ปัจจุบันรอยเท้าด้านสิ่งแวดล้อม หรือ Environment Footprint ของระบบ AI ขยายวงกว้างมากกว่าแค่การใช้พลังงาน แต่ยังครอบคลุมไปถึงการใช้น้ำ การปล่อยมลพิษในห่วงโซ่อุปทาน (Supply Chain) ขยะอิเล็กทรอนิกส์ และต้นทุนแฝงตลอดวงจรชีวิตที่ติดตามได้ยาก อีกทั้งยังขาดการรายงานข้อมูลที่โปร่งใสและเป็นมาตรฐาน ดังนั้นการบริหารจัดการที่แท้จริงจึงต้องเปลี่ยนผ่านไปสู่การเรียกร้องความโปร่งใส นำกรอบการวัดผลแบบองค์รวมมาใช้ เพื่อผสานความยั่งยืนเข้ากับกลยุทธ์ทางธุรกิจ

สำหรับการวัดผลนั้นมี 2 แนวทางหลัก คือ แนวทางแบบรวม (Aggregate Approach) ซึ่งเป็นการพิจารณาคาร์บอนฟุตพริ้นท์ของ AI เป็นส่วนหนึ่งของภาพรวมระบบไอที โดยวัดค่าพื้นฐานก่อนและหลังใช้งาน ผ่านตัวชี้วัด เช่น ประสิทธิภาพการใช้พลังงาน (PUE) ประสิทธิภาพการใช้น้ำ (WUE) และการใช้ประโยชน์จากอุปกรณ์ไอที (ITEU) แม้วิธีนี้จะเห็นภาพรวมในระดับมหภาค แต่ยังมีข้อจำกัดเนื่องจากขาดข้อมูลรายละเอียดของผู้ให้บริการเกี่ยวกับโมเดลขนาดใหญ่ ส่วนอีกวิธีคือระเบียบวิธีเฉพาะสำหรับโมเดลที่พัฒนาขึ้นใหม่ ซึ่งจะแยกคำนวณตามส่วนประกอบ อาทิ ฮาร์ดแวร์ ซอฟต์แวร์ วงจรชีวิตข้อมูล การใช้น้ำ และพลังงาน โดยสามารถเสริมด้วยเครื่องมือติดตามการปล่อยมลพิษและคะแนนพลังงานของ ฮักกิงเฟซ (Hugging Face) และ กรีน ซอฟต์แวร์ ฟาวนเดชัน (Green Software Foundation) ซึ่งการคำนวณที่ครบถ้วนจะต้องรวมการปล่อยมลพิษในห่วงโซ่อุปทานที่เป็นขอบเขตที่ 3 (Scope 3) เข้าไปด้วย

นอกจากนี้ ปัญหาผลกระทบต่อสังคมและการต่อต้านจากชุมชน กลายเป็นอุปสรรคสำคัญในการขยายดาต้าเซ็นเตอร์ (Data Center) หรือศูนย์ข้อมูล AI โดยในหลายประเทศ เช่น สหรัฐอเมริกา อังกฤษ เนเธอร์แลนด์ และไอร์แลนด์ เริ่มมีการคว่ำบาตรแผนการก่อสร้าง เนื่องจากความกังวลเรื่องเสถียรภาพของระบบไฟฟ้าและปริมาณการใช้น้ำ จนทำให้หลายโครงการล่าช้าหรือถูกยกเลิก ผู้ประกอบการจึงต้องผสานการพิจารณาความเสมอภาคทางสังคม เช่น การทำโครงการกู้คืนความร้อนส่งให้อาคารใกล้เคียง การรีไซเคิลน้ำเพื่อการเกษตร และการลงทุนในฟาร์มพลังงานแสงอาทิตย์หรือพลังงานลมร่วมกับโครงข่ายไฟฟ้าท้องถิ่น เพื่อกระจายพลังงานสะอาดสู่กลุ่มประชากรเปราะบาง

ในแง่การวางกลยุทธ์ องค์กรต่างๆ จำเป็นต้องสร้างกลยุทธ์ AI ที่ยั่งยืนในทุกขั้นตอน ผ่านการเพิ่มประสิทธิภาพของโมเดล เช่น การใช้สถาปัตยกรรมแบบ Sparse (โครงสร้างแบบกระจัดกระจาย) ที่ประมวลผลน้อยลง รวมถึงการเลือกใช้โมเดลที่ผ่านการฝึกล่วงหน้าแทนการใช้โมเดลทั่วไปอย่าง ChatGPT ในงานเฉพาะทาง เช่น งานเขียนโค้ด ซึ่งช่วยลดต้นทุนสิ่งแวดล้อมได้มากกว่า ตลอดจนการประเมินโครงสร้างพื้นฐานระหว่างระบบคลาวด์และการประมวลผลภายในองค์กร (On-premise) เป็นรายกรณี เพื่อขับเคลื่อนนวัตกรรมควบคู่ไปกับความรับผิดชอบต่อสิ่งแวดล้อมในระยะยาว

The post การ์ทเนอร์เตือนในอีก 2 ปีข้างหน้า โมเดล AI จะปล่อยก๊าซเรือนกระจกในระบบไอทีสูงถึง 50% จี้องค์กรปรับกลยุทธ์สู่ความยั่งยืน appeared first on Brickinfo News Agency.