เมื่อหลายปีก่อน ตอนที่เข้าสู่วงการ AI ผมมีความสนใจอย่างมากในการวัดผลกระทบต่อสิ่งแวดล้อมของโครงการที่ทีมพัฒนาอยู่ ผมเคยใช้ CodeCarbon ซึ่งเป็นไลบรารีโอเพนซอร์สจากฝรั่งเศส เพื่อวัดการใช้พลังงานและการปล่อยคาร์บอนจากการฝึกแมชชีนเลิร์นนิง โดยการรันตัวติดตาม (tracker) ก่อนและหลังการฝึก ทำให้ได้ค่า kWh และ CO2e ของการทดลอง
ผมเคยฝังเครื่องมือนี้ในทุกโปรเจกต์ เพราะการวัดทั้งประสิทธิภาพและการปล่อยมลพิษของโมเดลรู้สึกเหมือนเป็นก้าวที่เป็นรูปธรรมในการสร้างความเปลี่ยนแปลง แต่เมื่อสองสัปดาห์ก่อน ผมตระหนักว่าผมไม่สามารถตอบคำถามบางอย่างของเพื่อนร่วมงานเกี่ยวกับเครื่องมือนี้ได้
เนื่องจาก Agent และ Generative AI กลายเป็นส่วนหนึ่งของธุรกิจในชีวิตประจำวันของเรา การปล่อยร่องรอยทางสิ่งแวดล้อมจึงเกิดขึ้น แม้ว่าจะมีเครื่องมืออยู่ แต่บทบาทของวิศวกร AI/ML ได้มีการพัฒนาไปอย่างมากจนต้องปรับมุมมองในการทำงานด้วย
ศัพท์ที่ควรรู้
- CodeCarbon – ไลบรารีโอเพนซอร์สที่ช่วยวัดการใช้พลังงานและการปล่อยคาร์บอนจากการฝึกโมเดลแมชชีนเลิร์นนิง
- kWh – หน่วยวัดพลังงานที่ใช้ไปในการฝึกโมเดล
- CO2e – ค่าที่แสดงถึงการปล่อยก๊าซเรือนกระจกเทียบเท่าที่เกิดขึ้นจากการทดลอง
- Agent และ Generative AI – ประเภทของ AI ที่ถูกนำมาใช้ในธุรกิจประจำวัน ซึ่งมีรอยเท้าทางสิ่งแวดล้อมที่ต้องพิจารณา
ที่มา: towardsdatascience.com