Istnieją dwie kwestie do rozważenia w relacji między środowiskiem a sztuczną inteligencją. Pierwszą z nich jest to, w jaki sposób sztuczna inteligencja może pomóc w ochronie środowiska i przeciwdziałaniu zmianom klimatycznym. Druga to wpływ AI na środowisko.

Zajmijmy się częścią pozytywną.

Prognozowanie pogody

Dane, meteorologia ma ogromną ilość danych. Analiza tych danych i porównywanie wyników z poprzednimi modelami w celu sprawdzenia, czy są one podobne, czy też odbiegają od siebie, jest w dużej mierze podstawą meteorologii. W rzeczywistości jest to bardziej złożone niż to, co właśnie powiedziałem, ale jest ogólnie spójne i pozwala nam zrozumieć znaczenie sztucznej inteligencji w tej dziedzinie. Jeśli istnieje jedno narzędzie zdolne do przetwarzania danych z ogromną prędkością i niespotykaną dokładnością, to jest nim właśnie sztuczna inteligencja. 

Obecnie GraphCast, model AI GoogleDeepMind, jest w stanie podać dokładne prognozy na najbliższe dziesięć dni w ciągu jednej minuty, a także ekstremalne zjawiska pogodowe, które stały się bardziej zjadliwe i częstsze z powodu zmian klimatycznych. 

W kompleksowym porównaniu ze standardowym modelem symulacji pogody stosowanym w branży, High Resolution Forecasting System (HRES), GraphCast zdołał przewyższyć HRES pod względem dokładności w ponad 90% z 1380 analizowanych zmiennych, w tym w przewidywaniu czasu działania. Co więcej, w konkretnej ocenie troposfery, która waha się od 6 do 20 kilometrów wysokości i ma kluczowe znaczenie dla dokładnych prognoz, model opracowany przez Google DeepMind okazał się lepszy w 99,7% zmiennych badanych pod kątem przyszłych prognoz pogody.

Tradycyjna metoda opiera się na modelach numerycznego prognozowania pogody (NWP), które wykorzystują równania fizyczne i matematyczne do symulacji atmosfery i innych aspektów klimatu. Równania te opisują ewolucję zmiennych pogodowych, takich jak temperatura, ciśnienie, wilgotność i wiatr, i są rozwiązywane przy użyciu superkomputerów ze względu na ich złożoność i ilość danych.

Z drugiej strony, sztuczna inteligencja, zwłaszcza głębokie uczenie się, oferuje komplementarne podejście. Zamiast polegać wyłącznie na równaniach fizycznych, modele sztucznej inteligencji są szkolone na dużych ilościach danych historycznych w celu identyfikacji wzorców i przewidywania przyszłego stanu pogody. Jest to również system open source, więc naukowcy i instytucje mają do niego dostęp i mogą z niego korzystać.

Obie metody mają swoje mocne strony i są często stosowane w sposób komplementarny w celu poprawy ogólnej dokładności prognoz pogody. Połączenie tradycyjnego modelowania i technik sztucznej inteligencji otwiera nowe możliwości w dziedzinie meteorologii.

Wymieńmy, bez zbytniego zastanawiania się, kto może na tym skorzystać: rolnictwo, hodowla zwierząt, logistyka czy turystyka. Jeszcze bardziej oczywiste jest to, że można uratować życie, zwłaszcza w krajach rozwijających się, gdzie pogoda może być jeszcze bardziej szkodliwa.

Efektywność energetyczna

Dzisiejsza sieć elektroenergetyczna nie jest przykładem sieci dystrybucyjnej i autokonsumpcji, ale już dawno przestała być siecią scentralizowaną w punkcie tworzenia i dystrybucji energii. Panele słoneczne, farmy wiatrowe, kotły na pellet i wiele innych systemów zmieniło konfigurację sieci, a utrzymanie stabilnych dostaw nie jest już takie proste. Wzrost ekstremalnych zjawisk metrologicznych również wpływa na sieć i wiele systemów wytwarzania energii odnawialnej. 

Mnóstwo danych w czasie rzeczywistym, długa historia modeli i nowe sytuacje oraz potrzeba podejmowania szybkich i skutecznych decyzji. Wiemy już, że jest to jeden z typowych problemów, w których sztuczna inteligencja może wiele wnieść. I tak właśnie jest.

Wzrost liczby samochodów elektrycznych prowadzi do wzrostu zużycia energii w związku z ich ładowaniem. Znajomość nowych nawyków użytkowników tych pojazdów jest ważna dla utrzymania sprawności sieci. Wiatry, które powodują uszkodzenia sieci elektrycznych i które do tej pory mogły zaskoczyć techników, są teraz przewidywane z większym wyprzedzeniem. W ten sam sposób godziny i intensywność światła słonecznego, a także wiatr, umożliwiają dokładniejsze obliczenie energii, która ma zostać wygenerowana.  

To samo podejście nie tylko poprawia wytwarzanie i zużycie energii, ale także zapobiega awariom i wydłuża żywotność instalacji i elektrowni poprzez unikanie szczytów i spadków.

