AI kan hjælpe os med at bekæmpe klimaændringer. Men det har et energiproblem, også

Teknologi med kunstig intelligens (AI) kan hjælpe os med at bekæmpe klimaændringer - men det koster også planeten. For virkelig at drage fordel af teknologiens klimaløsninger, vi har også brug for en bedre forståelse af AI's voksende CO2-fodaftryk, siger forskere.

AI ændrer måden, vi arbejder på, leve og løse udfordringer. Det kan forbedre sundhedsvæsenet, beskytte elefanter mod krybskytter, og finde ud af, hvordan bredbånd skal fordeles.

Men det kan være mest værdifuldt som en række applikationer, der hjælper menneskeheden med at bekæmpe vores største trussel – klimaændringer. AI kan styrke klimaforudsigelser, muliggør smartere beslutningstagning for dekarboniseringsindustrier fra bygning til transport, og finde ud af, hvordan man allokerer vedvarende energi.

AI's relevans som et værktøj til bekæmpelse af klimaændringer kommer på et tidspunkt, hvor der er stigende etiske bekymringer, der i vid udstrækning er forbundet med en data-hungrende form for teknologien kaldet machine learning, hvor computersystemer analyserer mønstre i eksisterende data for at foretage forudsigelser og beslutninger. Maskinlæringsapplikationer har givet anledning til bekymring over snigende offentlig overvågning, bevidst misbrug, privatliv, gennemsigtighed og databias, der kan føre til diskrimination og ulighed.

Det er en del af en bredere etisk debat i EU om, hvordan man bruger kunstig intelligens til gavn for mennesker, hvilke udfordringer teknologien giver, og hvordan man bedst tackler dem.

"Vi er nødt til at indse, at AI er, faktisk, et stykke software, som vi mennesker designer, " sagde Virginia Dignum, professor i social og etisk kunstig intelligens ved Umeå Universitet i Sverige. Vi skal være ansvarlige for, hvordan vi bruger AI, hun siger. '(Det er) ikke en form for magi, der kommer fra det ydre rum og sker for os. Nej. Vi får kunstig intelligens til at ske."

Måske overraskende, et spørgsmål, der først er begyndt at blive diskuteret, er AIs miljømæssige fodaftryk.

Netflix

Algoritmerne, der fortæller os, for eksempel, hvad man skal se på Netflix i aften har en miljøpåvirkning, ifølge prof. Dignum. "AI bruger meget energi, " sagde datalogen, som er en del af en ekspertgruppe på 52 personer, der rådgiver Europa-Kommissionen om troværdig og 'menneskecentreret' kunstig intelligens.

Opbevaringen, og især forarbejdningen, af data til at træne algoritmer – de 'opskrifter' computere bruger til at lave beregninger – i datacentre eller i skyen på tværs af forskellige centre, hvor rækker af maskiner, der udfører beregninger, bruger energi, hun siger.

For en algoritme til at træne sig selv i, om et billede viser en kat, for eksempel, den skal behandle millioner af kattebilleder. Økosystemet for informations- og kommunikationsteknologi, som datacentre er en del af, er sammenlignelige med luftfart med hensyn til brændstofemissioner.

"Det er en brug af energi, som vi ikke rigtig tænker over, " sagde prof. Dignum. "Vi har datafarme, især i de nordlige lande i Europa og i Canada, som er enorme. Nogle af de ting bruger lige så meget energi som en lille by."

Hun trækker på et University of Massachusetts, OS, undersøgelse, der viste, at træning af en stor AI-model til at håndtere menneskeligt sprog kan føre til udledninger på næsten 300, 000 kg kuldioxidækvivalent, omkring fem gange emissionerne fra den gennemsnitlige bil i USA, herunder dens fremstilling.

Den svenske forsker Anders Andrae har forudsagt, at datacentre kan stå for 10 % af det samlede elforbrug i 2025.

Selvom kunstig intelligens har eksisteret i omkring et halvt århundrede, Spørgsmålet om miljøpåvirkning - og andre etiske spørgsmål - opstår først nu, fordi de teknikker, der er udviklet gennem årtier, nu kan bruges i kombination med en eksplosion i data og stærk regnekraft, Prof. Dignum forklarer. "Det er tid til at begynde at tænke på at lave AI på en mere miljøvenlig måde, " hun sagde.

AI kan være en del af problemet, men det har også potentialet til at hjælpe os med at finde løsninger på klimaændringer.

