環境保護（シラバス 法律・倫理15）

なぜAIが環境の問題になるのか

ディープラーニングは、モデルを大きくし、データと計算量を増やすほど性能が上がる傾向があります。そのため、最先端のモデルを学習するには、大量のGPUなどを長い期間動かし続けます。その電力の多くが化石燃料で作られていれば、温室効果ガスが出て、気候変動を進める要因になります。データセンターでは、機器を冷やすための電力や水も使います。

規模の目安として、国際エネルギー機関（IEA）は、2024年の世界のデータセンターの電力消費を約415TWh（世界全体の約1.5%）と推計しました。2030年には約945TWhと2倍以上に増える見通しで、その最大の要因はAIだとしています。AI事業者ガイドラインの別添も、AI開発に使う電力によるCO2排出量が、米国人1人が1年に出す量の何十倍にもなるという指摘を紹介しています。

学習と推論の両方で生じる

段階	負荷の特徴
学習	1回あたりの計算量が非常に大きい。試行錯誤でやり直すたびに負荷が増える
推論	1回は小さいが、利用者と利用回数が増えるほど積み重なる

2019年の研究は、自然言語処理のモデルの学習にかかる費用とCO2排出量を見積もり、この問題に広く注目を集めました。

負荷を減らす工夫

2021年の研究は、モデルの設計、データセンター、プロセッサの選び方しだいで、CO2排出量を最大で100〜1000分の1にできると試算しています。

• モデルを軽くする：蒸留、量子化、プルーニングで計算量を減らします（技術分野の「モデルの軽量化」）。
• 使い分ける：簡単な作業には小さなモデルを使い、事前学習済みモデルを調整して、ゼロからの学習を避けます。
• 場所と設備を選ぶ：再生可能エネルギーの比率が高い地域や、電力効率のよいデータセンターと専用のプロセッサを使います。
• 測って示す：学習に使った電力やCO2排出量を報告します。精度だけでなく効率も評価しようという考え方は「Green AI」と呼ばれます。

AI事業者ガイドラインも、共通の指針「人間中心」の中で持続可能性の確保を挙げています。ライフサイクル全体で地球環境への影響を検討し、計算量の多い生成AIなどでは、モデルの軽量化や目的に応じた使い分けを講じるよう求めています。

AIが環境に役立つ面

AIは、電力需要の予測、空調などの省エネ制御、気象・気候の予測、再生可能エネルギーの発電量の予測にも使われます。広島AIプロセスの国際指針も、気候危機などの世界的な課題に取り組むAIの開発を優先するよう掲げています。負荷と貢献の両方を見て判断することが大切です。