글쓴이 Jonathan Kemper / 2025년 07월 26일
[환경을 고려한 AI 모델 개발의 중요성]
Mistral AI가 최근 발표한 "대규모 언어 모델의 종합적인 생애 주기 평가"는 인공지능이 환경에 미치는 영향을 객관적으로 분석한 최초의 보고서입니다. 이 보고서는 Mistral의 주력 모델인 Mistral Large 2의 환경적 비용을 산정하는 데 큰 역할을 하며, AI 산업에서 투명성을 높이기 위한 새로운 기준을 제시하고 있습니다.
보고서에 따르면, 모델 훈련과 18개월 간의 운영은 20.4킬로톤의 CO₂ 배출량을 생성하고, 281,000세제곱미터의 물을 소비했으며, 660킬로그램의 안티몬 등가물을 사용했습니다. 이러한 숫자는 AI 모델이 환경에 미치는 영향을 깊이 고민하게 만듭니다.
AI 모델의 자원 소비와 환경적 영향
훈련과 운영의 환경적 비용
보고서는 훈련이 전체 온실가스 배출의 85%, 총 수자원 소비의 91%를 차지한다고 밝혔습니다. 이와 같은 데이터는 AI 모델 개발 초기 단계에서의 자원 소비가 얼마나 집중적으로 이루어지는지를 보여줍니다. Mistral Large 2 모델의 경우, 각 400번의 응답 요청이 1.14그램의 CO₂ 배출량과 45밀리리터의 물 사용을 유발한다고 합니다.
OpenAI의 ChatGPT에 대한 비교도 주목할 만합니다. ChatGPT는 각각의 요청에 0.32밀리리터의 물을 사용한다는 주장은 Mistral의 데이터와 큰 차이를 보입니다. 이러한 차이는 AI 모델의 환경적 영향에 대한 명확한 기준 부재와 데이터 부족에서 비롯된 것일 수 있습니다.
AI 모델 사이즈와 환경 발자국의 관계
큰 모델이 더 큰 문제를 초래하는가?
보고서는 모델 크기와 환경 발자국의 명확한 상관 관계를 강조합니다. 모델 크기가 커질수록 환경 비용이 기하급수적으로 증가하며, 이는 AI 모델 선택 시 환경적 측면을 고려해야 함을 보여줍니다. 예를 들어, 동일한 수의 토큰을 생성한다고 가정할 때, 10배 더 큰 모델은 약 10배 더 많은 환경 비용을 초래합니다.
AI 산업의 지속 가능성을 향한 발걸음
환경적 책임과 산업 표준
Mistral AI는 세 가지 주요 환경 메트릭스를 제안합니다: 훈련으로 인한 절대적 영향, 각 요청당 영향, 총 생애주기 대비 추론 비율입니다. 이러한 데이터를 통해 AI의 환경적 영향을 투명하게 공개하고, 더 지속 가능한 선택을 가능하게 합니다.
또한, AI 모델의 환경 발자국을 줄이기 위해 AI 기업은 국제적으로 인정된 표준에 따라 환경적 영향을 보고하고, 사용자는 자신의 필요에 맞는 최적의 모델을 선택해 요청을 묶어 불필요한 계산을 피함으로써 환경에 기여할 수 있습니다. 공공기관 역시 구매 결정 시 모델의 효율성과 크기를 고려해 시장을 친환경적으로 유도할 수 있습니다.
결론적으로, AI의 환경적 책임을 고려하여 지속 가능한 발전을 이루는 것은 모든 이해 당사자에게 중요한 과제입니다. 기업들은 환경적 데이터를 보다 투명하고 쉽게 접근 가능하게 만듦으로써 더욱 학습하고 발전할 수 있는 기회를 제공해야 합니다. 이는 단순한 선택을 넘어선 의무로 자리 잡을 수 있습니다.