ความก้าวหน้าอย่างก้าวกระโดดของโมเดล AI กำลังขับเคลื่อนนวัตกรรมและสร้างอุตสาหกรรมใหม่ๆ แต่ในอีกด้านหนึ่ง ความกังวลต่อผลกระทบสิ่งแวดล้อมก็ทวีความรุนแรงขึ้นเช่นกัน ล่าสุด การ์ทเนอร์ (Gartner) ได้ออกมาคาดการณ์ว่า ภายในปี 2571 หรืออีกเพียงสองปีข้างหน้า สัดส่วนการปล่อยก๊าซเรือนกระจก (GHG) ในภาคไอที จะมาจากโมเดล AI สูงถึง 50% ซึ่งเป็นการเติบโตอย่างน่ากลัวเมื่อเทียบกับสัดส่วนเพียง 10% ในปี 2568
เบื้องหลังวิกฤตสิ่งแวดล้อมนี้ เกิดจากการฝึกอบรมและการรันโมเดล AI ที่ต้องอาศัยพลังการประมวลผลมหาศาล โครงสร้างพื้นฐานไอทีใหม่ๆ รวมถึงระบบทำความเย็นขั้นสูง ยิ่งไปกว่านั้น “รอยเท้าด้านสิ่งแวดล้อม” (Environment Footprint) ของ AI ยังขยายวงกว้างไปมากกว่าแค่การใช้พลังงาน แต่ครอบคลุมถึงการใช้น้ำ การปล่อยมลพิษในห่วงโซ่อุปทาน ขยะอิเล็กทรอนิกส์ และต้นทุนแฝงตลอดวงจรชีวิตของ AI ที่หลายองค์กรตกสำรวจเนื่องจากขาดการรายงานที่โปร่งใสและมีมาตรฐาน
‘การวัดผล’ กุญแจสำคัญสู่ความยั่งยืนแบบองค์รวม
การบริหารจัดการผลกระทบที่แท้จริง จำเป็นต้องเปลี่ยนผ่านไปสู่กรอบการวัดผลแบบองค์รวม มากกว่าแค่การคำนวณพลังงานที่ใช้ในการฝึกประมวลผลโดยตรง ปัจจุบันแนวทางการประเมินถูกแบ่งออกเป็น 2 รูปแบบหลัก คือ
- แนวทางแบบรวม (Aggregate Approach): พิจารณาคาร์บอนฟุตพริ้นท์ของ AI เป็นส่วนหนึ่งของภาพรวมไอที โดยวัดค่าพื้นฐานก่อนและหลังใช้งาน เพื่อประเมินตัวชี้วัดสำคัญ เช่น ประสิทธิภาพการใช้พลังงาน (PUE), ประสิทธิภาพการใช้น้ำ (WUE), การใช้ประโยชน์จากอุปกรณ์ไอที (ITEU) และของเสีย แม้วิธีนี้จะเห็นภาพกว้าง แต่มีข้อจำกัดคือไม่สามารถเจาะลึกโมเดลแต่ละตัวได้ เนื่องจากผู้ให้บริการรายใหญ่ส่วนใหญ่ยังขาดการเปิดเผยข้อมูลรายละเอียดพลังงาน
- แนวทางแบบแยกองค์ประกอบ (Methodology for Newly Developed Models): เป็นวิธีที่แม่นยำที่สุดในปัจจุบัน โดยจะวัดปริมาณรอยเท้าสิ่งแวดล้อมในแต่ละขั้นตอนวงจรชีวิต แยกส่วนประกอบออกเป็น ฮาร์ดแวร์, ซอฟต์แวร์, วงจรชีวิตข้อมูล, การใช้น้ำ และพลังงาน โดยทำงานร่วมกับเครื่องมือติดตามการปล่อยมลพิษระดับซอฟต์แวร์และคะแนนพลังงาน AI (เช่น Hugging Face และ Green Software Foundation) จากนั้นจึงนำมาคำนวณร่วมกับการปล่อยมลพิษในห่วงโซ่อุปทาน (ขอบเขตที่ 3) หลังจากวัดผลในขอบเขตที่ 1 และ 2 แล้ว เพื่อให้ได้ข้อมูลที่ครบถ้วนที่สุด
ถอดบทเรียนความขัดแย้งทางสังคมและการคว่ำบาตรศูนย์ข้อมูล AI
