Ризики та вигоди штучного інтелекту у боротьбі зі зміною клімату

Оскільки штучний інтелект використовується для вирішення проблем у сфері охорони здоров’я, сільського господарства, прогнозування погоди та інших галузей, вчені та інженери досліджують, як штучний інтелект можна використовувати для боротьби зі зміною клімату. Алгоритми штучного інтелекту можна використовувати для створення кращих кліматичних моделей та визначення більш ефективних методів giảmлення викидів CO2, але сам штучний інтелект часто вимагає великої обчислювальної потужності та споживає багато енергії. Чи можна зменшити кількість енергії, яку споживає штучний інтелект, та покращити його ефективність у боротьбі зі зміною клімату?

Вірджинія Дігнум, професор етики штучного інтелекту в Університеті Умео в Швеції, була недавно інтерв’ювана журналом Horizon Magazine. Дігнум пояснила, що штучний інтелект може мати великий екологічний слід, який часто залишається непоміченим. Дігнум вказала на Netflix (NFLX ) та алгоритми, які використовуються для рекомендації фільмів користувачам Netflix. Для того, щоб ці алгоритми працювали та рекомендували фільми сотням тисяч користувачів, Netflix потрібно запускати великі центри даних. Ці центри даних зберігають та обробляють дані, які використовуються для навчання алгоритмів.

Дігнум належить до групи експертів, які радять Європейській комісії щодо того, як зробити людоцентричний, етичний штучний інтелект. Дігнум пояснила журналу Horizon Magazine, що екологічний вплив штучного інтелекту часто залишається непоміченим, але під певними обставинами центри даних можуть бути відповідальними за викид великої кількості CO2.

«Це використання енергії, про яке ми не дуже думаємо», – пояснила проф. Дігнум журналу Horizon Magazine. «У нас є ферми даних, особливо в північних країнах Європи та Канаді, які дуже великі. Деякі з цих об’єктів споживають таку ж кількість енергії, як і малий місто».

Дігнум зазначила, що одне дослідження, проведене Університетом Массачусетсу, виявило, що створення складного штучного інтелекту для інтерпретації людської мови призвело до викидів близько 300 000 кілограмів еквівалентного CO2. Це приблизно п’ять разів більше впливу середнього автомобіля в США. Ці викиди можуть потенційно зростати, оскільки оцінки, зроблені шведським дослідником Андерсом Андре, передбачають, що до 2025 року центри даних можуть становити близько 10% всіх електричних витрат. Ріст великих даних та обчислювальної потужності, необхідної для їх обробки, привернув увагу багатьох вчених та екологів до екологічного впливу штучного інтелекту.

Незважаючи на ці проблеми, штучний інтелект може відігравати роль у допомозі нам боротися зі зміною клімату та обмежувати викиди. Вчені та інженери у всьому світі пропагують використання штучного інтелекту для розробки рішень щодо зміни клімату. Наприклад, професор Фелікс Кройциг, який працює в Інституті Меркатора з глобальних спільних ресурсів та зміни клімату в Берліні, сподівається використовувати штучний інтелект для покращення використання простору в міських середовищах. Більш ефективне використання простору може допомогти вирішити проблеми, такі як міські острови тепла. Алгоритми машинного навчання можна використовувати для визначення оптимальної позиції для зелених просторів, а також для визначення повітряних потоків при проектуванні вентиляційної архітектури для боротьби з екстремальною спекою. Міські зелені простори можуть відігравати роль вуглецевого поглинача.

Наразі Кройциг працює зі стековою архітектурою, методом, який використовує як механічне моделювання, так і машинне навчання, з метою визначення того, як будівлі будуть реагувати на температуру та енергетичні вимоги. Кройциг сподівається, що його робота може привести до нових проектів будівель, які будуть використовувати менше енергії, зберігаючи при цьому якість життя.

Поза цим, штучний інтелект може допомогти боротися зі зміною клімату багатьма способами. Наприклад, штучний інтелект можна використовувати для створення кращих електричних систем, які можуть краще інтегрувати відновлювані джерела енергії. Штучний інтелект вже використовувався для моніторингу вирубки лісів, а його подальше використання для цієї задачі може допомогти зберегти ліси, які діють як вуглецеві поглиначі. Алгоритми машинного навчання можна використовувати для розрахунку індивідуального вуглецевого сліду та пропозиції способів його зменшення.

Тактики для зменшення кількості енергії, яку споживає штучний інтелект, включають видалення даних, які більше не використовуються, зменшення потреби у великих операціях зберігання даних. Створення більш ефективних алгоритмів та методів навчання також важливо, включаючи розвиток альтернатив штучного інтелекту до машинного навчання, яке часто є dữджим.