 비교
- “개인 LLM 사용이 지구 환경에 매우 큰 해악”이라는 인식은 실제 통계와 다른 양상을 보임
- 스마트폰 사용, 동영상 스트리밍, 이메일, 온라인 게임 등도 LLM 못지않게 많은 전력·물 자원을 쓰지만, 대중은 이를 큰 문제로 인식하지 않음
- LLM은 사용자들에게 시간 절약과 효율 향상을 제공하는 반면, 배출량 자체는 소량임
- 배출량 감소 관점에서 보면 식단 변화나 교통 수단 변경이 LLM 사용 제한보다 훨씬 큰 효과를 냄
결론적 고찰
- LLM 자체가 배출량을 전혀 유발하지 않는 것은 아니지만, 개인 사용 관점에서 우려할 만큼 비효율적이지 않음
- 기후 운동에서 중요한 것은 대규모 에너지 전환과 구조 개선으로, 사소한 디지털 활동 제한에 주력하는 것은 본질에서 벗어난 논점임
- ChatGPT를 비롯한 LLM 기술은 다양한 분야에서 큰 가치를 제공하므로, 잘못된 정보로 인해 사용을 기피하는 것은 오히려 손해임
- 개인적 배출량 저감이 목적이라면, 더 큰 영향을 주는 다른 생활양식을 먼저 점검하는 편이 효과적임
Hacker News 의견
-
LLM의 에너지 소비를 임의의 기준과 비교하는 것은 적절하지 않음. ChatGPT 쿼리를 Zoom 통화와 비교하는 것은 유용하지 않음. Google 검색 한 번으로도 충분히 해결할 수 있는 경우가 많음. LLM은 소프트웨어 개발에 유용하지만, 대체 가능한 간단한 방법이 많음.
-
AI 투자로 인해 하이퍼스케일 클라우드 배출 목표가 변경되고 데이터센터 성장이 전력망 용량 한계에 도달함. AI의 전력 사용을 배출량으로 전환할 때 전체 AI에 대한 주장은 성립하지 않을 수 있음. 장기적으로 ROI가 긍정적일 것으로 보지만, 기술을 더 효율적으로 만드는 데 집중해야 함.
-
기사에는 참조 링크가 필요함. LLM은 단순히 가정 사용자만 사용하는 것이 아님. 정부와 대기업이 GPU 시간을 많이 사용하고 있음. AI를 위한 새로운 전력 시설이 제안되고 있음.
-
GPT-4와 같은 큰 모델을 훈련하는 것이 일회성 비용으로 보이지 않음. 대기업은 계속해서 새로운 모델을 훈련할 것임. 많은 모델이 사용되지 않을 수도 있음.
-
해양 플라스틱 쓰레기의 약 90%가 10개의 강에서 발생함. 개인의 생활 방식 결정은 해외 제조업의 표준 관행에 비해 미미함. 환경은 중요하지만, 기업이 올바른 방식으로 행동하도록 강제되지 않는 한 개인의 행동만으로는 충분하지 않음.
-
데이터 센터의 트렌드와 지속 가능성에 대한 심층적인 연구를 다룬 기사가 있음. 이 주제에 대해 가장 잘 읽은 기사임.
-
비디오 스트리밍의 에너지 사용량에 대한 수치는 어디서 얻은 것인지 궁금함. 대부분의 에너지는 비디오의 초기 인코딩에 사용됨.
-
LLM과 ChatGPT는 질문에 답할 때 가장 많은 에너지를 사용하지 않음. 훈련 시 많은 물과 에너지를 사용함. 지금 사용하는 것이 환경을 파괴하는 것은 아니지만, 제품에 대한 관심을 나타내는 것임.
-
개인이 ChatGPT 사용으로 인한 배출량을 걱정하는 것은 어리석음. AI가 많은 에너지를 사용하고 있다는 점은 인정함. ChatGPT 수요가 AI의 미래에 미치는 영향을 고려하기 어려움.
-
제목이 내용과 맞지 않음. "ChatGPT 사용으로 인한 배출량은 다른 것에 비해 중요하지 않음"이라는 제목이 더 적절함.