AI의 역할과 기후모델의 발전
AI는 과학과 상업 분야에서 그 역할이 커지고 있으며, 3500억 달러 이상이 투자되었습니다. 특히, 기후 및 날씨 모델링에서 AI는 더 빠르고 정확한 모델을 제공하며, 이는 기상 예측 능력에 실질적인 영향을 미치고 있습니다. 그러나 AI의 높은 전력 소비는 환경에 부정적인 영향을 미칠 수 있습니다.
- AI는 복잡한 데이터 세트를 처리하고 패턴을 인식하는 데 강점을 가지고 있어 기후 예측의 정확도를 눈에 띄게 향상시키고 있습니다. 예를 들어, 구글의 AI 플랫폼은 날씨 변화 예측 정확도를 기존 모델 대비 20% 향상시키는 데에 기여했습니다.
- AI 기술의 발전으로 인해 대기 및 해양의 미세한 변화를 추적하고 분석해 내는 데 걸리는 시간이 크게 줄어들었습니다. IDC 보고서에 따르면, AI와 클라우드 기반 기후 모델링을 통해 예측 주기가 과거보다 50% 이상 단축되었습니다.
기후와 날씨 예측의 중요성
지구 온난화로 인해 기후 현상이 더욱 극단적으로 변하면서 기후 및 날씨 예측의 중요성이 커지고 있습니다. 유럽연합의 Destin-E 프로젝트, 미국 NOAA 지구 관측 프로그램, NVIDIA의 Earth-2와 같은 주요 기관들은 더 나은 모델 개발을 위해 노력하고 있습니다.
- 현재 기상 재해로 인한 전 세계 경제 손실은 연간 약 2천억 달러에 달합니다. 정확한 기후 및 날씨 예측은 이러한 손실을 줄이고, 인명과 자산을 보호하는 데 필수적입니다.
- 미국 국가 기상청(NWS)은 AI 기반 예측 시스템을 도입하여 최고 수준의 폭풍 예측 정확도를 달성해, 폭풍 경보 시스템의 대응 시간을 최대 40% 단축시켰습니다.
기후와 날씨 모델의 차이
기후는 글로벌 규모의 시스템을, 날씨는 지역 규모의 시스템을 의미합니다. 모델의 규모에 따라 ‘지역’의 정의는 달라지며, 규모가 줄어들수록 계산 시간은 기하급수적으로 증가합니다. 1 km 해상도의 모델을 하루에 1년치 시뮬레이션을 수행하는 것이 목표입니다.
- 2019년 발표된 기후 모델 연구에 따르면, 1 km 해상도 모델은 대기 및 해양의 미세한 상호작용까지 포착할 수 있어, 극단적인 기상 변화의 예측이 정밀해집니다.
- 오늘날 대기의 운동을 예측하는 고해상도 모델은 매일 수 테라바이트(TB)의 데이터 처리가 요구되며, 이는 슈퍼컴퓨터의 성능 향상과 AI를 통한 데이터 처리 기술로만 가능해졌습니다.
1 km 해상도의 기후 모델 개발
현재 기후 과학의 목표는 1 km 해상도의 모델을 하루에 1년치 시뮬레이션을 수행하는 것입니다. 이는 대기 역학을 명확히 모델링할 수 있게 하여, 단기 날씨와 장기 기후 과정을 더 잘 이해할 수 있도록 합니다.
- 과학자들은 지구 시스템 시뮬레이션이 2050년 대 기후 변화를 어떻게 예상할 수 있는지 연구하고 있으며, 대기 중 CO2 농도가660ppm에 이를 경우의 시뮬레이션을 위한 1 km 해상도 데이터가 사용되고 있습니다.
- 이러한 기후 모델은 지역 수준에서 해양 표면 온도, 바람 패턴, 강수량의 변화를 감지할 수 있어, 지역별 기후 정책 수립에 있어 매우 중요한 역할을 하고 있습니다.
AI와 고성능 컴퓨팅의 역할
AI와 GPU를 활용한 고성능 컴퓨팅은 새로운 기후 시뮬레이션을 가능하게 합니다. Sunway 슈퍼컴퓨터를 활용한 GRIST 모델은 1 km 해상도로 극한 강우 사건을 성공적으로 시뮬레이션했습니다.
