مورد آب و هوا برای هوش مصنوعی ساخته نشده است

این هفته، در حالی که کشورها در آنتالیا، ترکیه برای کنفرانس آب و هوای سازمان ملل متحد گرد هم می‌آیند، یکی از موضوعاتی که احتمالا بر این گفتگو غالب خواهد شد، هوش مصنوعی است. میزبان قبلا از کشورها خواسته است تا اطمینان حاصل کنند که هوش مصنوعی به گونه‌ای طراحی شده، نیرو می‌گیرد و به کار می‌رود که از اقدامات اقلیمی حمایت می‌کند.

با وجود برخی ادعاهای بسیار خوش بینانه از سوی شرکت های هوش مصنوعی، تا کنون، صنایع در سراسر جهان به اندازه کافی برای مهار این فناوری برای کاهش انتشار گازهای گلخانه ای که باعث گرم شدن سیاره می شود، انجام نداده اند.

در سال 2024، سام آلتمن، مدیر عامل OpenAI اعلام کرد که هوش مصنوعی "پیروزی های خیره کننده" از جمله "اصلاح آب و هوا" را به ارمغان خواهد آورد. سال قبل، در مقاله‌ای در سال 2023، رئیس بخش پایداری گوگل و همکارش نوشتند که هوش مصنوعی می‌تواند تا سال 2030 انتشار جهانی را بین 5 تا 10 درصد کاهش دهد.

برخی از محققان دانشگاهی این ادعاهای آب و هوایی مرتبط با هوش مصنوعی را بررسی کرده اند. یک مطالعه بررسی شده که سال گذشته توسط محققان موسسه تحقیقاتی Grantham در مدرسه اقتصاد لندن و شرکت Systemiq منتشر شد، تخمین زد که هوش مصنوعی می‌تواند به کاهش انتشار گازهای گلخانه‌ای جهانی به میزان معادل 3.2 تا 5.4 میلیارد تن دی اکسید کربن در سال تا سال 2035 کمک کند - تقریبا همتراز با انتشار گازهای گلخانه ای ایالات متحده، حتی پس از پایان دادن به انرژی سالانه AI در ایالات متحده. رد پا این دستاوردهای بالقوه بیشتر در سه بخش متمرکز شده است: برق، گوشت و لبنیات، و وسایل نقلیه.

اما پیش بینی هایی از این دست فقط به اندازه تمایل ما برای آزمایش آنها در برابر واقعیت امروزی خوب است. بنابراین آیا شواهدی وجود دارد که نشان دهد بزرگترین شرکت‌ها در این سه بخش شروع به ادغام هوش مصنوعی مطابق با پیش‌بینی‌های این مطالعه کرده‌اند، و اگر چنین است، آیا نتایج با انتظارات مطابقت دارند؟ یا اینکه عدد 2035 هنوز بیشتر آرزویی است؟

شرکت‌های سراسر این بخش‌ها از تلاش‌های اولیه زیادی برای گنجاندن هوش مصنوعی در شیوه‌های مختلف تجاری خبر داده‌اند. اما یک بررسی به کمک هوش مصنوعی از اطلاعات عمومی بازیگران مهم بازار در هر بخش، که توسط نویسنده دوم این مقاله انجام و بررسی شد، نشان داد که تعداد کمی از آنها اعلام کرده‌اند که مسیرهای کاهش انتشار گازهای گلخانه‌ای خاص را دنبال می‌کنند که پیش‌بینی‌های این مطالعه را نشان می‌دهد - و تعداد کمتری هنوز ادعا می‌کند که از آنها برای دستیابی به پیشرفت آب و هوایی معنادار استفاده کرده‌اند.

بخش برق جایی است که ریاضیات اساسی مطالعه قبلی دقیق‌تر است: پیش‌بینی عرضه و تقاضا مبتنی بر هوش مصنوعی می‌تواند میزان برق تجدیدپذیری را که از تأسیسات خورشیدی و بادی از قبل ساخته شده به شبکه می‌رسد تا 20 درصد افزایش دهد که می‌تواند از حدود 1.8 میلیارد تن انتشار گازهای گلخانه‌ای در سال جلوگیری کند.

