کاهش ردپای کربنی جهان مستلزم بررسی مجموعه‌های داده‌های گسترده برای یافتن راه‌حل‌ها است - کاری که رایانه‌ها بهتر و سریع‌تر از انسان‌ها انجام می‌دهند.
ماهیت مصرف‌کننده انرژی بالای هوش مصنوعی، باعث شده تا این فناوری به عنوان یک عنصر نامطلوب آب و هوایی شناخته شود. آموزش یک مدل واحد می‌تواند بیشتر از مصرف برق ۱۰۰ خانه در ایالات متحده در طول یک سال کامل، برق مصرف کند.
با افزایش تقاضای جهانی برای هوش مصنوعی، مصرف انرژی مراکز داده نیز افزایش خواهد یافت، و طبق پیش‌بینی‌ها، تا سال ۲۰۳۰ بیش از دو برابر خواهد شد. این امر تأثیر قابل توجهی بر انتقال انرژی خواهد داشت: گزارش جدیدی از بلومبرگ‌ان‌ای‌اف تخمین می‌زند که در طول دهه آینده، دوسوم برق اضافی مورد نیاز برای مراکز داده از سوخت‌های فسیلی تأمین خواهد شد.
در حالی که نگرانی‌ها در مورد هوش مصنوعی به‌جا هستند، این فناوری همچنین می‌تواند در مبارزه با تغییرات آب و هوایی نقش داشته باشد. یافتن راه‌های کاهش انتشار کربن اغلب مستلزم تجزیه و تحلیل مجموعه‌های داده‌های گسترده و شناسایی الگوهای جدید است - کاری که رایانه‌ها بهتر و سریع‌تر از انسان‌ها انجام می‌دهند. الگوریتم‌ها همچنین می‌توانند به جوامع کمک کنند تا برای خطرات ناشی از آب و هوا بهتر آماده شوند، به عنوان مثال، با بررسی انبوهی از تصاویر گرفته شده توسط دوربین‌ها در مناطق مستعد آتش‌سوزی، علائم شیوع آتش‌سوزی جنگلی را قبل از اینکه برای چشم انسان آشکار شود، شناسایی کنند.
آژانس بین‌المللی انرژی (IEA) تخمین می‌زند که افزایش مقیاس‌بندی راه‌حل‌های موجود هوش مصنوعی می‌تواند انتشار گازهای گلخانه‌ای بیشتری را در مقایسه با کل گازهای گلخانه‌ای تولیدشده توسط مراکز داده کاهش دهد. با این حال، IEA می‌گوید هوش مصنوعی "یک راه‌حل جادویی" برای بحران آب و هوایی جهانی نیست.
دیگران اشاره می‌کنند که سنجش اینکه آیا آسیب‌های زیست‌محیطی که هوش مصنوعی به جلوگیری از آن‌ها کمک می‌کند بیشتر از آسیب‌هایی است که وارد می‌کند، دشوار است. پریا دونتی، استاد مؤسسه فناوری ماساچوست (Massachusetts Institute of Technology) و رئیس سازمان غیرانتفاعی هوش مصنوعی تغییرات آب و هوایی (Climate Change AI)، می‌گوید که توسعه‌دهندگان به ندرت ردپای کربنی خود را پیگیری می‌کنند، بنابراین در بیشتر موارد، مقایسه میزان انتشار گازهای گلخانه‌ای تولیدشده توسط مدل‌های رایانه‌ای با میزان گازهای گلخانه‌ای که آن‌ها حذف می‌کنند، امکان‌پذیر نیست. او اضافه می‌کند که این معادله اغلب پیچیده‌تر از یک مقایسه ساده است. به عنوان مثال، مزایای ابزار هوش مصنوعی که قادر به کشف محصولات مقاوم در برابر آب و هوا است را نمی‌توان بر اساس میزان انتشار گازهای گلخانه‌ای صرفه‌جویی‌شده سنجید.
خبر خوب این است که هر مدلی به مقادیر زیادی انرژی نیاز ندارد و تنظیم‌کننده‌ها در حال افزایش نظارت بر پیامدهای زیست‌محیطی برنامه‌های کاربردی هوش مصنوعی هستند. دونتی می‌گوید: «مزایای آن می‌تواند در سطح کلان و اجتماعی بیشتر از هزینه‌ها باشد.»