Sieci czujników i alarmów działają w sieciach energetycznych już od jakiegoś czasu. Skok, jaki umożliwia sztuczna inteligencja, polega na tworzeniu wzorców i zrozumieniu w krótszym czasie i z większą precyzją ogromnej ilości danych, które tak złożona sieć generuje każdego dnia.

A gdyby tego było mało

Mapowanie śmieci w oceanie i tworzenie modeli do obliczania ich przemieszczania, tworzenie map wylesiania i propozycji rozwiązania tego problemu, przewidywanie pożarów lasów, optymalizacja procesów recyklingu i unikanie marnowania żywności. Krótko mówiąc: każdy złożony system, który wymaga złożonych obliczeń, korzysta z tego narzędzia. W kontekście zmian klimatycznych, w których niepewność przenika wszystko, wykorzystanie sztucznej inteligencji do sprostania wyzwaniom środowiskowym jest ogromną zaletą.

Przejdźmy do minusów.

Zużycie energii przez sztuczną inteligencję

Aby dać ci wyobrażenie, szkolenie ChatGPT generuje około 300 ton emisji dwutlenku węgla, co stanowi równowartość jednego obywatela Europy w ciągu 60 lat. Pojedyncze zapytanie ChatGPT jest równoważne pięciu lub sześciu zapytaniom do zwykłej wyszukiwarki pod względem wpływu na środowisko. 

Istnieją zmienne geograficzne, które nie są zależne od technologii, ale od kraju. Jeśli serwer, który ma zostać przeszkolony, znajduje się w Stanach Zjednoczonych, będziemy potrzebować 700 000 litrów czystej, słodkiej wody, aby go przeszkolić, ale jeśli jest to serwer azjatycki, będziemy potrzebować trzy razy więcej. Chińskie centra danych są w 73% opalane węglem, podczas gdy kanadyjskie centra danych są w większości hydroelektryczne.

Dane te pochodzą z 2019 r. i 2021 r. więc możemy założyć, że obecnie są one znacznie wyższe, biorąc pod uwagę rozwój sztucznej inteligencji.

Istnieje kilka punktów, w których zużycie energii przez sztuczną inteligencję staje się ważne. 

Wymaga dużej ilości specjalistycznego sprzętu (GPU i ASIC), co również zwiększa ilość surowców i odpadów w jego produkcji. 

Przechowywanie danych. Rentowność biznesu i zrównoważony rozwój idą tu w parze. Ulepszenie pamięci masowej poprzez kompresję danych i wykorzystanie technologii transmisji danych o niskim poborze mocy może prowadzić do znacznych oszczędności.

Centra przetwarzania danych charakteryzują się bardzo wysokim poziomem zużycia energii. Wykorzystanie energii odnawialnej, a nawet poszukiwanie lokalizacji geograficznych o korzystnych warunkach środowiskowych już dawno stało się częścią strategii dla tych ogromnych obiektów technologicznych. 

Ale jeśli jest coś lepszego niż kompensowanie wpływu, to jest to unikanie go. Zwiększenie wydajności algorytmów i oprogramowania w ogóle może prowadzić do znacznych oszczędności. Jest to szczególnie pilne podczas szkolenia AI, ponieważ jest to czas największego zużycia i czas, w którym stosuje się najmniej środków łagodzących wpływ.

To wysoka cena do zapłacenia. Czy powinniśmy wykorzystać sztuczną inteligencję do znalezienia rozwiązań?

Zdjęcie towarzyszące temu artykułowi zostało stworzone za pomocą ChatGPT4. Na koniec zapytałem go: 

„Zanim pójdę, czy mógłbyś mi powiedzieć, jakie jest zużycie energii i wody podczas tej rozmowy?”.

A jego odpowiedź brzmiała:

„Nie mam dostępu do konkretnych danych na temat zużycia energii lub wody wykorzystywanych podczas naszych rozmów. Zużycie energii i zasobów zależy od wielu czynników, w tym serwerów i infrastruktury sieciowej wykorzystywanej do uruchamiania i uzyskiwania dostępu do usług takich jak ta.

Ogólnie rzecz biorąc, uruchamianie modeli sztucznej inteligencji na serwerach może zużywać znaczną ilość energii elektrycznej, ale kwantyfikacja tego dla pojedynczej sesji lub pytania byłaby złożona i zależna od sprzętu i wydajności energetycznej konkretnej używanej infrastruktury. OpenAI, organizacja stojąca za ChatGPT, nieustannie pracuje nad poprawą efektywności energetycznej swoich operacji i łagodzeniem wpływu na środowisko poprzez różne inicjatywy na rzecz zrównoważonego rozwoju.

Jeśli chodzi o zużycie wody, jest ono generalnie pośrednie, związane głównie z chłodzeniem i innymi operacjami centrum danych, ale te konkretne szczegóły są również obsługiwane przez dostawców infrastruktury i nie są bezpośrednio dostępne za pośrednictwem tej usługi.

Jeśli masz dodatkowe pytania lub jest coś, w czym mogę Ci pomóc, daj mi znać!”.