AI กินไฟหนัก ยิ่งเก่งยิ่งเปลือง คุยกับ AI หนึ่งครั้ง อาจปล่อยคาร์บอนเท่าบินข้ามทวีป

ทุกวันนี้ใช้ AI กันบ่อยแค่ไหน? วันละครั้ง วันละสองครั้ง หรือทั้งวัน?...

เชื่อว่าหลายคนให้ AI แชตบอต ไม่ว่าจะเป็น ChatGPT, Claude, Gemini หรือ Perplexity มาช่วยหลายอย่างในชีวิตประจำวันในช่วงนี้ ถ้าในการทำงานก็อาจจะเป็นช่วยเขียนอีเมล ช่วยแปลภาษา หรือไม่ก็ใช้ในบริบทอื่น ๆ นอกออฟฟิศ อย่าง ช่วยวางแผนเที่ยว ใช้ดูดวง หรือแม้กระทั่งให้แชตบอตเป็นเพื่อนคุยยามเหงา

จากงานวิจัยของ Pew Research พบว่า ทุกวันนี้เกือบ 1 ใน 4 ของชาวอเมริกันยอมรับว่าใช้งาน AI แชตบอตหลายครั้งต่อวัน ในขณะที่อีกประมาณ 28% ใช้เพียงวันละครั้ง ในขณะที่ประเทศไทย ผลสำรวจของ BBDO Bangkok ในกลุ่มตัวอย่างคนไทย 400 คน พบว่า 73.84% ใช้ประโยชน์จาก AI ในชีวิตประจำวัน ด้วยเหตุผลว่า AI ช่วยเพิ่มความสะดวกสบาย ช่วยประหยัดเวลา และช่วยเพิ่มประสิทธิภาพในการทำงานให้ดีขึ้น

แต่สิ่งที่น่ากังวลที่ตามมาไม่ใช่แค่เรื่องของรูปแบบการใช้งานเท่านั้น แต่ปริมาณการใช้งานที่เพิ่มมากขึ้นในทุก ๆ วันก็ส่งผลกระทบด้านสิ่งแวดล้อมด้วยเช่นกัน โดยพบว่า AI ใช้พลังงานไม่น้อยเลยในการคำนวณหาคำตอบในแต่ละครั้ง

ใช้ AI แต่ละครั้ง เปลืองไฟแค่ไหน?

รายงานจาก International Energy Agency (IEA) เผยว่า “การขอคำตอบจาก AI อย่าง ChatGPT แต่ละครั้งนั้นใช้พลังงานไฟฟ้ามากกว่าการค้นหาผ่าน Google ถึง 10 เท่า” และเบื้องหลังการทำงานของ AI เหล่านี้คือ Data Center ที่กลายเป็นศูนย์กลางของการใช้พลังงานมหาศาล

โดยในปี 2023 พบว่า Data Center ในสหรัฐอเมริกาใช้ไฟไปถึง 4.4% ของทั้งประเทศ และคาดว่าจะเพิ่มขึ้นเป็น 6.7% ถึง 12% ภายในปี 2028 จากจำนวน Data Center ทั่วโลกที่เพิ่มขึ้นจาก 500,000 แห่งในปี 2012 สู่กว่า 8 ล้านแห่งในปี 2024 (ข้อมูล ณ เดือนกันยายน 2024)

การศึกษาใหม่ที่ตีพิมพ์ในวารสาร Frontiers ชี้ให้เห็นว่า การใช้ AI แต่ละครั้งนั้นมี “ต้นทุนคาร์บอน” ที่แตกต่างกัน ขึ้นอยู่กับคำถามที่ถามและรูปแบบของโมเดลที่ใช้ โดยนักวิจัยได้วิเคราะห์จาก “โทเคน” (Token) ซึ่งเป็นหน่วยข้อมูลพื้นฐานที่โมเดลภาษาใช้ในการประมวลผลและสร้างข้อความ

ผลวิจัยระบุว่า คำถามบางประเภทปล่อยคาร์บอนได้มากกว่าคำถามอื่นถึง 50 เท่า เป็นผลมาจากจำนวนโทเคนที่โมเดลต้องสร้างขึ้นระหว่างคิดหาคำตอบ ยิ่งคิดมากก็ยิ่งใช้พลังงานมาก แม้ผลลัพธ์จะถูกหรือผิดก็ไม่สำคัญ

