بر اساس پژوهشهای جدید، فناوری می‌تواند به نجات زمین کمک کند؛
پارادوکس هوش مصنوعی
با این حال، رشد فزاینده مراکز داده و نیاز آنها به برق و خنک‌سازی، چالشی جدی برای پایداری زیست‌محیطی ایجاد کرده است.
کارشناسان معتقدند آینده‌ی سبز هوش مصنوعی در گرو دو عامل کلیدی یعنی تامین انرژی از منابع تجدیدپذیر و افزایش کارآیی سیستم‌هاست. در این میان، نقش سیاستگذاران و شرکت‌های فناوری در شفاف‌سازی ردپای انرژی و تعهد به استفاده از انرژی پاک، بیش از پیش اهمیت دارد. با این اوصاف می‌توان گفت که هوش مصنوعی می‌تواند هم تهدیدی برای محیط‌زیست باشد و هم ناجی آن.
فناوری سبز؟
هوش مصنوعی اغلب به دلیل مصرف زیاد برق و آب مورد انتقاد قرار می‌گیرد. مراکز داده‌ای که هوش مصنوعی را تغذیه می‌کنند، اکنون حدود ۱.۵ درصد از کل مصرف برق جهان را به خود اختصاص داده‌اند و پیش‌بینی‌ها نشان می‌دهد که این رقم تا سال ۲۰۳۰ ممکن است دو برابر شود.با این حال، در میان این نگرانی‌ها، پژوهشگران در حال کشف روش‌های چشم‌گیری هستند که هوش مصنوعی می‌تواند برای مقابله با تغییرات اقلیمی و کاهش اثرات زیست‌محیطی به کار گرفته شود.
به گزارش مجله تک‌لایف، آزمایش‌ها و اجرای اولیه نشان می‌دهند که سیستم‌های هوش مصنوعی برای کاهش مصرف انرژی در ساختمان‌ها، بهینه‌سازی زمان شارژ خودروهای برقی، حمایت از فرآیندهای صنعتی پاک‌تر و حتی بازطراحی جریان ترافیک شهری برای کاهش آلاینده‌ها مورد استفاده قرار می‌گیرند.
این کاربردها نوعی پارادوکس را نشان می‌دهند. همان فناوری که مقدار زیادی انرژی مصرف می‌کند، ممکن است به بخش مرکزی سیستم‌هایی تبدیل شود که اتلاف انرژی و انتشار گازهای گلخانه‌ای را کاهش می‌دهند.
در بخش ساختمان‌ها که بخش قابل‌توجهی از انتشار جهانی گازهای گلخانه‌ای را به خود اختصاص می‌دهد، هوش مصنوعی به طور فزاینده‌ای برای مدیریت نور، گرمایش، تهویه و سرمایش به کار گرفته می‌شود.
با تحلیل داده‌های لحظه‌ای مانند تراکم افراد، وضعیت آب‌وهوا، قیمت انرژی و عملکرد سیستم‌های داخلی، کنترل‌های هوشمند می‌توانند سیستم‌ها را به‌صورت پویا تنظیم کنند. همچنین نیاز به تعمیرات را پیش از بروز خرابی تشخیص دهند، و مصرف انرژی را بر اساس تقاضای واقعی بهینه کنند.
مطالعات نشان می‌دهند که با استفاده از این روش‌ها، مصرف انرژی ساختمان‌ها می‌تواند بین ۱۰ تا ۳۰ درصد کاهش یابد. خودروهای برقی نیز فرصت دیگری در این زمینه ارائه می‌دهند. هوش مصنوعی می‌تواند رفتار شارژ خودروها را طوری تنظیم کند که با زمان‌هایی هم‌زمان شود که تقاضا و میزان انتشار در شبکه کمتر است؛ مانند شب‌ها یا هنگامی که انرژی تجدیدپذیر به وفور در دسترس است.
چنین زمان‌بندی‌ای می‌تواند وابستگی به نیروگاه‌های سوخت فسیلی را کاهش داده و پایداری کلی شبکه برق را بهبود بخشد.