با این حال، بر اساس تجزیه و تحلیل، از میان اپراتورهای شبکه بازبینی شده در چین، ایالات متحده و اروپا، تنها یکی از این نوع برنامه‌های هوش مصنوعی کاربردی و معنی‌دار را به کار گرفته است. مشارکت بین شبکه ملی ESO بریتانیا و Open Climate Fix خطای پیش‌بینی خورشیدی اپراتور شبکه (تفاوت بین مقدار پیش‌بینی شده نور خورشید ورودی و مقداری که در واقع به صفحات خورشیدی می‌رسد) را به نصف رساند و از صدها هزار تن دی اکسید کربن در سال جلوگیری کرد.

با این حال، فراتر از این مثال در بریتانیا، بسیاری از اپراتورهای شبکه دیگر در اتحادیه اروپا، ایالات متحده و چین از نظر یکپارچه سازی هوش مصنوعی پیش بینی شده توسط این مطالعه، چیز زیادی برای نشان دادن در کارنامه عمومی نداشتند.

بخش گوشت و لبنیات شدیدترین تضاد را بین آمادگی فناوری و واقعیت بازار ارائه می دهد. برای دستیابی به کاهش انتشار سال 2035 که در مطالعه قبلی پیش‌بینی شده بود، هوش مصنوعی باید شکاف طعم و هزینه بین پروتئین‌های سنتی و پروتئین‌های جایگزین، مانند همبرگرهای آزمایشگاهی یا گیاهی و جایگزین‌های شیر را کاهش دهد.

در یکی از واضح‌ترین تلاش‌ها برای دستیابی به این هدف، شرکت هوش مصنوعی و فناوری مواد غذایی NotCo اخیرا با استفاده از پلتفرم Giuseppe، سرمایه‌گذاری مشترکی را با Kraft Heinz تشکیل داده است که داده‌های مولکولی گیاهی را تجزیه و تحلیل می‌کند تا ترکیب‌هایی را که طعم، بافت و بوی محصولات حیوانی را تکرار می‌کنند، مشخص کند.

اما بررسی به کمک هوش مصنوعی نشان می‌دهد که تعداد کمی از شرکت‌های جایگزین پروتئین چنین روش عمیقی برای استفاده از هوش مصنوعی در توسعه محصول داشتند. در همین حال، به نظر می‌رسد که این بخش با مشکلات اساسی‌تری از جمله پذیرش سرسختانه آهسته مصرف‌کننده و کاهش سطح بودجه مواجه است. مهم‌تر از همه، سرمایه‌گذاری مخاطره‌آمیز به سمت گوشت‌های کشت‌شده از 989 میلیون دلار در سال 2021 به حدود 83 میلیون دلار در سال گذشته کاهش یافت.

بخش حمل‌ونقل نمونه‌های امیدوارکننده‌ای از نوع ادغام هوش مصنوعی لازم برای دستیابی به پیش‌بینی‌های این مطالعه، به ویژه در میان تولیدکنندگان باتری و پلت‌فرم‌های اشتراک‌گذاری سواری، ارائه می‌کند. CATL - که تقریبا 40٪ از بازار جهانی باتری های خودروهای الکتریکی را کنترل می کند - یک سیستم هوش مصنوعی را راه اندازی کرد که بر روی بیش از 100000 جعبه طراحی باتری و 600 ترابایت داده آزمایشی آموزش دیده بود. به گفته این شرکت، زمان مورد نیاز برای غربالگری مواد کاندید را دو مرتبه کاهش داد.

محققان مستقل همچنین دریافتند که پلتفرم اشتراک‌گذاری سواری Didi Chuxing با استفاده از مسیریابی بهینه‌شده با هوش مصنوعی برای به حداقل رساندن انحراف‌ها می‌تواند انتشار گازهای گلخانه‌ای در هر سفر را به طور متوسط ​​16 درصد کاهش دهد.

