Risiko dan Imbalan untuk AI dalam Melawan Perubahan Iklim

Seiring dengan penggunaan kecerdasan buatan untuk memecahkan masalah di bidang kesehatan, pertanian, prediksi cuaca, dan lain-lain, para ilmuwan dan insinyur sedang menyelidiki bagaimana AI dapat digunakan untuk melawan perubahan iklim. Algoritma AI dapat digunakan untuk membangun model iklim yang lebih baik dan menentukan metode yang lebih efisien untuk mengurangi emisi CO2, tetapi AI itu sendiri sering memerlukan daya komputasi yang substansial dan oleh karena itu mengkonsumsi banyak energi. Apakah mungkin untuk mengurangi jumlah energi yang dikonsumsi oleh AI dan meningkatkan efektivitasnya dalam melawan perubahan iklim?

Virginia Dignum, profesor kecerdasan buatan etis di Universitas Umeå di Swedia, baru-baru ini diwawancarai oleh Horizon Magazine. Dignum menjelaskan bahwa AI dapat memiliki jejak lingkungan yang besar yang dapat tidak terdeteksi. Dignum menunjuk Netflix (NFLX ) dan algoritma yang digunakan untuk merekomendasikan film kepada pengguna Netflix. Agar algoritma tersebut dapat berjalan dan merekomendasikan film kepada ratusan ribu pengguna, Netflix perlu menjalankan pusat data yang besar. Pusat data tersebut menyimpan dan memproses data yang digunakan untuk melatih algoritma.

Dignum termasuk dalam kelompok ahli yang memberikan saran kepada Komisi Eropa tentang bagaimana membuat AI yang berpusat pada manusia dan etis. Dignum menjelaskan kepada Horizon Magazine bahwa dampak lingkungan AI sering tidak dihargai, tetapi di bawah keadaan yang tepat, pusat data dapat bertanggung jawab atas pelepasan jumlah besar CO2.

‘Ini adalah penggunaan energi yang tidak kita pikirkan,’ jelas Prof. Dignum kepada Horizon Magazine. ‘Kita memiliki pertanian data, terutama di negara-negara utara Eropa dan di Kanada, yang sangat besar. Beberapa hal tersebut menggunakan energi sebanyak sebuah kota kecil.’

Dingum mencatat bahwa sebuah studi, yang dilakukan oleh Universitas Massachusetts, menemukan bahwa membuat AI yang canggih untuk menafsirkan bahasa manusia dapat menyebabkan emisi sekitar 300.000 kilogram CO2 setara. Ini sekitar lima kali dampak dari mobil rata-rata di AS. Emisi ini dapat tumbuh, karena perkiraan yang dilakukan oleh seorang peneliti Swedia, Anders Andrae, memperkirakan bahwa pada tahun 2025, pusat data dapat menyumbang sekitar 10% dari semua penggunaan listrik. Pertumbuhan data besar dan daya komputasi yang diperlukan untuk menanganinya telah membawa dampak lingkungan AI ke perhatian banyak ilmuwan dan lingkungan.

Meskipun ada kekhawatiran tersebut, AI dapat memainkan peran dalam membantu kita melawan perubahan iklim dan membatasi emisi. Para ilmuwan dan insinyur di seluruh dunia mendukung penggunaan AI dalam merancang solusi untuk perubahan iklim. Sebagai contoh, Profesor Felix Creutzig berafiliasi dengan Institut Penelitian Mercator tentang Perubahan Iklim dan Kebijakan Global di Berlin, dan Crutzig berharap menggunakan AI untuk meningkatkan penggunaan ruang di lingkungan perkotaan. Penggunaan ruang yang lebih efisien dapat membantu menangani masalah seperti pulau panas perkotaan. Algoritma pembelajaran mesin dapat digunakan untuk menentukan posisi optimal untuk ruang hijau, atau untuk menentukan pola aliran udara saat merancang arsitektur ventilasi untuk melawan panas ekstrem. Ruang hijau perkotaan dapat memainkan peran sebagai sumur karbon.

Saat ini, Creutzig bekerja dengan arsitektur bertumpuk, sebuah metode yang menggunakan pemodelan mekanis dan pembelajaran mesin, dengan tujuan menentukan bagaimana bangunan akan merespons suhu dan kebutuhan energi. Creutzig berharap bahwa pekerjaannya dapat mengarah pada desain bangunan baru yang menggunakan lebih sedikit energi sambil mempertahankan kualitas hidup.

Di luar itu, AI dapat membantu melawan perubahan iklim dengan beberapa cara. Sebagai contoh, AI dapat digunakan untuk membangun sistem listrik yang lebih baik yang dapat lebih baik mengintegrasikan sumber daya terbarukan. AI telah digunakan untuk memantau deforestasi, dan penggunaan terus-menerus untuk tugas ini dapat membantu melestarikan hutan yang bertindak sebagai sumur karbon. Algoritma pembelajaran mesin juga dapat digunakan untuk menghitung jejak karbon individu dan menyarankan cara untuk menguranginya.

Taktik untuk mengurangi jumlah energi yang dikonsumsi oleh AI termasuk menghapus data yang tidak lagi digunakan, mengurangi kebutuhan untuk operasi penyimpanan data besar. Merancang algoritma dan metode pelatihan yang lebih efisien juga penting, termasuk mengejar alternatif AI untuk pembelajaran mesin yang cenderung lapar data.