از مزایای اضافی آن نیز می‌توان به ادغام سیستم‌های ذخیره انرژی خانگی، پنل‌های خورشیدی و خودروهای برقی در یک راهبرد انرژی یکپارچه و هوش‌محور اشاره کرد. در حوزه حمل‌ونقل نیز، سیستم‌های چراغ راهنمایی مبتنی بر هوش مصنوعی و ابزارهای زمان‌بندی هوشمند در حال آزمایش روش‌هایی برای روان‌تر کردن جریان ترافیک و کاهش توقف‌های مکرر هستند.
یکی از این پروژه‌ها نشان داد که می‌توان اختلالات ترافیکی را تا ۳۰ درصد کاهش داد و میزان انتشار آلاینده‌ها را در مناطق شهری شرکت‌کننده تا ۱۰ درصد پایین آورد.
در صورت اجرای گسترده‌ی این فناوری‌ها، چنین بهبودهایی می‌تواند نحوه‌ی مدیریت جابه‌جایی در شهرها و همچنین میزان انتشار روزانه‌ی کربن آنها را به طور اساسی دگرگون کند.
دو روی سکه
به‌کارگیری هوش مصنوعی در نقش‌های مرتبط با جبران اثرات اقلیمی یک پارادوکس اساسی را آشکار می‌کند: همان زیرساخت‌های محاسباتی که این کارایی‌ها را ممکن می‌سازند، خودشان به‌شدت انرژی‌بر هستند.
با گسترش استفاده از هوش مصنوعی، نیاز مراکز داده به توان پردازشی، خنک‌سازی و انرژی برق نیز افزایش می‌یابد. بدون تامین دقیق انرژی از منابع تجدیدپذیر و بهبود بهره‌وری سیستم‌ها، مزایای زیست‌محیطی هوش مصنوعی ممکن است توسط ردپای کربنی خود آن خنثی شود. با وجود شواهد اولیه امیدوارکننده، این فناوری هنوز در مرحله‌ای آزمایشی است. بسیاری از سامانه‌ها هنوز در حد پروژه‌های پایلوت هستند و در سطح جهانی گسترش نیافته‌اند. البته، چالش‌های متعددی در مسیر مقیاس‌پذیری این سیستم‌ها وجود دارد. تفاوت انواع ساختمان‌ها، شرایط جغرافیایی با شبکه‌های انرژی متفاوت، و ضرورت هماهنگ‌سازی بهینه‌سازی شارژ خودروهای برقی با شدت مصرف انرژی محلی از جمله این چالش‌هاست.
علاوه بر این، مزایای اقلیمی هوش مصنوعی خودکار نیستند؛ آنها وابسته‌اند به اینکه مدل‌ها چگونه آموزش داده می‌شوند، در چه زمانی و کجا به کار گرفته می‌شوند و اینکه آیا شبکه‌های برق زیربنایی در مسیر کربن‌زدایی هستند یا نه.
دولت‌ها و شرکت‌ها به‌تدریج اهمیت هماهنگ‌سازی استفاده از هوش مصنوعی با استراتژی‌های اقلیمی را درک کرده‌اند. در حال حاضر، درخواست‌ها برای شفافیت بیشتر در مصرف انرژی هوش مصنوعی، تدوین استانداردهای دقیق‌تر برای بهره‌وری مراکز داده و الزام شرکت‌های فناوری به استفاده از انرژی پاک در حال افزایش است. برخی کارشناسان معتقدند که اگرچه هوش مصنوعی ابزارهایی برای کاهش انتشار گازهای گلخانه‌ای فراهم می‌کند، اما نمی‌تواند جایگزین تغییرات نظام‌مندتر و گسترده‌تر شود؛ مانند گذار به انرژی کم‌کربن، نوسازی زیرساخت‌های قدیمی و طراحی دوباره‌ی شهرها برای کاهش نیاز به سفر.
چشم‌انداز در حال شکل‌گیری، دو مسیر موازی را نشان می‌دهد. یکی مسیری که در آن هوش مصنوعی به ابزاری اقلیمی برای افزایش بهره‌وری تبدیل می‌شود و دیگری که در آن نیازهای انرژی‌بر آن، نیازمند کنترل و کاهش است. برای جامعه اقلیمی، وظیفه‌ی اصلی این است که مسیر نخست بر مسیر دوم پیشی بگیرد. هدفی که تحقق آن به نوآوری، مقیاس‌پذیری، و سیستم‌های انرژی پشتیبان هوش مصنوعی بستگی دارد.
