ในช่วงไม่กี่ปีที่ผ่านมา AI ได้กลายเป็นเทคโนโลยีที่ทุกคนพูดถึง ตั้งแต่ ChatGPT ที่ช่วยตอบคำถาม ไปจนถึง AI ที่สามารถแต่งรูป วิดีโอ หรือแม้แต่ช่วยแพทย์วินิจฉัยโรคได้ อย่างไรก็ตาม เบื้องหลังความชาญฉลาดนี้กลับมาพร้อมกับต้นทุนที่สูง เพราะการพัฒนา AI โดยเฉพาะโมเดลขนาดใหญ่ จำเป็นต้องใช้การประมวลผลมหาศาล จากรายงานของ Knowledge at Wharton เผยว่า การฝึกสอน GPT-3 ที่มีการใช้พลังงานประมาณ 1,287 เมกะวัตต์-ชั่วโมง (MWh) และปล่อยก๊าซคาร์บอนไดออกไซด์ (CO2) ราว 502 ตัน เทียบเท่ากับการปล่อยมลพิษของรถยนต์ที่ใช้น้ำมันเบนซินประมาณ 112 คันตลอดทั้งปี และนี่เป็นเพียงขั้นตอนการฝึกสอนเท่านั้น โดยการประมวลผลคำถามแบบเรียลไทม์อาจต้องใช้พลังงานสูงถึง 60% ของการใช้พลังงานทั้งหมดของ AI1 ซึ่งยังไม่รวมถึงการอัปเดตและปรับปรุงอย่างต่อเนื่อง วันนี้ OPEN-TEC ศูนย์รวมองค์ความรู้ด้านเทคโนโลยี (Tech Knowledge Sharing Platform) ภายใต้การดูแลของ TCC TECHNOLOGY GROUP จะพาทุกคนไปทำความเข้าใจถึงความสำคัญของ Green AI แนวคิดที่ไม่อาจมองข้ามได้

จุดเริ่มต้นของ Green AI
ท่ามกลางความท้าทายด้านพลังงานของ AI แนวคิด Green AI จึงถือกำเนิดขึ้น โดยชี้ให้เห็นว่าความก้าวหน้าของ AI ไม่ควรถูกวัดจากเพียงความแม่นยำ หรือ ความฉลาดเท่านั้น แต่ยังต้องคำนึงถึงต้นทุนด้านพลังงานและผลกระทบต่อสิ่งแวดล้อมอีกด้วย โดยเป้าหมายของ Green AI คือการสร้าง AI ที่ทำงานได้อย่างมีประสิทธิภาพในขณะที่ใช้ทรัพยากรให้น้อยที่สุด จากรายงานของ IBM ระบุว่า หนึ่งในแนวทางสำคัญคือการพัฒนา Small Language Models (SLMs) หรือโมเดลภาษาขนาดเล็ก ซึ่งมีความกะทัดรัด ใช้หน่วยความจำและพลังประมวลผลน้อยกว่าโมเดลขนาดใหญ่ จึงเหมาะกับสภาพแวดล้อมที่มีทรัพยากรจำกัด เช่น อุปกรณ์เอดจ์ (edge devices) แอปพลิเคชันบนมือถือ หรือแม้กระทั่งการทำงานแบบออฟไลน์2 นอกจากนี้ยังมีการใช้เทคนิคเชิงวิศวกรรมอย่างการบีบอัดโมเดล (model compression) ซึ่งช่วยลดความซับซ้อนของโมเดลแต่ยังคงประสิทธิภาพในระดับที่น่าพึงพอใจ
บริษัทขนาดใหญ่สนับสนุน SLMs
แนวคิด Green AI ไม่ได้หยุดอยู่แค่ในงานวิชาการ แต่ถูกนำไปใช้จริงโดยบริษัทขนาดใหญ่ด้านเทคโนโลยี เช่น Google และ Microsoft ที่ต่างให้ความสำคัญกับการพัฒนา SLMs เพื่อลดการใช้พลังงาน จากรายงานของ Microsoft เผยให้เห็นว่า โมเดล "Phi" ที่ถูกออกแบบขึ้นนั้นมีประสิทธิภาพสูงแต่ใช้ทรัพยากรการประมวลผลต่ำ ช่วยลดการใช้พลังงานน้อยลงอย่างมหาศาล3 