Risico’s en voordelen van AI bij het bestrijden van klimaatverandering

Terwijl kunstmatige intelligentie wordt gebruikt om problemen op te lossen in de gezondheidszorg, landbouw, weersvoorspelling en meer, onderzoeken wetenschappers en ingenieurs hoe AI kan worden gebruikt om klimaatverandering te bestrijden. AI-algoritmes kunnen inderdaad worden gebruikt om betere klimaatmodellen te bouwen en efficiëntere methoden te bepalen voor het reduceren van CO2-uitstoot, maar AI zelf vereist vaak aanzienlijke rekenkracht en verbruikt dus veel energie. Is het mogelijk om het energieverbruik van AI te reduceren en de effectiviteit te verbeteren bij het bestrijden van klimaatverandering?

Virginia Dignum, een ethische kunstmatige intelligentie-professor aan de Universiteit van Umeå in Zweden, werd onlangs geïnterviewd door Horizon Magazine. Dignum legde uit dat AI een grote ecologische voetafdruk kan hebben die ongezien kan blijven. Dignum wijst naar Netflix (NFLX ) en de algoritmes die worden gebruikt om films aan te bevelen aan Netflix-gebruikers. Om deze algoritmes te laten draaien en films aan te bevelen aan honderdduizenden gebruikers, moet Netflix grote datacentra draaien. Deze datacentra slaan en verwerken de gegevens die worden gebruikt om algoritmes te trainen.

Dignum behoort tot een groep van experts die de Europese Commissie adviseren over hoe mensgerichte, ethische AI te maken. Dignum legde aan Horizon Magazine uit dat de ecologische impact van AI vaak ongewaardeerd wordt, maar dat datacentra onder de juiste omstandigheden verantwoordelijk kunnen zijn voor de vrijgave van grote hoeveelheden CO2.

‘Het is een energieverbruik dat we niet echt over nadenken,’ legde prof. Dignum aan Horizon Magazine uit. ‘We hebben databoerderijen, vooral in de noordelijke landen van Europa en in Canada, die enorm zijn. Sommige van die dingen verbruiken evenveel energie als een kleine stad.’

Dignum merkte op dat één studie, uitgevoerd door de Universiteit van Massachusetts, vond dat het creëren van een geavanceerde AI om menselijke taal te interpreteren leidde tot de uitstoot van ongeveer 300.000 kilogram CO2-equivalent. Dit is ongeveer vijf keer de impact van de gemiddelde auto in de VS. Deze uitstoot kan potentieel groeien, aangezien schattingen van de Zweedse onderzoeker Anders Andrae uitwijzen dat datacentra tegen 2025 ongeveer 10% van alle elektriciteitsverbruik kunnen verantwoorden. De groei van big data en de rekenkracht die nodig is om het te verwerken, heeft de ecologische impact van AI onder de aandacht gebracht van veel wetenschappers en milieuactivisten.

Ondanks deze zorgen kan AI een rol spelen bij het helpen van ons om klimaatverandering te bestrijden en uitstoot te beperken. Wetenschappers en ingenieurs over de hele wereld pleiten voor het gebruik van AI bij het ontwerpen van oplossingen voor klimaatverandering. Bijvoorbeeld, professor Felix Creutzig is verbonden aan het Mercator Research Institute on Global Commons and Climate Change in Berlijn en Creutzig hoopt AI te gebruiken om de gebruikmaking van ruimtes in stedelijke omgevingen te verbeteren. Een efficiëntere gebruikmaking van ruimtes kan helpen bij het aanpakken van problemen zoals stedelijke hitte-eilanden. Machine learning-algoritmes kunnen worden gebruikt om de optimale positie voor groene ruimtes te bepalen, of om luchtstroompatronen te bepalen bij het ontwerpen van ventilatie-architectuur om extreme hitte te bestrijden. Stedelijke groene ruimtes kunnen dienen als koolstofput.

Op dit moment werkt Creutzig met gestapelde architectuur, een methode die zowel mechanische modellering als machine learning gebruikt, om te bepalen hoe gebouwen zullen reageren op temperatuur en energievraag. Creutzig hoopt dat zijn werk kan leiden tot nieuwe gebouwontwerpen die minder energie verbruiken terwijl de kwaliteit van het leven behouden blijft.

Verder kan AI helpen klimaatverandering te bestrijden op verschillende manieren. Ten eerste kan AI worden gebruikt om betere elektriciteitssystemen te bouwen die beter in staat zijn om hernieuwbare bronnen te integreren. AI is al gebruikt om ontbossing te monitoren, en het voortdurend gebruik ervan voor deze taak kan helpen bij het behouden van bossen die dienen als koolstofput. Machine learning-algoritmes kunnen ook worden gebruikt om de koolstofvoetafdruk van een individu te berekenen en suggesties te doen om deze te reduceren.

Tactieken om het energieverbruik van AI te reduceren omvatten het verwijderen van gegevens die niet langer in gebruik zijn, het reduceren van de behoefte aan massive data-opslagoperaties. Het ontwerpen van efficiëntere algoritmes en trainingsmethoden is ook belangrijk, inclusief het nastreven van AI-alternatieven voor machine learning, die vaak gegevenshongerig zijn.