Green AI

เรื่องโดย นุสรา จริยะสกุลโรจน์

ปัญญาประดิษฐ์ (Artificial Intelligence : AI) ได้เปลี่ยนแปลงโลกในหลายด้าน ไม่ว่าจะเป็นด้านธุรกิจ การแพทย์ การเงิน การตลาด เทคโนโลยีทั่วไป รวมถึงการใช้ชีวิตประจำวันของผู้คน ทั้งนี้ เนื่องจาก AI มีการประมวลผลข้อมูลที่มีขนาดใหญ่และมีความซับซ้อน จึงจำเป็นต้องใช้เซิร์ฟเวอร์จำนวนมากมายที่ศูนย์ข้อมูล (Data Center) ทำให้ต้องใช้พลังงานไฟฟ้ามหาศาล อีกทั้งต้องใช้น้ำมากในการระบายความร้อน ซึ่งส่งผลกระทบต่อสิ่งแวดล้อมโดยตรง นี่คือที่มาของแนวคิด “Green AI” หรือปัญญาประดิษฐ์ที่คำนึงถึงความยั่งยืนและลดการปล่อยคาร์บอนให้เหลือน้อยที่สุด

Green AI คืออะไร?

Green AI คือแนวคิดในการพัฒนาและใช้งานปัญญาประดิษฐ์ (AI) โดยคำนึงถึงผลกระทบต่อสิ่งแวดล้อม ลดการใช้พลังงาน และลดคาร์บอนฟุตพริ้นท์ ซึ่งต่างจาก AI ทั่วไปที่ต้องใช้พลังงานมหาศาลในการประมวลผล Green AI จึงมุ่งเน้นไปที่การทำให้ AI ฉลาดขึ้นแต่ใช้ทรัพยากรน้อยลง ซึ่งแบ่งได้เป็น Green by AI และ Green in AI

• Green by AI เน้นการใช้ AI มาเป็นเครื่องมือเพื่อไปช่วยแก้ไขปัญหาสิ่งแวดล้อม เช่น การใช้ AI วิเคราะห์ข้อมูลภาพถ่ายดาวเทียมเพื่อติดตามการเปลี่ยนแปลงของป่าไม้ การใช้ AI เพื่อเพิ่มประสิทธิภาพของการผลิตพลังงานหมุนเวียน และการใช้ AI ออกแบบวัสดุใหม่ที่เป็นมิตรต่อสิ่งแวดล้อม
• Green in AI เน้นไปที่การลดผลกระทบของกระบวนการสร้างและการใช้ AI ต่อสิ่งแวดล้อม เช่น การลดใช้พลังงานในขั้นตอนฝึกโมเดลหรือขณะที่ AI กำลังทำงาน การออกแบบอัลกอริทึมที่ใช้พลังงานน้อยลง หรือการออกแบบศูนย์ข้อมูล (Data Center) แบบใหม่ที่มีประสิทธิภาพด้านการใช้พลังงานที่ดีกว่าเดิม

แนวทางการพัฒนา Green AI

1. ลดพลังงานที่ใช้ในการฝึก AI

การฝึกโมเดล AI ขนาดใหญ่ต้องใช้พลังงานจำนวนมาก เช่น การฝึก GPT-3 มีการปล่อยก๊าซคาร์บอนไดออกไซด์ถึง 500 ตันคาร์บอนไดออกไซด์เทียบเท่า และใช้น้ำประมาณ  700,000 ลิตร ในระบบระบายความร้อน แต่ Green AI จะลดปริมาณพลังงานไฟฟ้าและน้ำที่ใช้ในการฝึกโมเดลโดยใช้เทคนิคเช่น Pruning (การตัดแต่งโมเดลให้เล็กลง) หรือ Quantization (การลดความซับซ้อนของตัวเลขที่ใช้คำนวณ)

2. ออกแบบอัลกอริทึมที่ใช้พลังงานต่ำ

โมเดลที่ใช้พลังงานต่ำโดยไม่ลดทอนประสิทธิภาพ เช่น TinyML ซึ่งเป็น Machine Learning ที่ใช้พลังงานต่ำ โดยปรับปรุงโครงสร้างของ AI ให้ใช้พลังงานน้อยลงแต่ให้ผลลัพธ์ที่ดีเท่าเดิม รวมถึงใช้เทคนิค Few-Shot Learning ให้สามารถเรียนรู้จากข้อมูลจำนวนน้อยลงได้

3. ใช้ฮาร์ดแวร์ที่เป็นมิตรกับสิ่งแวดล้อม

การใช้หน่วยประมวลผลเฉพาะทาง เช่น Tensor Processing Units (TPU) เป็นชิปประมวลผลที่ออกแบบโดย Google เพื่อเร่งการทำงานของ AI โดยเฉพาะ เน้นด้าน Machine Learning (ML) และ Deep Learning (DL) สามารถประมวลผลข้อมูลจำนวนมากได้อย่างรวดเร็วและประหยัดพลังงาน ในขณะที่ Graphcore IPU เป็นชิปที่ออกแบบมาสำหรับเร่งความเร็วกราฟิก ที่ใช้พลังงานต่ำกว่าซีพียูทั่วไป

