Πρόσφατα, η Τεχνητή Νοημοσύνη αναδείχθηκε σε πρόβλημα στην επείγουσα, διεθνή προσπάθεια για την αντιμετώπιση της κλιματικής κρίσης, καθώς -δεδομένου ότι παίζει μεγαλύτερο ρόλο στη ζωή μας- θα χρειαστεί τεράστιες ποσότητες υπολογιστικής ισχύος και αποθήκευσης δεδομένων.

Ως εκ τούτου, το ανθρακικό αποτύπωμα της Τεχνητής Νοημοσύνης προβλέπεται να διευρυνθεί λόγω της υψηλής κατανάλωσης ενέργειας και των εκπομπών διοξειδίου του άνθρακα που σχετίζονται με την παραγωγή του υλικού της.

Ωστόσο, η αλήθεια είναι διαφορετική, καθώς η Τεχνητή Νοημοσύνη θα μπορούσε επίσης να δώσει λύση σε προβλήματα, συμβάλλοντας σημαντικά στην αντιμετώπιση της κλιματικής αλλαγής.

Η Τεχνητή Νοημοσύνη θα μπορούσε, για παράδειγμα, να βοηθήσει με ακριβέστερες προβλέψεις ακραίων καιρικών φαινομένων, όπως οι τυφώνες, ή με τους ρυθμούς που λιώνουν οι πάγοι στους πόλους και οι παγετώνες του πλανήτη. Θα μπορούσε επίσης να μας βοηθήσει να διαχειριστούμε καλύτερα τις ενεργειακές μας υποδομές, όπως τα δίκτυα ηλεκτρικής ενέργειας.

Από το 2012, οι μεγαλύτερες διαδικασίες εκπαίδευσης Τεχνητής Νοημοσύνης καταναλώνουν όλο και μεγαλύτερα ποσά υπολογιστικής ισχύος. Στην πραγματικότητα, ο ρυθμός αυτός διπλασιάζεται κατά μέσο όρο κάθε 3,4 μήνες.

Τα κέντρα δεδομένων και τα δίκτυα μετάδοσης συμβάλλουν σε ποσοστό άνω του 1% της παγκόσμιας χρήσης ενέργειας και σε ποσοστό 0,6% των παγκόσμιων εκπομπών διοξειδίου του άνθρακα.

Ένα και μόνο ερώτημα προς το ChatGPT (το προηγμένο chatbot της OpenAI) μπορεί να παράξει πολύ περισσότερο διοξείδιο του άνθρακα από ό,τι μια κανονική αναζήτηση στο Google.

Διαβασε ακομα

Η Γη χάνει για πρώτη φορά 1″ και τα προβλήματα που θα προκληθούν δεν έχουν προηγούμενο

Αξιοποίηση της Τεχνητής Νοημοσύνης για καλό σκοπό

Παρά τις πιθανές αρνητικές συνέπειες, υπάρχει λόγος να είμαστε αισιόδοξοι. Ένας τρόπος με τον οποίο η Τεχνητή Νοημοσύνη θα μπορούσε να βοηθήσει, είναι η βελτίωση της κατανόησης της υποκείμενης επιστήμης της κλιματικής αλλαγής.

Υπάρχουν πολλοί τρόποι με τους οποίους η Τεχνητή Νοημοσύνη θα μπορούσε να συμβάλει σε αυτό το θέμα, αλλά ένας από αυτούς είναι η βελτίωση των κλιματικών μοντέλων.

Πρόκειται για προσομοιώσεις στον υπολογιστή σχετικά με το πώς λειτουργεί το κλίμα της Γης και πώς ανταποκρίνεται, ή πώς είναι πιθανό να ανταποκριθεί στο μέλλον, στις αυξημένες συγκεντρώσεις αερίων του θερμοκηπίου.

Τεχνικές ΑΙ, όπως η μηχανική μάθηση, θα μπορούσαν να χρησιμοποιηθούν για την προσομοίωση στοιχείων των κλιματικών μοντέλων, όπως ο τρόπος με τον οποίο σχηματίζονται οι σταγόνες βροχής ή τα σύννεφα, τα οποία επί του παρόντος είναι δύσκολο να αναπαραχθούν.

Με αυτόν τον τρόπο, η Τεχνητή Νοημοσύνη θα μπορούσε όχι μόνο να βελτιώσει τις προβλέψεις των κλιματικών μοντέλων – οι οποίες χρησιμοποιούνται για την καθοδήγηση των πολιτικών αποφάσεων – αλλά και να μειώσει την ποσότητα της υπολογιστικής ισχύος που απαιτείται για τέτοιου είδους εργασίες.