در اینجا چهار روشی که شرکت‌ها از هوش مصنوعی به عنوان یک راه‌حل آب و هوایی استفاده می‌کنند، آورده شده است.
جابجایی افراد و کالاها با سوخت کمتر
وسایل نقلیه خودران چیزی بیشتر از یک تازگی هستند: آن‌ها می‌توانند کاهش واقعی انتشار گازهای گلخانه‌ای را ارائه دهند. خودروهای خودران Waymo LLC در حال حاضر به چند شهر محدود شده‌اند. اما تجزیه و تحلیلی توسط G2 Venture Partners، یکی از سرمایه‌گذاران استارتاپ، نشان داد که اگر آن‌ها ۱۰ درصد از مسافت پیموده شده توسط مسافران در ایالات متحده و اروپا را به خود اختصاص دهند، انتشار گازهای گلخانه‌ای را به میزان ۱۰۴ میلیون تن کاهش می‌دهند.
این خودروها تماماً الکتریکی هستند و این نیمی از کاهش را تشکیل می‌دهد. اما رانندگی کارآمدتر ناشی از هوش مصنوعی Waymo، ۲۳ میلیون تن را جابجا می‌کند، مقداری بیشتر از میزان انتشار گازهای گلخانه‌ای جابجا شده توسط تمام خودروهای تسلا در جاده‌ها در سال ۲۰۲۳.
نیل مهتا، یکی از شرکای G2 می‌گوید: «هرچه آن‌ها در شهرهای بیشتری راه‌اندازی شوند، داده‌های بیشتری جمع‌آوری می‌کنند و هوش مصنوعی آن‌ها بهتر و کلی‌تر می‌شود.»
هوش مصنوعی همچنین به کاهش انتشار کربن از کشتی‌ها و قطارها کمک می‌کند. به لحاظ فنی، استفاده از وسایل نقلیه بزرگ با برق دشوار و پرهزینه است و نسخه‌های پاک‌تر سوخت‌های فسیلی که آن‌ها استفاده می‌کنند راه زیادی در پیش دارند. در حالی که شرکت‌های حمل و نقل ریلی و کشتیرانی در نهایت باید این تغییر را ایجاد کنند، هر قطره گازوئیل صرفه‌جویی شده در حال حاضر منجر به کاهش فوری انتشار می‌شود.
اما تبدیل اهداف صرفه‌جویی در انرژی به اقدام روزمره کار آسانی نیست. تصور کنید که یک قطار را از طریق زمین‌های تپه‌ای می‌رانید. وقتی برخی از واگن‌های قطار در حال بالا رفتن از تپه هستند در حالی که بقیه هنوز در حال پایین رفتن هستند، چه کار می‌کنید: برای صرفه‌جویی در سوخت حرکت کنید یا برای اسب بخار بیشتر دریچه گاز را فشار دهید؟ در جایی که انسان‌ها باید حدس بزنند، هوش مصنوعی قادر به محاسبه الگوهای رانندگی با بیشترین بهره‌وری سوخت است.
شرکت Railvision Analytics واقع در مونترال کانادا، برنامه‌ای کاربردی برای کمک به مهندسان لکوموتیو ایجاد کرده است تا تغییرات کوچکی ایجاد کنند که می‌تواند منجر به صرفه‌جویی زیادی در سوخت گازوئیل شود. به گفته این شرکت، هنگامی که مهندسان از توصیه این برنامه پیروی کردند، معمولاً حدود ۱۵ درصد کمتر از زمانی که بدون آن رانندگی می‌کردند، گازوئیل مصرف کردند.
هوش مصنوعی همچنین می‌تواند به کشتی‌های باری کمک کند تا همان مسافت را با سوخت کمتری طی کنند. ربات‌های زیردریایی ساخته شده توسط شرکت Neptune Robotics مستقر در هنگ کنگ جلبک‌ها، علف‌های دریایی و بارناکل‌ها را از بدنه کشتی جدا می‌کنند و کشش را کاهش می‌دهند. برخلاف کارگران انسانی، آن‌ها می‌توانند با کمک یک الگوریتم پردازش تصویر در آب‌های گل‌آلود کار کنند.