4. พัฒนาระบบที่สามารถรีไซเคิลหรือใช้งานทรัพยากรร่วมกันได้

การใช้ Cloud Computing ที่มีประสิทธิภาพสูงแทนการใช้เซิร์ฟเวอร์ส่วนตัวเพื่อลดการใช้พลังงานซ้ำซ้อน

5. ใช้พลังงานสะอาด

ศูนย์ข้อมูลหลายแห่งเริ่มหันมาใช้พลังงานสะอาด เช่น พลังงานแสงอาทิตย์และพลังงานลม บริษัทเทคโนโลยีใหญ่ ๆ เช่น Google, Microsoft และ Amazon กำลังเริ่มลงทุนในโครงการพลังงานสะอาดหลายแห่งทั่วโลก

ตัวอย่างของ Green AI ในปัจจุบัน

• Google’s DeepMind – ใช้ AI เพื่อเพิ่มประสิทธิภาพการใช้พลังงานในศูนย์ข้อมูล ทำให้ลดการใช้พลังงานลงกว่าร้อยละ 40 โดยใช้ AI วิเคราะห์ข้อมูลการทำงานของระบบระบายความร้อนและจัดการพลังงานแบบเวลาจริง (Real Time)
• IBM Green AI – มุ่งเน้นการพัฒนา AI ที่ใช้พลังงานต่ำและลดการปล่อยคาร์บอนในการคำนวณ เช่น การพัฒนาโมเดลที่สามารถประมวลผลได้ด้วยฮาร์ดแวร์ที่ใช้พลังงานต่ำ
• Microsoft – ตั้งเป้าหมายให้ศูนย์ข้อมูลของตนปล่อยคาร์บอนเป็นศูนย์ภายในปี 2030 โดยใช้ AI จัดการพลังงานอย่างมีประสิทธิภาพ รวมถึงการใช้พลังงานหมุนเวียนและระบบการจัดการข้อมูลอัจฉริยะ
• TinyML – มีแนวคิดในการพัฒนาโมเดล AI ให้มีขนาดเล็กลงและใช้พลังงานต่ำ เหมาะสำหรับอุปกรณ์ IoT (Internet of Things) และอุปกรณ์อัจฉริยะ (Smart Devices) เช่น การพัฒนาระบบตรวจจับเสียงหรือภาพที่สามารถทำงานได้โดยใช้พลังงานเพียงเล็กน้อย

ความท้าทายของ Green AI

แม้ว่า Green AI จะเป็นแนวคิดที่ดีแต่ก็มีความท้าทายหลายประการ เช่น :

• ต้นทุนค่าใช้จ่ายสูง – เทคโนโลยีที่ประหยัดพลังงาน การใช้ฮาร์ดแวร์พลังงานต่ำหรือการพัฒนาอัลกอริทึมที่มีประสิทธิภาพ จะมีค่าใช้จ่ายเริ่มต้นในการลงทุนที่สูงกว่าระบบทั่วไป
• ความซับซ้อนในการออกแบบ – การพัฒนาปรับแต่งโมเดลให้ AI สามารถประมวลผลได้ด้วยพลังงานที่จำกัดทำให้จำเป็นต้องออกแบบอัลกอริทึมที่ซับซ้อนขึ้น
• การเปลี่ยนแปลงโครงสร้างพื้นฐาน – องค์กรต้องมีการปรับเปลี่ยนฮาร์ดแวร์และซอฟต์แวร์เพื่อให้รองรับแนวคิด Green AI ซึ่งอาจต้องใช้ระยะเวลานานในการปรับเปลี่ยน

Green AI เป็นแนวทางที่จำเป็นสำหรับอนาคตของเทคโนโลยีปัญญาประดิษฐ์ เพราะไม่เพียงแต่ช่วยให้ AI มีประสิทธิภาพมากขึ้น แต่ยังช่วยลดผลกระทบต่อสิ่งแวดล้อม หากทุกภาคส่วนร่วมมือกันในการพัฒนา AI ที่เป็นมิตรกับสิ่งแวดล้อม เราจะสามารถสร้างอนาคตที่เทคโนโลยีและสิ่งแวดล้อมอยู่ร่วมกันได้อย่างยั่งยืน นี่จึงเป็นก้าวสำคัญที่ทั้งภาครัฐ เอกชน และนักวิจัยควรให้ความสำคัญเพื่อนำไปสู่โลกที่ดีกว่าในอนาคต

แหล่งข้อมูล
[1] บทความเรื่อง ปัญหาจากการใช้พลังงานในการใช้งาน AI

https://data-espresso.com/ปัญหาจากการใช้พลังงานในการใช้งาน-ai/

[2] บทความเรื่อง “Green AI คืออะไร? เทคโนโลยี AI ที่เป็นมิตรกับสิ่งแวดล้อม”

https://www.averyittech.com/what-is-green-ai-eco-friendly-ai-technology

[3] บทความเรื่อง Tensor Processing Unit (TPU) คืออะไร? รู้จักชิปประมวลผล ที่ออกแบบมาเพื่อ AI โดยเฉพาะ

https://www.gtoengineer.com/what-is-tensor-processing-unit/

[4] บทความเรื่อง Green AI คืออะไร? จะช่วยแก้ปัญหา AI ทำให้โลกร้อนขึ้นได้หรือไม่?

https://it24hrs.com/2025/green-ai-global-warming-solution/

Go to Top