Kunstmatige intelligentie (AI)-technologie kan ons helpen de klimaatverandering te bestrijden, maar het brengt ook kosten met zich mee voor de planeet. Om echt te profiteren van de klimaatoplossingen van de technologie, we hebben ook een beter begrip nodig van de groeiende CO2-voetafdruk van AI, zeggen onderzoekers.

AI verandert de manier waarop we werken, leef en los uitdagingen op. Het kan de gezondheidszorg verbeteren, olifanten beschermen tegen stropers, en uitzoeken hoe breedband moet worden gedistribueerd.

Maar het zou het meest waardevol kunnen zijn als een reeks toepassingen die de mensheid helpen bij het bestrijden van onze grootste bedreiging:klimaatverandering. AI kan klimaatvoorspellingen versterken, slimmere besluitvorming mogelijk maken voor het koolstofvrij maken van industrieën, van bouw tot transport, en uit te werken hoe hernieuwbare energie kan worden toegewezen.

De relevantie van AI als hulpmiddel voor het bestrijden van klimaatverandering komt op een moment dat er toenemende ethische zorgen zijn die grotendeels verband houden met een data-hongerige vorm van de technologie die machine learning wordt genoemd. waar computersystemen patronen in bestaande gegevens analyseren om voorspellingen en beslissingen te maken. Toepassingen voor machinaal leren hebben geleid tot bezorgdheid over sluipend openbaar toezicht, opzettelijk misbruik, privacy, transparantie en databias die tot discriminatie en ongelijkheid kunnen leiden.

Het maakt deel uit van een breder ethisch debat in de EU over het gebruik van AI ten behoeve van mensen, de uitdagingen die de technologie met zich meebrengt en hoe deze het beste kunnen worden aangepakt.

"We moeten ons realiseren dat AI is, in feite, een stukje software dat wij mensen ontwerpen, " zei Virginia Dignum, een professor in sociale en ethische kunstmatige intelligentie aan de Universiteit van Umeå in Zweden. We moeten verantwoordelijk zijn voor hoe we AI gebruiken, ze zegt. '(Het is) niet een soort magie die uit de ruimte komt en ons overkomt. Nee. Wij laten AI gebeuren."

Misschien verrassend, een onderwerp dat nog maar net begint te worden besproken, is de ecologische voetafdruk van AI.

Netflix

De algoritmen die ons vertellen, bijvoorbeeld, wat je vanavond op Netflix kunt kijken, heeft een impact op het milieu, volgens prof. Dignum. "AI verbruikt veel energie, " zei de computerwetenschapper, die deel uitmaakt van een 52-koppige deskundigengroep die de Europese Commissie adviseert over betrouwbare en 'mensgerichte' AI.

De opslag, en met name de verwerking, van gegevens om algoritmen te trainen - de 'recepten' die computers gebruiken om berekeningen te maken - in datacenters of in de cloud in verschillende centra met rijen machines die berekeningen uitvoeren, verbruiken energie, ze zegt.

Voor één algoritme om zichzelf te trainen of een afbeelding een kat toont, bijvoorbeeld, het moet miljoenen kattenbeelden verwerken. Het ecosysteem voor informatie- en communicatietechnologie, waarvan datacenters deel uitmaken, zijn qua brandstofemissies vergelijkbaar met de luchtvaart.

"Het is een gebruik van energie waar we niet echt over nadenken, " zei prof. Dignum. "We hebben datafarms, vooral in de noordelijke landen van Europa en in Canada, die enorm zijn. Sommige van die dingen verbruiken evenveel energie als een kleine stad."

Ze put uit een Universiteit van Massachusetts, ONS, studie die aantoonde dat het trainen van een groot AI-model om met menselijke taal om te gaan, kan leiden tot emissies van bijna 300, 000 kilogram kooldioxide-equivalent, ongeveer vijf keer de uitstoot van de gemiddelde auto in de VS, inclusief de vervaardiging ervan.

De Zweedse onderzoeker Anders Andrae heeft voorspeld dat datacenters in 2025 goed kunnen zijn voor 10% van het totale elektriciteitsverbruik.

Hoewel AI al ongeveer een halve eeuw bestaat, de kwestie van de impact op het milieu - en andere ethische kwesties - rijst nu pas omdat de technieken die in de loop van decennia zijn ontwikkeld, nu kunnen worden gebruikt in combinatie met een explosie aan gegevens en een sterke rekenkracht, Prof. Dinum legt uit. "Het is tijd om na te denken over het milieuvriendelijker doen van AI, " ze zei.

AI kan een deel van het probleem zijn, maar het heeft ook de potentie om ons te helpen oplossingen te vinden voor klimaatverandering.

Professor Felix Creutzig, die de werkgroep Landgebruik leidt, Infrastructuren en transport bij Mercator Research Institute on Global Commons and Climate Change in Berlijn, Duitsland, onderzoekt manieren om klimaatverandering aan te pakken met behulp van data science. Hij maakt deel uit van een groep internationale onderzoekers die pleiten voor meer collaboratieve oplossingen voor klimaatverandering met behulp van machine learning.