Professor Felix Creutzig, som leder en arbejdsgruppe kaldet Land Use, Infrastrukturer og transport ved Mercator Research Institute om Global Commons og klimaændringer i Berlin, Tyskland, undersøger måder at tackle klimaændringer på ved hjælp af datavidenskab. Han er en del af en gruppe af internationale forskere, der går ind for mere samarbejdende klimaændringsløsninger ved hjælp af maskinlæring.

Store muligheder

Prof. Creutzig ser enorme AI-muligheder for at øge applikationerne til målrettede klimaændringsløsninger i gadeskalaen, eller endda bygningsniveau, som kan anvendes i byer. Byrum er særligt bekymrende, da de vil være hjemsted for mere end to tredjedele af verdens befolkning i 2050 og er utroligt ressourcekrævende.

"Det er fedt at arbejde med teknologier og investere i lavemissionsteknologier, men for at nå noget tæt på 2 graders eller 1,5 graders mål (for at begrænse den globale opvarmning) skal vi reducere energibehovet drastisk og kan opnå det ved forbedrede rumlige konfigurationer, " han sagde.

Forbedring af rumlig brug kan hjælpe med at løse problemer som byvarmeøer, et fænomen, hvor bymiljøer bygget af stål og cement lagrer varme og varme byer. "Det er et nøgleproblem for vores fremtid, " han sagde.

Grønning af byer eller brug af vindkanalarkitektur til at skabe ventilation er måder at hjælpe byer med at håndtere ekstrem varme, der kan styres af kunstig intelligens.

Prof. Creutzig bruger en metode kaldet stablet arkitektur, som bruger maskinlæring med traditionel mekanisk modellering til, for eksempel, få indsigt i, hvordan bygninger opfører sig, når det kommer til temperatur- eller energibehov, at finde det bedste design til lavt energiforbrug og høj livskvalitet. Disse kan derefter informere byplanlægning og politiske beslutningstagere.

Netop fordi AI har så meget potentiale, han mener også, at dets brug bør kombineres med regulering, om ikke at gemme unødvendige data eller begrænse brugen af ​​dem, så det er målrettet, effektivt og forårsager ikke et nyt problem. Imidlertid, han siger, at der i øjeblikket ikke er nok forskning i maskinlærings miljøpåvirkning. "Der er meget at udforske, " han sagde.

"Dybest set er det (AI) et anvendelsesbrændstof ... det kan føre til et nyt energiforbrug, " sagde prof. Creutzig. "Og dette ville være det modsatte af, hvad vi ønsker at have. Det vigtigste eksempel, jeg tænker på, er smart mobilitet og autonom kørsel, fordi disse virkelig er drevet af AI eller vil blive modelleret af AI."

Til Andrea Renda, leder af ekspert i global styring og digital økonomi ved Center for European Policy Studies i Bruxelles, Belgien, og også et medlem af ekspertgruppen, der rådgiver Europa-Kommissionen, AI skal udvikles og implementeres, så det kan opfylde samfundets behov og beskytte miljøet ved at spare mere energi, end det bruger.

"Alle disse (data-intensive teknikker) er ekstremt farlige for miljøet, medmindre du kan bruge disse teknikker på en måde, som mens du bruger meget mere energi, spare meget mere energi, fordi de giver mere effektive løsninger, " sagde prof. Renda.

Både prof. Renda og prof. Dignum er enige om, at grundforskning i AI-former, der er mindre datahungrende end maskinlæring, såsom automatiseret ræsonnement, bør være en EU-prioritet. Det ville betyde mindre brug af persondata og energiforbrug.

Prof. Dignum har arbejdet med 'syntetiske data, " som ikke er baseret på rigtige eksempler. Det kunne bruges til at generere, for eksempel, billeder af brækkede knogler, der ikke er baseret på følsomme patientdata for at træne en algoritme for, hvad der skal ses på et røntgenbillede. Disse data kan derefter kasseres, så de ikke gemmes.

Nogle forskere i USA har også foreslået, at AI-forskning skal omfatte rapportering om beregningsmæssige omkostninger ved træningsalgoritmer for at øge gennemsigtigheden.

For at sikre, at AI bruges til at hjælpe, og ikke hindre, vores samfund, Prof. Renda siger, at det er på tide at slå de to store debatter sammen i dag. "Den ene handler om digital teknologi, og den anden handler om bæredygtig udvikling, og i særdeleshed miljøet. Hvis vi bruger førstnævnte til at redde sidstnævnte, Jeg tror, ​​vi vil have udnyttet de ressourcer, vi har bedst muligt, sagde han. Ellers spilder vi bare tiden.