Αυτό, με τη σειρά του, θα μπορούσε να συμβάλει στη μείωση του αποτυπώματος άνθρακα από τη λειτουργία αυτών των κλιματικών μοντέλων σε υπερυπολογιστές.

Σε πρόσφατη ομιλία της στο TED, η Sims Witherspoon, επικεφαλής της Google DeepMind για το κλίμα και τη βιωσιμότητα, δήλωσε ότι η Τεχνητή Νοημοσύνη μπορεί να μας βοηθήσει να βελτιστοποιήσουμε και να διαχειριστούμε υφιστάμενα συστήματα και υποδομές, όπως τα δίκτυα ηλεκτρικής ενέργειας. Τα ηλεκτρικά δίκτυα πρέπει να διαχειρίζονται ενεργά για να διατηρείται μια σταθερή ισορροπία μεταξύ προσφοράς και ζήτησης.

Η μετάβαση από τα ορυκτά καύσιμα στις ανανεώσιμες πηγές ενέργειας είναι απαραίτητη για την επίτευξη των στόχων του καθαρού μηδενός.

Ωστόσο, ενώ τα εργοστάσια ορυκτών καυσίμων είναι σχετικά αξιόπιστα, η ενέργεια από τον άνεμο και την ηλιακή ενέργεια είναι απρόβλεπτη λόγω των καιρικών συνθηκών. Σε αυτό το σημείο η Τεχνητή Νοημοσύνη θα μπορούσε να παρέμβει.

Η ομάδα της Witherspoon στην DeepMind εκπαίδευσε ένα δίκτυο νευρώνων (ένα σύστημα Τεχνητής Νοημοσύνης εμπνευσμένο από τον ανθρώπινο εγκέφαλο) σε δεδομένα από ιστορικά καιρικά πρότυπα και πληροφορίες για την παραγωγή ενέργειας από ανεμογεννήτριες.

Η τεχνολογία που προέκυψε είχε 20% καλύτερες επιδόσεις από τα υπάρχοντα συστήματα πρόβλεψης της παραγωγής αιολικής ενέργειας. Αυτό θα μπορούσε να χρησιμοποιηθεί από τους φορείς εκμετάλλευσης για τον καλύτερο προγραμματισμό των βυθίσεων στην προσφορά και την κάλυψη των κενών με ενέργεια από άλλες ανανεώσιμες πηγές.

Διαβασε ακομα

Τα ακραία καιρικά φαινόμενα του 2023 έχουν ήδη καθορίσει το μέλλον της ανθρωπότητας

Οι σωστές πολιτικές

Παρά τα απτά οφέλη, η Τεχνητή Νοημοσύνη χρειάζεται επίσης τις σωστές κυβερνητικές πολιτικές για να αξιοποιηθούν οι δυνατότητές της.

Η αλληλεπίδραση μεταξύ των πλεονεκτημάτων της AI και του περιβαλλοντικού της κόστους είναι απίστευτα πολύπλοκη. Για να διασφαλιστεί ότι η AI έχει καθαρό θετικό αντίκτυπο, χρειάζεται διαφάνεια σχετικά με το περιβαλλοντικό κόστος της από όλα τα εμπλεκόμενα μέρη, συμπεριλαμβανομένων των κυβερνήσεων και των τεχνολογικών εταιρειών που αναπτύσσουν συστήματα AI.

Μόνο μέσω της διαφάνειας και της ανταλλαγής δεδομένων μπορούμε να κάνουμε τεκμηριωμένες και στρατηγικές επιλογές σχετικά με τη χρήση της Τεχνητής Νοημοσύνης, προκειμένου να ενισχύσουμε τις θετικές επιπτώσεις και να βρούμε λύσεις που θα μειώνουν τις αρνητικές επιπτώσεις της τεχνολογίας στο περιβάλλον.

Όπως είναι σήμερα, η Τεχνητή Νοημοσύνη δεν είναι μια ιδιαίτερα πράσινη τεχνολογία και η ανάπτυξή της είναι δαπανηρή.

Ωστόσο, η κλιματική αλλαγή είναι η μεγαλύτερη πρόκληση και η Τεχνητή Νοημοσύνη θα μπορούσε να αποτελέσει πολύτιμο σύμμαχο, αν μπορέσουμε να βρούμε λύσεις που να αντισταθμίζουν τα μειονεκτήματά της.

Με πληροφορίες από The Conversation