- Tianhe-2라는 중국 슈퍼컴퓨터는 초당 3,390조 회 연산을 수행할 수 있는 능력을 가지고 있으며, 이를 활용해 복잡한 기후 시뮬레이션을 수행하고 있습니다.
- NVIDIA의 최신 HGX A100 AI 시스템은 매일 30경 플롭스(PFLOPS)의 AI 연산 처리 능력을 제공하며, 이는 복잡한 기후 모델의 신속한 데이터 처리에 있어 필수적입니다.
상업적 AI 사용의 환경 영향
AI 데이터 센터는 막대한 전력을 소비합니다. 미국 전력의 4.4%가 AI 데이터 센터에 사용되고 있으며, 2030년까지 12%로 증가할 것으로 예상됩니다. 이는 대부분 화석 연료에 의존하고 있어 환경에 부정적인 영향을 미칩니다.
- 세계경제포럼(WEF)에 따르면, 2020년에 AI 및 데이터센터 운영에 따른 전체 전력 소비량은 전 세계 탄소 배출량의 약 1%를 차지했다고 보고되었습니다.
- 2021년 구글은 자사의 데이터 센터 에너지 소모 절감을 위해 청정 에너지원으로 전환을 가속화하여, 2030년까지 탄소 중립을 달성하겠다고 발표한 바 있습니다.
AI 에너지 사용의 투명성 문제
MIT Technology Review는 AI 에너지 사용에 대한 보고의 투명성이 부족하다고 지적합니다. AI 모델의 훈련과 추론 과정에서 막대한 에너지가 소비되며, 이로 인해 환경에 미치는 영향이 큽니다.
- 전문가들은 AI 시스템의 에너지 사용 공간을 평가할 때, 데이터 처리부터 모델 훈련 및 추론 과정 전체를 투명하게 공개해야 한다고 조언하고 있습니다.
- 카네기 멜론 대학의 연구에 따르면, AI 시스템의 에너지 소비는 훈련 데이터 양 및 계산 복잡도에 직접적으로 비례하며, 이를 투명하게 공개하는 것은 지속 가능한 AI 발전을 위해 필수적입니다.
AI와 물 자원의 사용
데이터 센터의 냉각을 위해 매일 수백만 갤런의 식수가 사용되며, 이는 지역 사회에 큰 부담을 줍니다. 네바다와 같은 건조한 지역에서 데이터 센터의 물 사용은 특히 문제입니다.
- 미국 데이터 센터 산업은 연간 780억 갤런의 물을 소모하며, 이는 200개 정도의 대규모 중소 도시의 물 사용량에 해당합니다.
- 캘리포니아의 데이터 센터들은 수자원 보존을 위해 유체역학 냉각 시스템을 도입하여 물 사용량을 80%까지 절감할 수 있었습니다.
기술 기업의 환경 목표 포기
AI의 에너지 수요 증가로 인해 주요 기술 기업들은 환경 목표를 포기하고 있습니다. Microsoft는 기후 프로젝트를 중단했으며, Google의 보고서에 따르면 AI로 인한 탄소 배출이 계속 증가하고 있습니다.
- 2021년 아마존은 자사의 클라우드 서비스 확대에 따라 연간 탄소 배출량이 전년대비 40% 증가하며, 환경 목표 달성이 요원해졌습니다.
- IBM 보고서에 따르면, 기술 분야의 탄소 중립 목표 성공률은 약 30%에 불과하며, 대부분 AI와 데이터 중심 서비스 확대로 인한 에너지 수요 증가 때문입니다.
결론: AI와 환경의 균형
AI가 기후 모델링에 기여하는 바가 크지만, 그로 인한 환경적 영향 역시 무시할 수 없습니다. AI의 발전이 환경에 미치는 영향을 줄이는 노력이 필요합니다.
- 지속 가능한 AI 발전을 위해 효율적인 연산 및 데이터 센터 운영을 도입하는 것이 필요하며, 연구에 따르면 최적화된 냉각 시스템은 최대 50%의 에너지 절감 효과를 제공합니다.
- UN 지속가능개발목표(SDGs)에서는 AI의 긍정적 기여를 극대화하고, 환경적 영향을 최소화하는 기준을 수립하여 모든 산업 분야에서의 적용을 권장하고 있습니다.
출처 : 원문 보러가기
