Ризици и награде за АИ борбу против климатских промена

Како се вештачка интелигенција користи за решавање проблема у здравству, пољопривреди, предвиђању времена и још много тога, научници и инжењери истражују како би вештачка интелигенција могла да се користи у борби против климатских промена. Алгоритми вештачке интелигенције би заиста могли да се користе за изградњу бољих климатских модела и одређивање ефикаснијих метода за смањење емисије ЦО2, али сама вештачка интелигенција често захтева значајну рачунарску снагу и стога троши много енергије. Да ли је могуће смањити количину енергије коју троши вештачка интелигенција и побољшати њену ефикасност када је у питању борба против климатских промена?

Вирџинија Дигнум, професорка етичке вештачке интелигенције на Универзитету Умеа у Шведској, недавно је интервјуисана за часопис Хоризон. Дигнум је објаснио да АИ може имати велики утицај на животну средину који може остати неиспитан. Дигнум указује на Нетфлик и алгоритме који се користе за препоруку филмова корисницима Нетфлик-а. Да би ови алгоритми могли да раде и предлажу филмове стотинама хиљада корисника, Нетфлик треба да покреће велике центре података. Ови центри података чувају и обрађују податке који се користе за обуку алгоритама.

Дигнум припада групи стручњака који саветују Европску комисију о томе како да направи вештачку интелигенцију усмерену на човека. Дигнум је за Хоризон Магазине објаснио да се утицај вештачке интелигенције на животну средину често не цени, али под правим околностима центри података могу бити одговорни за ослобађање великих количина Ц02.

„То је употреба енергије о којој заправо не размишљамо“, објаснио је проф. Дигнум за Хоризон Магазине. „Имамо фарме података, посебно у северним земљама Европе и у Канади, које су огромне. Неке од тих ствари троше енергију колико и мали град.'

Дингум је то приметио једна студија, коју је урадио Универзитет у Масачусетсу, открио је да стварање софистициране вештачке интелигенције за тумачење људског језика доводи до емисије од око 300,000 килограма еквивалента Ц02. Ово је отприлике пет пута већи утицај просечног аутомобила у САД. Ове емисије би потенцијално могле да порасту, према проценама шведског истраживача Андерса Андраеа, предвиђају да би до 2025. године центри података могли чинити приближно 10% укупне потрошње електричне енергије. Раст великих података и рачунарске снаге потребне за њихово руковање скренули су пажњу многих научника и еколога на утицај вештачке интелигенције на животну средину.

Упркос овим забринутостима, АИ може играти улогу у помагању у борби против климатских промена и ограничавању емисија. Научници и инжењери широм света залажу се за употребу вештачке интелигенције у дизајнирању решења за климатске промене. На пример, професор Феликс Кројциг је повезан са Меркатор истраживачким институтом за глобалне заједнице и климатске промене у Берлину и Круциг се нада да ће користити вештачку интелигенцију за побољшање коришћења простора у урбаним срединама. Ефикасније коришћење простора могло би да помогне у решавању проблема као што су урбана топлотна острва. Алгоритми машинског учења могу се користити и за одређивање оптималне позиције за зелене површине, или за одређивање образаца протока ваздуха приликом пројектовања вентилационе архитектуре за борбу против екстремне топлоте. Урбане зелене површине могу играти улогу понора угљеника.

Тренутно, Цреутзиг ради са наслаганом архитектуром, методом која користи и механичко моделирање и машинско учење, са циљем да утврди како ће зграде реаговати на температурне и енергетске захтеве. Кројциг се нада да његов рад може довести до нових дизајна зграда које користе мање енергије уз одржавање квалитета живота.

Осим тога, АИ би могао помоћи борити се против климатских промена на неколико начина. Као прво, АИ би се могла искористити за изградњу бољих система електричне енергије који би могли боље интегрисати обновљиве ресурсе. АИ је већ коришћен за праћење крчења шума, а његова континуирана употреба за овај задатак може помоћи у очувању шума које делују као понори угљеника. Алгоритми машинског учења би такође могли да се користе за израчунавање угљичног отиска појединца и предлагање начина за његово смањење.

Тактике за смањење количине енергије коју троши АИ укључују брисање података који се више не користе, смањујући потребу за великим операцијама складиштења података. Дизајнирање ефикаснијих алгоритама и метода обуке је такође важно, укључујући бављење АИ алтернативама машинском учењу које тежи подацима.