مشکل بزرگ دیگری در مورد آب و هوا برای هوش مصنوعی وجود دارد: شرکت‌های نفت و گاز نیز به دلایل زیادی از جمله پتانسیل افزایش تولید سوخت‌های فسیلی به این ابزارها علاقه دارند. شرکت‌های فناوری که در گذشته به اهداف پایداری متعهد بودند، باید به سؤالاتی در مورد چگونگی استفاده از ابزارهایشان برای تقویت انرژی قدیمی و کثیف و همچنین انرژی پاک و تجدیدپذیر پاسخ دهند.

در نهایت، همچنین شایان ذکر است که یکپارچه سازی هوش مصنوعی تنها اولین گام است و مشخص نیست که این فناوری تا چه حد می تواند انواع پیشرفت ها و نوآوری های مورد نظر را تسریع کند. هوش مصنوعی همچنین برای کوتاه کردن مسیرهای استاندارد برای صدور گواهی، مجوز، ساخت، بسته‌بندی، بازاریابی و فروش محصولات، امکانات یا خدمات حاصله، کار چندانی انجام نمی‌دهد.

یافته های تجزیه و تحلیل که توسط Anthropic's Claude Code انجام شد، در برابر اسناد عمومی و حساب های رسانه ای مورد بررسی قرار گرفت تا از صحت آنها اطمینان حاصل شود. این امکان وجود دارد که برخی از شرکت ها و شرکت های آب و برق در این صنایع برنامه های کاربردی با کمک هوش مصنوعی را دنبال کنند که در سناریوهای مطالعه اولیه قرار می گیرند اما هنوز به صورت عمومی فاش نشده اند.

ادغام هوش مصنوعی و دستاوردهای بازده بیشتر و هدفمندتر در این سه بخش ممکن است به خوبی تحقق یابد و پیش‌بینی‌های سال 2035 را به واقعیت نزدیک‌تر کند. اما بدون تلاش های عمدی و مستمر برای اطمینان از اینکه هوش مصنوعی مزایای زیست محیطی بیشتری نسبت به مضرات دارد، اتفاق نمی افتد.

قابل ذکر است، تا کنون پذیرش سریع مدل‌های هوش مصنوعی و ساخت مراکز داده منجر به افزایش قابل توجهی در مصرف انرژی و انتشار گازهای گلخانه‌ای شده است، و این باعث شده است که شرکت‌های بزرگ فناوری مانند مایکروسافت، گوگل و سایرین به خوبی از مسیر اهداف آب و هوایی خود خارج شوند. در این مرحله اگر این بخش حتی بتواند آلودگی آب و هوایی خود را به صفر برساند تعجب آور خواهد بود: بر اساس پیش‌بینی پایه آژانس بین‌المللی انرژی، انتشارات مربوط به مراکز داده جهانی (که ممکن است وظایف محاسباتی هوش مصنوعی و غیرهوش مصنوعی را انجام دهند) می‌تواند در سال 2035 از 300 میلیون تن در سال فراتر رود.

رهبران صنعت باید این فناوری را به روشی اجرا کنند که بیشترین تلاش را برای کاهش انتشار گازهای گلخانه ای انجام دهند. مشتریان شرکتی باید مدل هایی را با کمترین تأثیرات زیست محیطی انتخاب کنند و تصمیم بگیرند با توسعه دهندگان هوش مصنوعی که بیشترین تلاش را برای کاهش ردپای آب و هوای آنها انجام می دهند، کار کنند. و ایالت‌ها و مناطق باید برای تشویق یا ملزم کردن همه این شرکت‌ها به فعالیت‌های مسئولانه‌تر، کارهای بیشتری انجام دهند.

نیاز هرگز به این اندازه آشکار نبوده است.

مری نیکولز مشاور برجسته در دانشکده حقوق UCLA و رئیس سابق هیئت منابع هوایی کالیفرنیا است.

جرمی تامانینی بنیانگذار Dual Citizen، یک شرکت تحقیقاتی و مشاوره پایدار است.