และส่งผลให้การปล่อยคาร์บอนลดลงอย่างชัดเจน ในขณะรายงานของ Google เผยให้เห็นว่า โมเดล "Gemma" เป็น SLMs ที่รองรับข้อความ ภาพ เสียง และวิดีโอ นั้นสามารถทำงานบนอุปกรณ์ปลายทางได้โดยตรง4 ซึ่งวิธีนี้จะช่วยลดปริมาณข้อมูลและกระจายภาระการใช้พลังงานไปที่อุปกรณ์ปลายทางแทน ทั้งนี้ การพัฒนา SLMs จึงไม่ใช่แค่เรื่องนวัตกรรมด้าน AI แต่ยังสะท้อนถึงความพยายามของบริษัทขนาดใหญ่ด้านเทคโนโลยีในการลดผลกระทบต่อสิ่งแวดล้อมอย่างเป็นรูปธรรม
AI ในชีวิตประจำวัน กับภาระที่เราไม่เห็น
หลายคนอาจคิดว่าเรื่อง Green AI เป็นเรื่องระดับบริษัทขนาดใหญ่ ไม่เกี่ยวข้องกับชีวิตประจำวันของพวกเรา แต่ในความเป็นจริงแล้วนั้น AI ได้เข้ามาอยู่ในชีวิตประจำวันของเรามากกว่าที่คิด ตั้งแต่มือถือที่ใช้ค้นหาข้อมูลด้วย AI รถยนต์ไฟฟ้าที่ใช้ระบบขับเคลื่อนอัตโนมัติ ไปจนถึงอุปกรณ์อัจฉริยะภายในบ้านที่ตอบสนองต่อเสียงพูดของเรา และทุกครั้งที่อุปกรณ์เหล่านี้ทำงาน นั่นหมายถึงการใช้พลังงานที่ซ่อนอยู่เบื้องหลังเสมอ หากพวกเราละเลย อาจส่งผลกระทบต่อสิ่งแวดล้อมและต้นทุนของสังคมโดยรวมนั่นเอง
สุดท้ายนี้ AI ที่ฉลาดขึ้นคือสัญลักษณ์ของความก้าวหน้าทางเทคโนโลยี แต่ความก้าวหน้านี้จะไม่มีความหมาย หากต้องแลกมาด้วยการทำลายสิ่งแวดล้อม แนวคิด Green AI จึงไม่ใช่แค่ทางเลือก แต่เป็นความจำเป็นที่เราทุกคนต้องร่วมกันผลักดัน เพื่อให้ AI ที่อยู่คู่กับมนุษย์ในอนาคต ไม่เพียงแต่ฉลาดในการคิดและแก้ปัญหา แต่ยังฉลาดในการรักษาโลกใบนี้ไว้อีกด้วย
อ้างอิง
1. Walther, C. C. (2024, November). The hidden cost of AI energy consumption. Knowledge at Wharton, The Wharton School, University of Pennsylvania. https://knowledge.wharton.upenn.edu/article/the-hidden-cost-of-ai-energy-consumption/?utm_source=chatgpt.com
2. Caballar, R. D. (2024, October 31). What are small language models? International Business Machines Corporation (IBM). https://www.ibm.com/think/topics/small-language-models
3. Microsoft. (2025, January). Accelerating sustainability with AI: Innovations for a better future. Microsoft Corporation.
4. Sherwood, M., Chan, M., & Ikonomidis, M. (2025, May 20). On-device small language models with multimodality, RAG, and function calling. Google LLC. https://developers.googleblog.com/en/google-ai-edge-small-language-models-multimodality-rag-function-calling/