بررسی تهدیدهای موجود در سیاره
خطوط برق در سرتاسر زمین‌های وسیع گسترده شده‌اند و اختلال در یک بخش کوچک ممکن است منجر به قطعی‌های گسترده‌تری شود. از آنجایی که بلایای طبیعی به دلیل تغییرات آب و هوایی رایج‌تر می‌شوند، فشار بر اپراتورهای شبکه برای نظارت بر زیرساخت‌های خود افزایش می‌یابد.
شرکت Pano AI مستقر در سان فرانسیسکو، صدها برج مراقبت آتش‌سوزی پیشرفته در مناطق مستعد آتش‌سوزی در سراسر ایالات متحده، کانادا و استرالیا نصب کرده است. دوربین‌های پانورامای آن عکس‌های فوری لحظه به لحظه از محیط اطراف خود می‌گیرند که سپس توسط الگوریتمی تجزیه و تحلیل می‌شوند که می‌تواند علائم آتش‌سوزی را تشخیص دهد. با کمک این آتش‌نشان‌های دیجیتالی، شرکت Portland General Electric - بزرگترین شرکت خدمات رفاهی اورگان - می‌گوید که کارکنانش دیگر مجبور نیستند به طور خستگی‌ناپذیر به دنبال آتش‌سوزی ۲۴ ساعته در یک منطقه خدماتی به اندازه حدود ۳۰۰۰ پارک مرکزی باشند. به گفته این شرکت خدمات رفاهی، هوش مصنوعی همچنین دودی را شناسایی کرد که چشمان انسان نتوانست آن را ببیند.
آتش‌سوزی‌های جنگلی تنها تهدید برای اپراتورهای شبکه نیستند. طوفان‌ها می‌توانند درختان بیش از حد رشد کرده و سایر پوشش‌های گیاهی را به خطوط برق بیندازند. در گذشته، قانون کلی صنعت این بود که هر چند سال یک بار درختان را هرس کنند. اما تغییرات آب و هوایی در حال افزایش فراوانی و شدت طوفان‌ها و تغییر سرعت رشد پوشش گیاهی است، بنابراین شرکت‌های خدمات رفاهی اکنون باید برنامه‌های نگهداری دقیق‌تری ایجاد کنند.
برخی در حال استفاده از هوش مصنوعی برای کمک به این امر هستند. مدل‌سازی رایانه‌ای شرکت AiDash مستقر در پالو آلتو کالیفرنیا، تصاویر ماهواره‌ای را پردازش می‌کند و رشد پوشش گیاهی آینده را پیش‌بینی می‌کند تا مناطقی را که نیاز به هرس دارند شناسایی کند. این شرکت می‌گوید که تحلیل‌های توانمند شده با هوش مصنوعی آن به بیش از ۱۰۰ شرکت خدمات رفاهی کمک کرده است تا از شبکه‌های برق به طور مؤثرتری محافظت کنند.
مقاوم‌سازی آب و هوایی غذای ما
بسیاری از محصولات سنتی در برابر اختلالات آب و هوایی ناشی از تغییرات آب و هوایی به سختی مقاومت می‌کنند. اما ارائه نسخه‌های مقاوم‌تر با تلاقی تصادفی انواع مختلف، زمان‌بر است. از آنجایی که هوش مصنوعی می‌تواند مجموعه‌های داده‌های عظیمی را مرتب کند و میلیون‌ها ترکیب ژنی گیاهی ایجاد کند، می‌تواند روند اصلاح نژاد را تسریع کند و پیش‌بینی کند که کدام ترکیب در خشکی عملکرد خوبی خواهد داشت - و برداشت مناسبی نیز ارائه می‌دهد.
این رویکرد شرکت Avalo مستقر در دورهام کارولینای شمالی است. سپس پرورش‌دهندگان از راهنمایی‌های تولیدشده توسط هوش مصنوعی پیروی می‌کنند - مثلاً تلاقی گیاه A با گیاه B - تا محصول را به روش سنتی اصلاح نژاد کنند و این روند را تکرار کنند تا زمانی که ترکیب مناسب را پیدا کنند.
