モデル学習の電力消費とは

大規模なAIモデルの学習では、多数のGPUなどの計算機を長期間動かし続けるため、大量の電力を使います。その電力を化石燃料で発電していれば、二酸化炭素などの温室効果ガスが排出され、気候変動の一因になります。

見積もり方

学習の消費電力量は、次のように見積もれます。

電力量(kWh) = 学習時間(h) × プロセッサ数 × 1台あたりの平均電力(kW) × PUE

PUEは、データセンター全体の電力を計算機の電力で割った値で、冷却などの付帯設備の分を表します。排出量は、この電力量に電力1kWhあたりの排出量（排出係数）を掛けて求めます。

たとえば、平均0.4kWのGPUを1,000台、720時間（30日）動かし、PUEが1.2だとします。電力量は720 × 1,000 × 0.4 × 1.2 = 345,600kWhです。排出係数が0.4kg/kWhなら、排出量は345,600 × 0.4 = 138,240kg、約138トンになります。

推計の例

2019年のStrubellらの研究は、自然言語処理モデルの学習にかかる費用と排出量を推計し、削減に向けた提言を行いました。2021年のPattersonらの研究は、GPT-3の学習の電力量を約1,287MWh、排出量を約552トン（CO2換算）と推計しています。

削減の考え方とAIの貢献

AI事業者ガイドラインは、共通の指針の「持続可能性の確保」で、ライフサイクル全体で地球環境への影響を検討することを挙げています。特に生成AIのように計算量の多いAIでは、モデルの軽量化や、目的に応じたモデルの使い分けといった対策を示しています。学習だけでなく、利用のたびに発生する推論の電力も含めて考えることが大切です。

一方で、AIはエネルギー管理の効率化などを通じて、環境に貢献する可能性もあります。負荷と便益の両面から捉えることが大切です。