Grote kansen

Prof. Creutzig ziet enorme AI-mogelijkheden om de toepassingen voor gerichte oplossingen voor klimaatverandering op straatniveau op te voeren, of zelfs gebouwniveau, die in steden kunnen worden toegepast. Stedelijke ruimten zijn bijzonder zorgwekkend, aangezien ze in 2050 de thuisbasis zullen zijn van meer dan tweederde van de wereldbevolking en ongelooflijk veel hulpbronnen vergen.

"Het is cool om met technologieën te werken en te investeren in koolstofarme technologieën, maar om iets te bereiken dat in de buurt komt van de doelstelling van 2 graden of 1,5 graad (voor het beperken van de opwarming van de aarde), moeten we de energievraag drastisch verminderen en kunnen we dat bereiken door verbeterde ruimtelijke configuraties, " hij zei.

Verbetering van het ruimtegebruik kan helpen bij het aanpakken van problemen zoals stedelijke hitte-eilanden, een fenomeen waarbij stedelijke omgevingen gebouwd van staal en cement warmte en warme steden opslaan. "Dat is een belangrijk probleem van onze toekomst, " hij zei.

Steden vergroenen of windkanaalarchitectuur gebruiken om ventilatie te creëren, zijn manieren om steden te helpen omgaan met extreme hitte die kan worden geleid door AI.

Prof. Creutzig gebruikt een methode die gestapelde architectuur wordt genoemd, die machine learning gebruikt met traditionele mechanische modellering om, bijvoorbeeld, inzicht krijgen in hoe gebouwen zich gedragen als het gaat om temperatuur of energievraag, om het beste ontwerp te vinden voor een laag energieverbruik en een hoge levenskwaliteit. Deze kunnen vervolgens stedenbouwkundige en beleidsmakers informeren.

Juist omdat AI zoveel potentie heeft, hij vindt ook dat het gebruik ervan moet worden gecombineerd met regelgeving, zoals het niet opslaan van onnodige gegevens of het beperken van het gebruik ervan, zodat het gericht is, efficiënt en veroorzaakt geen nieuw probleem. Echter, hij zegt dat er momenteel niet genoeg onderzoek is naar de milieu-impact van machine learning. "Er is veel te ontdekken, " hij zei.

"In wezen is het (AI) een toepassingsbrandstof ... het kan leiden tot een nieuw energieverbruik, " zei Prof. Creutzig. "En dit zou het tegenovergestelde zijn van wat we willen hebben. Het belangrijkste voorbeeld waar ik aan denk is slimme mobiliteit en autonoom rijden, omdat deze echt worden aangedreven door AI of worden gemodelleerd door AI."

Voor Andrea Renda, hoofd expert global governance en digitale economie bij het Centre for European Policy Studies in Brussel, België, en tevens lid van de deskundigengroep die de Europese Commissie adviseert, AI moet worden ontwikkeld en ingezet zodat het kan voldoen aan de behoeften van de samenleving en het milieu kan beschermen door meer energie te besparen dan het verbruikt.

"Al deze (data-intensieve technieken) zijn extreem gevaarlijk voor het milieu, tenzij je die technieken kunt gebruiken op een manier die, terwijl ze veel meer energie verbruiken, veel meer energie besparen omdat ze zorgen voor efficiëntere oplossingen, " zei prof. Renda.

Zowel prof. Renda als prof. Dignum zijn het erover eens dat fundamenteel onderzoek naar AI-vormen die minder datahongerig zijn dan machine learning, zoals automatisch redeneren, een EU-prioriteit moeten zijn. Dit betekent minder gebruik van persoonsgegevens en energieverbruik.

Prof. Dignum heeft gewerkt met 'synthetische data, " die niet is gebaseerd op echte voorbeelden. Het kan worden gebruikt om te genereren, bijvoorbeeld, afbeeldingen van gebroken botten zijn niet gebaseerd op gevoelige patiëntgegevens om een ​​algoritme te trainen om te bepalen wat op een röntgenfoto te zien is. Deze gegevens kunnen vervolgens worden weggegooid, zodat ze niet worden opgeslagen.

Sommige onderzoekers in de VS hebben ook voorgesteld om AI-onderzoek te voorzien van rapportage over de rekenkosten van trainingsalgoritmen om de transparantie te vergroten.

Om ervoor te zorgen dat AI wordt gebruikt om te helpen, en niet hinderen, onze samenleving, Prof. Renda zegt dat het tijd is om de twee grote debatten van vandaag samen te voegen. "De ene gaat over digitale technologie en de andere over duurzame ontwikkeling, en in het bijzonder het milieu. Als we de eerste gebruiken om de laatste te redden, Ik denk dat we zo goed mogelijk gebruik hebben gemaakt van de middelen die we hebben, ' zei hij. 'Anders verspillen we alleen maar tijd.'