برندان کالینز، یکی از بنیانگذاران Avalo می‌گوید: «ما می‌توانیم طبیعت را در صندلی راننده رها کنیم و فقط به هدایت کمک کنیم.»
کالینز می‌گوید در حالی که معمولاً ۱۵ سال طول می‌کشد تا پرورش‌دهندگان یک محصول جدید را توسعه دهند، اصلاح نژاد با کمک هوش مصنوعی می‌تواند همان کار را در عرض سه سال با ۸۰ درصد هزینه کمتر به پایان برساند. این استارتاپ انتظار دارد که اولین محصول خود - یک کلم بروکلی با رشد سریع‌تر - امسال در سوپرمارکت‌های ایالات متحده به فروش برسد. سایر محصولات در حال تولید شامل پنبه و نیشکر هستند که هر دو برای استفاده از آب کمتر طراحی شده‌اند.
شرکت Beewise مستقر در سن رامون کالیفرنیا، در حال رسیدگی به مشکل متفاوتی در کشاورزی است: کاهش جمعیت زنبورها. طبق یک نظرسنجی صنعتی، در طول ۱۲ ماه منتهی به آوریل ۲۰۲۴، زنبورداران ایالات متحده بیش از نیمی از کلنی‌های خود را به دلیل تغییرات آب و هوایی و سایر خطرات از دست دادند.
Beewise سلامت کلنی را با فناوری بینایی رایانه‌ای نظارت می‌کند. هنگامی که این نرم‌افزار مشکلی را شناسایی می‌کند، یک بازوی رباتیک نصب‌شده در نزدیکی کندوها را برای تغذیه زنبورها یا درمان بیماری‌ها اعزام می‌کند. این استارتاپ می‌گوید که با ارائه مراقبت در صورت نیاز، از سال ۲۰۲۲ تاکنون بیش از ۲۰۰ میلیون زنبور عسل را نجات داده است.
فوق‌العاده شارژ کردن نوآوری سبز
بسیاری از محصولات سبز به دلیل اینکه گران‌تر از همتایان پرمصرف خود هستند، با پذیرش کندی مواجه می‌شوند. به عنوان مثال، سوخت‌های هوانوردی پایدار می‌توانند تا ۱۰ برابر گران‌تر از سوخت‌های جت معمولی باشند. یک استارتاپ به نام Kaio Labs در حال استفاده از یادگیری ماشین و اتوماسیون برای یافتن فرمول ارزان‌تری است.
ویلیام پرویس، یکی از بنیانگذاران این استارتاپ مستقر در نیوجرسی می‌گوید سوخت‌های پایدار که از دی‌اکسید کربن جذب شده به عنوان ماده اولیه استفاده می‌کنند، از طریق مجموعه‌ای از واکنش‌های شیمیایی که توسط کاتالیزورها کمک می‌شوند، تولید می‌شوند. هرچه واکنش‌ها کارآمدتر باشند، سوخت ارزان‌تر می‌شود. او دانشمندان را به کاوشگرانی تشبیه می‌کند که به طور سنتی باید در سراسر یک سرزمین وسیع به دنبال بهترین کاتالیزور بگردند. او می‌گوید به لطف هوش مصنوعی و اتوماسیون، «ما یک رادار فانتزی داریم و می‌توانیم مستقیماً به آن برویم.»
هوش مصنوعی Kaio در آزمایشگاه خود، مولکول‌هایی را طراحی می‌کند که می‌توانند CO2 جذب شده را به اتیلن، یک بلوک ساختمانی کلیدی سوخت‌های مصنوعی تبدیل کنند. ربات‌ها آزمایش‌هایی را برای تبدیل نقشه‌ها به محصولات واقعی انجام می‌دهند. نتایج آزمایش‌ها به نوبه خود به پالایش الگوریتم کمک می‌کند و طراحی بعدی را بهبود می‌بخشد. پرویس می‌گوید که استارتاپ او قصد دارد از این ابزار هوش مصنوعی برای توسعه کاتالیزورهای جدید برای سوخت‌های پایدار از سال آینده استفاده کند.