[이슈&경제] AI의 비밀스러운 물 흔적

조원철 연세대학교 사회환경시스템공학부 명예교수

자료정보 산업의 핵심으로 떠오른 인공지능(AI) 모델의 물 사용 흔적, 특히 GPT-3 같은 대형 모델들의 증가하는 탄소 배출량은 대중의 조사를 받고 있으나 불행하게도 똑같이 중요한 막대한 물 사용 흔적은 레이더 아래에 남아 있다.

마이크로소프트의 최첨단 미국 자료 센터에서 GPT-3를 훈련하는데 막대한 양의 깨끗한 담수를 직접 증발시킬 수 있다는 정보는 비밀로 유지되고 있다. 더욱 중요한 것은 전 세계 AI 수요가 2027년에는 42억~66억㎥의 취수량을 차지할 수 있다는 점이다.

급속한 인구 증가, 수자원 고갈, 수자원 인프라의 노후화, 기후변화에 따른 극심한 폭염과 가뭄으로 인해 담수 부족이 가장 시급한 과제 중 하나가 됐기에 이는 매우 심각한 일이다. 이런 글로벌 물 문제에 대응하기 위해 AI 모델들은 사회적 책임을 다하고 자체적으로 물 흔적을 해결함으로써 모범을 보일 수 있고, 또 그래야 한다.

AI 모델들의 물 흔적(전기 생산과 훈련과 추론을 위한 냉각용수 취수량)과 냉각 소비량(증발량)을 추정하는 원칙적인 방법론을 이해하고 운영 물 효율성의 고유한 시공간적 다양성에 대해서도 알아야 한다. 진정으로 지속가능한 AI를 구현하려면 탄소 흔적과 함께 물 흔적을 전체적으로 해결해야 할 필요성을 강조한다.

물은 사용해야 하는 유한한 자원이며 지구상에서 귀중한 자원 중 하나다. 이제 우리는 물 안보와 건강한 생태계를 지원하기 위해 긴급 조치를 취해야 한다. 물은 인권이며 더 나은 미래를 만들어가는 공통 분모다. 하지만 물은 심각한 문제에 빠졌다. 역사적인 가뭄이 물 공급을 위협하고 있고 생명과 생태계의 원천인 물 안보는 인간과 국가 안보의 핵심이 됐다.

AI의 엄청난 물 사용이 사회적으로 책임 있고 환경 측면으로 지속가능한 중요한 관심사임을 인식해 비밀스러운 물 흔적을 밝히는 투명성을 높이는 노력이 필요하다. AI의 물 흔적을 추정하는 원칙적인 방법론을 확립하고 대규모 AI 모델들의 훈련을 위해 수백만ℓ에 달하는 엄청난 양의 물을 소비(증발)할 수 있음을 보여줘야 한다. 탄소 배출 흔적과 같이 물 사용 효율성이 공간적, 시간상으로 다양하다는 점을 인지해 실행(훈련과 추론)할 ‘언제’와 ‘어디서’를 신중하게 결정하면 물 흔적을 크게 줄일 수 있을 것이다. 물 흔적은 더 이상 레이더 아래에 머물 수는 없다.

AI는 우리 사회에 매우 중요한 여러 영역에서 놀라운 혁신과 성공을 목격하게 했다. 점점 더 많은 AI 모델이 에너지 호그(energy hogs)로 알려진 대규모 창고 규모의 자료 센터 내에 수용된 전력 소모가 많은 서버에서 훈련되고 추론을 배포하고 있다. 결과적으로 AI의 수많은 이점과 잠재력에도 불구하고 환경 흔적(탄소 흔적과 물 사용 흔적), 특히 막대한 물 흔적(전력 생산과 서버 냉각을 위해 취수되고 소비되는 담수 사용)은 대부분 레이더에 포착되지 않고 있다. 적절하게 해결되지 않으면 증가하는 AI의 물 사용은 미래에 사회적으로 책임 있고 환경 측면으로 지속가능한 AI에 잠재적인 걸림돌이 될 수 있을 것이다.

냉각방식의 개선이 절대 필요하다. 하나의 대안으로는 댐이나 하천 곁이 아니라 심층수를 이용할 수 있는 동해안이나 전력 공급이 가능한 섬에 자료 센터를 설치하는 것이다.