Connect with us

Spänningar i kampen mot klimatförändringar med AI

Artificiell intelligens

Spänningar i kampen mot klimatförändringar med AI

mm

Klimatförändringar är ett av de mest betydande problem som världen står inför idag. Det är bara logiskt att människor använder en av de mest störande teknologierna, AI, för att bekämpa det.

Forskare, företag och regeringar har alla tillämpat AI omfattande i kampen mot klimatförändringar. Men medan detta har visat några imponerande resultat, har också dess miljömässiga nackdelar blivit tydligare. Här är en närmare titt på fördelarna och nackdelarna med att använda AI för att hantera klimatförändringar.

Fördelar med att bekämpa klimatförändringar med AI

Världen har investerat hundratals miljoner dollar i klimatfokuserad AI. Trots att det är relativt nytt, har dessa teknologier redan gjort betydande förbättringar, och deras potential går ännu längre. Här är några av de ledande fördelarna med AI inom hållbarhet.

1. Att göra exakta klimatprognoser

Effektiva hållbarhetsinsatser kräver en förståelse för miljön och hur den förändras. AI-forskningsverktyg kan hjälpa till att tillhandahålla det. Avancerade dataanalysmotorer kan ge insikt i olika ekosystem och hur olika förändringar kan påverka dem.

Forskare använder AI för att karaktärisera källor till föroreningar, uppskatta exponering för föroreningar, förutsäga toxicitetsnivåer och mer. Denna information ger en mer detaljerad bild av miljön och hur den kan förändras när olika faktorer skiftar. Företag kan använda denna information för att fatta mer miljövänliga beslut, och regeringar kan använda den för att fatta mer informerade lagstiftningsbeslut.

AI-prognoser kan visa hur hållbarhetsinitiativ kan påverka miljön. Globala byråer kan sedan justera sina mål efter behov.

2. Avslöja sätt att minska koldioxidavtryck

På samma sätt kan AI-drivna insikter hjälpa människor att minska sitt koldioxidavtryck. Vissa utsläppskällor är uppenbara, men det kan vara svårt att förstå den fulla skalan av ett företags utsläpp, särskilt när man tar hänsyn till indirekta källor. AI kan avslöja ins och outs av dessa element och föreslå effektiva förändringar.

AI-algoritmer kan analysera alla direkta och indirekta utsläppskällor för ett företag och katalogisera dem enligt deras storlek och potential för förändring. Dessa företag kan sedan fatta bättre beslut om att minska sitt koldioxidavtryck, som att elektrifiera sina flottor eller använda förnybar energi. Vissa studier tyder på att användning av AI på detta sätt kan minska utsläppen med 5,3 gigaton till 2030.

Mindre skalförbättringar kan också hjälpa. Till exempel använder vissa logistikföretag AI för att optimera de rutter som deras leveranslastbilar tar. Som ett resultat reser de mindre sträcka, vilket minskar utsläppen från transport.

3. Optimera förnybar energi

AI kan också hjälpa till att utnyttja förnybar energi på bästa sätt. Vind och solkraft producerar inga skadliga utsläpp, men de genererar inte heller energi dygnet runt, och energilagring är komplicerad. Elförbrukningen ökar också, med USA som använder 13 gånger mer el 2020 än 1950, vilket lägger till mer komplicerade problem. AI kan hjälpa till.

AI-styrda smarta nät kan analysera realtidsenergiproduktion från förnybara källor och efterfrågan från närliggande byggnader. De kan sedan skicka olika nivåer av el till olika områden, möta olika elförsörjningsbehov samtidigt som de minimerar energiförbrukningen. På så sätt kan förnybara energikällor leverera el på ett mer tillförlitligt sätt.

Intelligenta algoritmer kan också analysera olika faktorer för att hitta idealiska platser för nya sol- eller vindkraftverk. Dessa insikter kan hjälpa till att tillhandahålla så mycket förnybar energi som möjligt med minimal infrastruktur, vilket minskar materialkostnader och habitatförstöring.

Nackdelar med att använda AI för att bekämpa klimatförändringar

Så gott som AI kan vara i kampen mot klimatförändringar, så har det också en betydande miljöpåverkan. Här är de mest betydande nackdelarna med AI för miljön.

1. Energiförbrukning

Den största invändningen mot att använda AI för att skydda miljön är teknologins enorma energibehov. Studier har visat att utbildning av en enda maskinlärningsmodell kan släppa ut mer än 626 000 kilo koldioxidutsläpp, vilket motsvarar utsläppen från fem bilar under deras livstid.

Att köra de avancerade beräkningarna som finns i AI-algoritmer kräver omfattande datorkapacitet. Dessa datorer förbrukar mycket energi, och det mesta av elen idag kommer från fossila bränslen. Som ett resultat genererar en ökad användning av AI ofta mer skadliga utsläpp.

En övergång till förnybar energi skulle hjälpa till att lösa detta problem, men det kommer att ta tid. Vissa experter är oroliga för att en ökad användning av AI kan skapa mer efterfrågan på fossila bränslen under tiden, vilket motverkar alla positiva förändringar det medför.

2. Beroende av sällsynta jordartsmetaller

De datacenter som stöder AI-processer bidrar också till miljöförstörande gruvverksamhet. Datorhårdvara kräver sällsynta jordartsmetaller, och utvinning av dem tar hårt på miljön.

Varje ton sällsynta jordartsmetaller som bryts producerar 12 000 kubikmeter avfallsgas, 75 kubikmeter avloppsvatten och en ton radioaktivt material. Detta avfall, särskilt det radioaktiva restmaterialet, kan läcka ut i den omgivande ekosystemen och hota vilda djur och vattenkällor. Gruvutrustning använder vanligtvis också dieselmotorer som släpper ut utsläpp.

Världen behöver hantera utvinning av sällsynta jordartsmetaller om AI ska vara riktigt miljövänligt. Det betyder antingen att hitta alternativa material eller utveckla mer hållbara processer.

AI har en komplicerad relation med miljön

AI kan vara en av mänsklighetens bästa verktyg i kampen mot klimatförändringar, men det har också en betydande miljöpåverkan. Forskare och organisationer behöver hantera denna komplicerade relation för att utnyttja denna teknik på bästa sätt. AI kunde leda världen till en mer hållbar framtid, men bara om något förändras med dess energi- och resursbehov.

Zac Amos är en tech-författare som fokuserar på artificiell intelligens. Han är också Features Editor på ReHack, där du kan läsa mer av hans arbete.