โมเดลยิ่งฉลาด ยิ่งปล่อยคาร์บอนมาก

งานวิจัยเดียวกันนี้ได้ทำการทดสอบโมเดล AI ขนาดใหญ่ (Large Language Models หรือ LLMs) จำนวน 14 ตัว โดยแต่ละโมเดลมีขนาดตั้งแต่ 7,000 ล้านพารามิเตอร์ ไปจนถึง 72,000 ล้านพารามิเตอร์ ซึ่งพารามิเตอร์เหล่านี้คือสิ่งที่โมเดลเรียนรู้ไว้เพื่อใช้ตอบคำถาม

เมื่อให้ตอบคำถามเดียวกันจำนวน 1,000 ข้อ พบว่าโมเดลที่มีความสามารถด้าน “Reasoning” หรือการใช้เหตุผลเชิงลึกใช้โทเคนเฉลี่ย 543.5 ตัวต่อคำถาม ในขณะที่โมเดลทั่วไปใช้เพียง 37.7 ตัวต่อคำถาม ซึ่งทำให้โมเดลประเภทแรกปล่อยคาร์บอนมากกว่ามาก

นอกจากนี้ หัวข้อของคำถามเองก็มีผลต่อปริมาณการปล่อยคาร์บอน โดยที่คำถามง่าย ๆ อย่างประวัติศาสตร์ระดับมัธยมจะใช้พลังงานน้อยกว่าคำถามเชิงนามธรรม อย่างเช่น คณิตศาสตร์ระดับสูงหรือปรัชญา ถึง 6 เท่า เพราะต้องใช้การวิเคราะห์ที่ซับซ้อนยิ่งขึ้น

นักวิจัยระบุว่า ขณะนี้ยังไม่มีโมเดลใดที่สามารถให้ความแม่นยำสูงและปล่อยคาร์บอนต่ำได้ในเวลาเดียวกัน ตัวอย่างเช่น โมเดล Cogito ซึ่งเป็นโมเดลที่มีความแม่นยำสูงสุดจากการทดสอบ ปล่อยคาร์บอนมากกว่าโมเดลอื่นถึง 3 เท่า แม้จะมีขนาดใกล้เคียงกัน

Maximilian Dauner นักวิจัยหลักจาก Hochschule München University of Applied Sciences กล่าวในแถลงการณ์ว่า “ไม่มีโมเดลใดที่สามารถตอบคำถามได้ถูกเกิน 80% โดยที่ปล่อยคาร์บอนไม่เกิน 500 กรัมต่อคำถามได้เลย”

การศึกษายังเผยอีกว่า โมเดล AI ไม่ได้ปล่อยคาร์บอนเท่ากันเสมอไป ตัวอย่างที่น่าสนใจคือ DeepSeek R1 (70B) ใช้พลังงานในการตอบคำถาม 600,000 ข้อ เทียบเท่าคาร์บอนที่เกิดจากการบินไปกลับระหว่างลอนดอน-นิวยอร์ก ในขณะที่ Qwen 2.5 (72B) สามารถตอบได้ถึง 1.9 ล้านคำถาม โดยปล่อยคาร์บอนเท่ากัน และให้ความแม่นยำใกล้เคียงกัน

ทั้งนี้ ทีมวิจัยได้เน้นย้ำ และหวังว่า ผู้ใช้ AI จะหันมาใช้เท่าที่จำเป็น และเลือกใช้เทคโนโลยีอย่างมีจิตสำนึก ตัวอย่างเช่น ถ้ารู้ว่าการเปลี่ยนภาพตัวเองให้กลายเป็นแอคชันฟิกเกอร์ในแอปฯ AI จะปล่อยคาร์บอนมากแค่ไหน บางคนอาจเลือกที่จะไม่ทำ

“ถ้าผู้ใช้รู้ว่า คำสั่งที่ดูสนุก ๆ ก็มีราคาที่สิ่งแวดล้อมต้องจ่าย พวกเขาอาจตัดสินใจได้ดีกว่านี้” Dauner กล่าว

ที่มา: Times, BBDO Bangkok

ติดตามเพจ Facebook: Thairath Money ได้ที่ลิงก์นี้ - https://www.facebook.com/ThairathMoney