İklim Değişikliğiyle Mücadelede AI’ın Riskleri ve Ödülleri

Yapay zeka, sağlık, tarım, hava tahmini ve daha birçok alanda sorunları çözmek için kullanılmaktadır. Bilim insanları ve mühendisler, AI’ın iklim değişikliğiyle mücadele için nasıl kullanılabileceğini araştırıyorlar. AI algoritmaları, daha iyi iklim modelleri oluşturmak ve CO2 emisyonlarını azaltmak için daha verimli yöntemler belirlemek için kullanılabilir, ancak AI itself genellikle önemli miktarda hesaplama gücü gerektirir ve bu nedenle çok fazla enerji tüketir. AI’ın enerji tüketimini azaltmak ve iklim değişikliğiyle mücadele konusunda etkinliğini artırmak mümkün mü?

Umeå Üniversitesi’nde etik yapay zeka profesörü olan Virginia Dignum, yakın zamanda Horizon Magazine’de röportaj yaptı. Dignum, AI’ın büyük bir çevresel ayak izine sahip olabileceğini ve bu ayak izinin genellikle gözden kaçırıldığını açıkladı. Dignum, Netflix (NFLX ) ve kullanıcılarına film önermek için kullanılan algoritmaları örnek gösterdi. Bu algoritmaları çalıştırmak ve yüz binlerce kullanıcıya film önermek için Netflix, büyük veri merkezleri işletmek zorundadır. Bu veri merkezleri, algoritmaları eğitmek için kullanılan verilerin depolanması ve işlenmesini sağlar.

Dignum, Avrupa Komisyonu’na insan merkezli, etik AI konusunda danışmanlık yapan uzmanlar grubunun bir parçasıdır. Dignum, Horizon Magazine’de AI’ın çevresel etkisinin genellikle gözden kaçırıldığını, ancak doğru koşullar altında veri merkezlerinin büyük miktarda CO2 salınımına neden olabileceğini açıkladı.

‘Bu, düşünmediğimiz bir enerji kullanımıdır’ dedi Prof. Dignum Horizon Magazine’de. ‘Veri çiftlikleri, özellikle Avrupa’nın kuzey ülkelerinde ve Kanada’da, çok büyük. Bazıları, küçük bir şehir kadar enerji tüketiyor.’

Dignum, Massachusetts Üniversitesi’nin yaptığı bir çalışmanın, insan dilini yorumlamak için gelişmiş bir AI oluşturmanın yaklaşık 300.000 kilogram CO2 eşdeğerinin salınımına neden olabileceğini belirtti. Bu, ABD’deki ortalama bir arabanın etkisinin yaklaşık beş katıdır. Bu emisyonlar, büyük veri ve hesaplama gücünün büyümesiyle birlikte artabilir. İsveçli bir araştırmacı olan Anders Andrae’nin yaptığı tahminlere göre, 2025 yılına kadar veri merkezleri, tüm elektrik kullanımının yaklaşık %10’unu oluşturabilir. Büyük veri ve hesaplama gücünün büyümesi, AI’ın çevresel etkisini birçok bilim insanı ve çevrecinin dikkatine çekmiştir.

Bu endişelere rağmen, AI iklim değişikliğiyle mücadele ve emisyonları azaltma konusunda bir rol oynayabilir. Bilim insanları ve mühendisler, iklim değişikliği çözümlerini tasarlamak için AI’ın kullanılmasını savunuyorlar. Örneğin, Berlin’deki Mercator Research Institute on Global Commons and Climate Change’de görev yapan Profesör Felix Creutzig, AI’ı şehirlerdeki alanların daha verimli kullanılmasını sağlamak için kullanmayı umuyor. Daha verimli alan kullanımı, şehirlerdeki ısı adalarını azaltmaya yardımcı olabilir. Makine öğrenimi algoritmaları, yeşil alanların optimal konumunu belirlemek veya binaların havalandırma mimarisini tasarlamak için kullanılabilir.

Şu anda, Creutzig, mekanik modelleme ve makine öğreniminin bir kombinasyonunu kullanan bir yöntem olan yığılmış mimari üzerinde çalışıyor. Bu yöntem, binaların sıcaklık ve enerji taleplerine nasıl tepki vereceğini belirlemeyi amaçlıyor. Creutzig, çalışmalarının, daha az enerji tüketen ve yaşam kalitesini koruyan yeni bina tasarımlarına yol açabileceğini umuyor.

AI, iklim değişikliğiyle mücadele konusunda birçok şekilde yardımcı olabilir. Örneğin, AI, yenilenebilir kaynakları daha iyi entegre edebilen elektrik sistemlerini oluşturmak için kullanılabilir. AI, already ormanların yok edilmesini izlemek için kullanılmıştır ve bu görev için devam eden kullanımı, ormanların korunmasına yardımcı olabilir. Makine öğrenimi algoritmaları, bir kişinin karbon ayak izini hesaplamak ve azaltma yollarını önermek için kullanılabilir.

AI’ın enerji tüketimini azaltmak için kullanılan taktikler, artık kullanılmayan verilerin silinmesi, büyük veri depolama operasyonlarının ihtiyacını azaltma ve daha verimli algoritmalar ve eğitim yöntemleri tasarlamayı içerir. Makine öğrenimine alternatif AI yöntemlerini araştırmak da önemlidir, çünkü makine öğrenimi genellikle veri açlığı çekmektedir.