Generative AI กับผลกระทบสิ่งแวดล้อม: ยิ่งโมเดลฉลาด ยิ่งต้องใช้พลังงานอย่างรับผิดชอบ

การขยายตัวของ Generative AI กำลังเปลี่ยนวิธีที่ผู้คนและองค์กรทำงาน ตั้งแต่การสร้างข้อความและภาพ ไปจนถึงการวิเคราะห์ข้อมูลและผลิตวิดีโอ อย่างไรก็ตาม ประเด็นที่ได้รับความสนใจมากขึ้นควบคู่กับความก้าวหน้าของเทคโนโลยีคือผลกระทบต่อสิ่งแวดล้อม โดยเฉพาะการใช้พลังงานของศูนย์ข้อมูลที่รองรับการฝึกและการให้บริการโมเดล AI ขนาดใหญ่ ประเด็นดังกล่าวถูกหยิบยกขึ้นมาพูดคุยในชุมชนเทคโนโลยี รวมถึงบน Hacker News ซึ่งสะท้อนว่าความสามารถของ AI ต้องถูกประเมินควบคู่กับต้นทุนด้านพลังงานและทรัพยากร

เบื้องหลังต้นทุนสิ่งแวดล้อมของโมเดล AI

โมเดล Generative AI ต้องอาศัยชิปประมวลผลประสิทธิภาพสูงจำนวนมาก ทั้งในช่วงฝึกโมเดลและช่วงที่ผู้ใช้ส่งคำสั่งเข้ามาใช้งานจริง การประมวลผลแต่ละครั้งอาจดูเหมือนเป็นกิจกรรมขนาดเล็ก แต่เมื่อรวมคำขอจากผู้ใช้งานทั่วโลก ต้นทุนรวมด้านพลังงานย่อมเพิ่มขึ้นตามขนาดของบริการ นอกจากไฟฟ้าที่ใช้กับเซิร์ฟเวอร์แล้ว ศูนย์ข้อมูลยังต้องใช้ระบบทำความเย็นและโครงสร้างพื้นฐานด้านเครือข่าย ซึ่งเกี่ยวข้องกับการใช้น้ำและการปล่อยคาร์บอนตามแหล่งพลังงานของแต่ละพื้นที่

ผลกระทบไม่ได้จำกัดอยู่ที่การใช้งานโมเดลเท่านั้น การผลิตชิป หน่วยความจำ เซิร์ฟเวอร์ และอุปกรณ์เครือข่ายยังต้องใช้วัตถุดิบและพลังงานตลอดวงจรชีวิต ด้วยเหตุนี้ ผู้พัฒนา AI จึงเริ่มให้ความสำคัญกับการออกแบบโมเดลที่มีประสิทธิภาพมากขึ้น การใช้โมเดลขนาดเล็กให้เหมาะกับงาน การประมวลผลบนอุปกรณ์ปลายทาง และการใช้พลังงานหมุนเวียนในศูนย์ข้อมูล ล้วนเป็นแนวทางที่ช่วยลดต้นทุนต่อคำขอได้

มุมมองสำหรับนักพัฒนาและผู้ประกอบการไทย

ผู้พัฒนาไทยควรเริ่มจากการเลือกโมเดลให้เหมาะกับลักษณะงาน แทนการใช้โมเดลที่ใหญ่ที่สุดกับทุกกรณี งานสรุปข้อความ จัดหมวดหมู่ หรือดึงข้อมูลอาจใช้โมเดลขนาดเล็กและคำสั่งที่ออกแบบดีได้ ขณะที่งานซับซ้อนจึงค่อยส่งต่อให้โมเดลระดับสูง แนวทางนี้ช่วยลดค่าใช้จ่าย ลดเวลาแฝง และลดการใช้พลังงานโดยไม่จำเป็น

สำหรับผู้ประกอบการ การวัดต้นทุน AI ควรรวมทั้งค่าโครงสร้างพื้นฐาน ค่าเรียกใช้งานโมเดล และผลกระทบด้านพลังงานไว้ในแผนธุรกิจ การเก็บข้อมูลการใช้งานต่อฟีเจอร์ การกำหนดเพดานการประมวลผล และการเลือกผู้ให้บริการที่มีแนวทางด้านพลังงานอย่างโปร่งใส จะช่วยให้องค์กรขยายบริการ AI ได้อย่างยั่งยืนมากขึ้น ขณะเดียวกัน การสื่อสารเรื่องการใช้ AI อย่างรับผิดชอบยังช่วยสร้างความเชื่อมั่นให้กับลูกค้าและนักลงทุน

ทดลองใช้ AI ผ่าน Tora API

ผู้สนใจสามารถทดลองนำโมเดล AI มาปรับใช้กับงานจริงผ่าน Tora Playground หรือเชื่อมต่อระบบผ่าน Tora API โดยเลือกใช้โมเดลให้เหมาะกับระดับความซับซ้อนของงาน เช่น Claude 3.7, GPT-4o และ DeepSeek R1 ส่วนงานสร้างวิดีโอสามารถศึกษาและทดลองผ่าน เครื่องมือ Text-to-Video การเริ่มต้นจากการทดสอบขนาดเล็กและติดตามการใช้ทรัพยากรอย่างเป็นระบบ จะช่วยให้องค์กรใช้ประโยชน์จาก AI ได้คุ้มค่า พร้อมลดผลกระทบต่อสิ่งแวดล้อมในระยะยาว