Bernhard Staehli / Shutterstock
Onlangs is kunstmatige intelligentie (AI) een probleem geworden in de dringende, internationale poging om klimaatverandering aan te pakken. Naarmate AI een grotere rol speelt in ons leven, zal het enorme hoeveelheden rekenkracht en gegevensopslag nodig hebben.
Als zodanig zal de koolstofvoetafdruk van AI naar verwachting toenemen door het hoge energieverbruik en de koolstofemissies die gepaard gaan met de productie van de hardware.
De waarheid ligt echter genuanceerder, want kunstmatige intelligentie zou ook een probleemoplosser kunnen zijn en een belangrijke bijdrage kunnen leveren aan de aanpak van klimaatverandering.
AI zou bijvoorbeeld kunnen helpen bij het nauwkeuriger voorspellen van extreme weersomstandigheden zoals orkanen of de snelheid waarmee we kunnen verwachten dat het poolijs en de gletsjers in de wereld zullen smelten. Het zou ons ook kunnen helpen om onze energie-infrastructuur, zoals elektriciteitsnetten, beter te beheren.
Sinds 2012 verbruiken de grootste AI-trainingsprocessen steeds grotere hoeveelheden rekenkracht. In feite is dit gemiddeld elke 3,4 maanden verdubbeld.
Datacenters en transmissienetwerken zijn verantwoordelijk voor meer dan 1% van het wereldwijde energieverbruik en 0,6% van de wereldwijde koolstofuitstoot. Een enkele zoekopdracht aan ChatGPT (OpenAI’s geavanceerde chatbot) kan veel meer koolstof genereren dan een gewone Google-zoekopdracht.
AI zou kunnen helpen bij het voorspellen van extreme weersomstandigheden die steeds vaker zullen voorkomen.
Jon Rehg / Shutterstock
AI inzetten voor het goede
Ondanks de mogelijke negatieve gevolgen is er reden om optimistisch te zijn. Eén manier waarop AI zou kunnen helpen is door ons begrip van de onderliggende wetenschap van klimaatverandering te verbeteren.
Er zijn veel manieren waarop AI in dit opzicht zou kunnen bijdragen, maar één daarvan zou kunnen zijn door klimaatmodellen te verbeteren. Dit zijn computersimulaties van hoe het klimaat op aarde werkt en hoe het reageert, of in de toekomst waarschijnlijk zal reageren, op verhoogde concentraties broeikasgassen.
AI-technieken zoals machinaal leren zouden gebruikt kunnen worden om elementen van klimaatmodellen te simuleren, zoals hoe regendruppels of wolken zich vormen, die op dit moment moeilijk na te maken zijn.
Op deze manier zou kunstmatige intelligentie niet alleen de projecties van klimaatmodellen kunnen verbeteren – die worden gebruikt om beleidsbeslissingen te sturen – maar ook de hoeveelheid rekenkracht die nodig is voor dergelijke taken verminderen. Dit zou op zijn beurt de ecologische voetafdruk van het draaien van deze klimaatmodellen op supercomputers kunnen verminderen.
Sims Witherspoon van DeepMind legt uit hoe AI de werking van elektriciteitsnetten kan verbeteren.
In een recente TED Talk zei Sims Witherspoon, climate and sustainability lead bij Google DeepMind, dat AI ons kan helpen bij het optimaliseren en beheren van bestaande systemen en infrastructuur, zoals elektriciteitsnetten. Elektriciteitsnetten moeten actief worden beheerd om vraag en aanbod in evenwicht te houden.
De overgang van fossiele brandstoffen naar hernieuwbare energie is essentieel om de netto nul doelstellingen te halen. Maar terwijl centrales op fossiele brandstoffen relatief betrouwbaar zijn, is energie uit wind en zon onvoorspelbaar vanwege het weer. Dit is waar AI kan helpen.
Het team van Witherspoon bij DeepMind trainde een neuraal net (een AI-systeem geïnspireerd op het menselijk brein) op gegevens van historische weerpatronen en informatie over de energieproductie van windturbines. De resulterende technologie presteerde 20% beter dan bestaande systemen om de opwekking van windenergie te voorspellen. Dit zou door exploitanten kunnen worden gebruikt om beter te plannen voor dips in de aanvoer en om de gaten op te vullen met energie uit andere hernieuwbare bronnen.
Het juiste beleid
Ondanks de tastbare voordelen heeft AI ook het juiste overheidsbeleid nodig om het potentieel ervan te realiseren. De wisselwerking tussen de voordelen van AI en de milieukosten is ongelooflijk complex. Om ervoor te zorgen dat AI een netto positieve impact heeft, moeten alle betrokken partijen, inclusief overheden en de technologiebedrijven die AI-systemen ontwikkelen, transparant zijn over de milieukosten.
Alleen door transparantie en het delen van gegevens kunnen we weloverwogen en strategische keuzes maken over het gebruik van AI om de positieve effecten te versterken en oplossingen te vinden die de schadelijke effecten van de technologie op het milieu verminderen.
Zoals het er nu voor staat, is AI geen bijzonder groene technologie en is het duur om te ontwikkelen. Klimaatverandering is echter onze grootste uitdaging en AI zou een waardevolle bondgenoot kunnen zijn als we oplossingen kunnen vinden die de nadelen compenseren.
Alina Vaduva is aangesloten bij de Labour Party en is lid en raadslid van de Dartford Borough Council.
Kirk Chang werkt niet voor, heeft geen adviesfuncties, bezit geen aandelen in en ontvangt geen financiering van bedrijven of organisaties die baat zouden hebben bij dit artikel, en heeft geen relevante banden bekendgemaakt buiten zijn academische aanstelling.