ผลกระทบของ AI ไม่ได้หยุดอยู่แค่เรื่องทางกายภาพ แต่ลามไปถึงมิติทางสังคม หลายประเทศที่เป็นผู้นำเทคโนโลยีอย่าง สหรัฐอเมริกา อังกฤษ เนเธอร์แลนด์ และไอร์แลนด์ เริ่มเผชิญกับการต่อต้านและการคว่ำบาตรแผนขยายดาต้าเซ็นเตอร์ (Data Center) จากชุมชนท้องถิ่น เนื่องจากเกิดความกังวลอย่างหนักเกี่ยวกับเสถียรภาพของระบบไฟฟ้าและปริมาณการใช้น้ำ จนทำให้หลายโครงการต้องล่าช้าหรือถูกยกเลิกไป
แนวทางแก้ไขคือ องค์กรต้องปรับการออกแบบศูนย์ข้อมูลจากการมุ่งเน้นแค่ประสิทธิภาพและความน่าเชื่อถือ ไปสู่การผสานความเสมอภาคทางสังคม ผ่านโครงการนำกลับมาใช้ใหม่ (Reuse) ที่สร้างสรรค์ เช่น
- ระบบกู้คืนความร้อน: นำความร้อนจากศูนย์ข้อมูลไปจ่ายพลังงานให้กับอาคารใกล้เคียง
- การหมุนเวียนน้ำ: รีไซเคิลน้ำเพื่อใช้ในการชลประทานและอุตสาหกรรมในพื้นที่
- ความร่วมมือท้องถิ่น: จัดการขยะอิเล็กทรอนิกส์ร่วมกับหน่วยงานรีไซเคิลในชุมชน
- กระจายพลังงานหมุนเวียนอย่างเท่าเทียม: ลงทุนในฟาร์มพลังงานแสงอาทิตย์หรือพลังงานลมที่เชื่อมต่อกับโครงข่ายไฟฟ้าท้องถิ่น เพื่อให้กลุ่มประชากรที่เปราะบางเข้าถึงพลังงานสะอาดและไม่ถูกทิ้งไว้เบื้องหลัง
กลยุทธ์การฝังความยั่งยืน (Green AI Strategy) ในองค์กร
เพื่อไม่ให้การนำ AI มาใช้เติบโตแซงหน้าความรับผิดชอบต่อสิ่งแวดล้อม ผู้นำองค์กรจำเป็นต้องฝังแนวคิดความยั่งยืนลงไปในทุกกระบวนการขับเคลื่อนธุรกิจ โดยมีเครื่องมือเชิงกลยุทธ์ที่สำคัญดังนี้
- การเพิ่มประสิทธิภาพของโมเดล (Model Efficiency): ออกแบบโมเดลที่ประหยัดพลังงานและคาร์บอน เช่น สถาปัตยกรรมแบบ Sparse (โครงสร้างแบบกระจัดกระจาย) ที่ลดภาระการประมวลผล
- เลือกใช้โมเดลที่ผ่านการฝึกล่วงหน้า (Pre-trained Models): หลีกเลี่ยงการใช้โมเดลขนาดใหญ่ทั่วไป (LLM) อย่าง ChatGPT ในงานเฉพาะทาง เช่น หากต้องการเขียนโค้ด ควรเปลี่ยนไปใช้โมเดลผู้ช่วยเขียนโค้ดเฉพาะทาง ซึ่งให้ผลลัพธ์เท่ากันแต่ต้นทุนสิ่งแวดล้อมต่ำกว่ามาก
- ประเมินโครงสร้างพื้นฐานแบบรายกรณี (Infrastructure Evaluation): แม้ระบบ Cloud จะมีข้อดีเรื่องการประหยัดต้นทุนตามขนาดและผู้ให้บริการมักใช้พลังงานหมุนเวียน แต่ในบางกรณี โครงสร้างพื้นฐานภายในองค์กร (On-premise) อาจยั่งยืนกว่า หากองค์กรมีแหล่งพลังงานที่เหมาะสมและเข้าถึงได้โดยตรง
การสร้างกลยุทธ์ AI ที่ยั่งยืนในยุคนี้ จึงไม่ใช่เพียงแค่การลดการปล่อยคาร์บอนแบบผิวเผิน แต่คือการสร้างนวัตกรรมเพื่อความยืดหยุ่นในระยะยาว เพื่อให้มั่นใจว่าองค์กรจะสามารถเก็บเกี่ยวผลประโยชน์จากเทคโนโลยีอัจฉริยะนี้ได้อย่างเต็มที่ โดยไม่ทำลายสิ่งแวดล้อมไปพร้อมกัน
บทความโดย ออทัมน์ สแตนนิช ผู้อำนวยการฝ่ายวิเคราะห์การ์ทเนอร์
