Sztuczna inteligencja może pomóc w redukcji globalnych emisji gazów cieplarnianych o 3,2 do 5,4 miliarda ton rocznie do 2035 roku – wynika z badania opublikowanego w prestiżowym czasopiśmie naukowym Nature. Jego autorzy wskazują na pięć kluczowych obszarów, w których SI może zrewolucjonizować walkę ze zmianami klimatu. Co istotne, korzyści środowiskowe płynące z jej wykorzystania mają przewyższyć koszty związane ze zużyciem energii przez same algorytmy.
Sztuczna inteligencja może odegrać kluczową rolę w walce ze zmianami klimatu – wynika z badania „Green and Intelligent: The Role of AI in the Climate Transition” opublikowanego w czasopiśmie Nature przez Grantham Research Institute przy London School of Economics. Jego autorzy dowodzą, że zastosowanie AI w kluczowych sektorach gospodarki może zredukować emisję gazów cieplarnianych o 3,2 do 5,4 miliarda ton ekwiwalentu CO2 rocznie do 2035 roku. Oznacza to spadek o 6-10 procent obecnych globalnych emisji. Co istotne, autorzy podkreślają, że szacowane redukcje emisji przewyższą wzrosty wynikające z globalnego zużycia energii przez sztuczną inteligencję.
– Potencjał SI w transformacji energetycznej jest absolutnie realny i mierzalny. Weźmy przykład inteligentnych sieci energetycznych. Tradycyjne sieci działają na zasadzie “produkuj i miej nadzieję, że ktoś zużyje”. SI może przewidzieć zapotrzebowanie z dokładnością do pojedynczych gospodarstw domowych. Również w rolnictwie systemy AI analizujące dane satelitarne, pogodowe i glebowe mogą zredukować zużycie nawozów o 40 proc. przy zachowaniu tych samych plonów. To nie są futurystyczne wizje, to dzieje się już teraz. Problem w tym, że skala wdrożeń jest wciąż za mała. Potrzebujemy systemowego podejścia. Nie wystarczy, że kilka firm wdraża AI do optymalizacji. Musimy myśleć o całych sektorach gospodarki. I tu widzę największą rolę dla polityki publicznej – mówi Daniel Kędzierski, prezes Związku Pracodawców Firm Innowacyjnych To Growth i założyciel FastTony, firmy specjalizującej się w automatyzacji marketingu przy wykorzystaniu sztucznej inteligencji.
Pięć obszarów wpływu AI na klimat
Badanie Grantham Research Institute identyfikuje pięć kluczowych obszarów, w których AI może przyczynić się do redukcji emisji gazów cieplarnianych. Pierwszym jest transformacja złożonych systemów. W energetyce, transporcie czy produkcji żywności wszystkie procesy są sobą ściśle powiązane – a im większy system, tym trudniej się nimi zarządza. Tu do gry wchodzi AI, która potrafi analizować ogromne zbiory danych w czasie rzeczywistym i optymalizować procesy. Przykład? Lepsze zarządzanie siecią elektroenergetyczną może zwiększyć efektywność wykorzystania energii słonecznej i wiatrowej nawet o 20 proc. Sztuczna inteligencja przewiduje, gdzie i kiedy wystąpi szczyt zapotrzebowania na prąd, automatycznie dostosowując dostawy do realnych potrzeb.
Kolejnym obszarem, w którym sztuczna inteligencja może ograniczyć emisję dwutlenku węgla do atmosfety, jest rozwój nowych technologii. Potrafi ona w mgnieniu oka przeanalizować tysiące scenariuszy, przyspieszając prace naukowe – od rozwoju ekologicznych materiałów przemysłowych po alternatywne źródła składników odżywczych. Badania pokazują, że dzięki SI spożycie alternatywnych źródeł białka (np. roślinnych zamienników mięsa) może wzrosnąć z dzisiejszych 8–14 proc. do nawet 50 proc. – a to znacząco obniża emisję dwutleknu węgla wynikającą z hodowli zwierząt.
Trzeci obszar to wpływ na zachowania konsumentów. Nie chodzi tylko o technologię, ale też o to, jak z niej korzystamy. Sztuczna inteligencja pomoże nam podejmować bardziej ekologiczne decyzje – od wyboru transportu po zakupy spożywcze. Aplikacje wspierane przez AI nakierują użytkownika na bardziej ekologiczne usługi czy produkty, nie robiąc rewolucji w jego stylu życia. Dotyczy zarówno pojedynczych konsumentów, jak i całych organizacji.
Sztuczna inteligencja pomoże również w polityce klimatycznej. Potrafi ona tworzyć niezwykle precyzyjne modele i przewidywać skutki wielu zróżnicowanych scenariuszy – zanim jeszcze zostaną wprowadzone w życie. Dzięki temu decydenci zyskują potężne narzędzie do projektowania bardziej trafnych przedsięwzięć klimatycznych. SI nie tylko powie, co należy zrobić, lecz również sprawdzi, czy dane rozwiązanie rzeczywiście przynosi efekty. Pozwoli lepiej wykorzystać ograniczone zasoby, wskaże luki i pomoże na bieżąco optymalizować prowadzone działania.
Ostatnim obszarem wymienionym przez autorów badania jest przewidywanie zagrożeń. Sztuczna inteligencja wspiera systemy wczesnego ostrzegania przed ekstremalnymi zjawiskami pogodowymi, takimi jak powodzie czy pożary. Może też prognozować, jak zmieni się dane środowisko na przestrzeni lat, pomagając lokalnym społecznościom, firmom i rządom odpowiednio się przygotować.
Rosnące zapotrzebowanie na energię
Sztuczna inteligencja może pomóc w oszczędzaniu energii, lecz póki co sama zużywa jej coraz więcej. Według najnowszych danych Międzynarodowej Agencji Energetyki, centra danych już w 2030 roku zużywać będą zawrotne 945 terawatogodzin (TWh) energii – to tyle samo, ile zużywa obecnie cała Japonia. Prognoza zakłada ponad dwukrotny wzrost w porównaniu z obecnym zużyciem na poziomie około 415 TWh rocznie, co odpowiada 1,5 procent całkowitego światowego zapotrzebowania na energię elektryczną.
W Stanach Zjednoczonych sytuacja wygląda jeszcze gorzej. Goldman Sachs Research przewiduje, że centra danych będą odpowiadać za ponad jedną trzecią prognozowanego rocznego tempa wzrostu zapotrzebowania na energię w USA (które wynosi 2,4 proc. skumulowanego rocznego wskaźnika wzrostu) do 2030 roku. Analitycy szacują, że do tego czasu centra danych będą zużywać 8 proc. energii elektrycznej w Stanach Zjednoczonych. Analitycy zakładają, że 60 proc. nowego zapotrzebowania pokryje gaz, a 40 proc. OZE.
– Niektórzy twierdzą, że im więcej energii zużyjemy na rozwój AI teraz, tym większe oszczędności możemy osiągnąć w przyszłości. To jak z inwestycją w infrastrukturę. Początkowo jest kosztowna, ale długoterminowo opłacalna. Problem polega na tym, że choć pojedyncze modele faktycznie zyskują na efektywności, to rosnąca skala ich zastosowań sprawia, że łączne zużycie energii przez branżę nie maleje, a wręcz przybiera na sile. To właśnie gwałtowny wzrost liczby i złożoności modeli odpowiada za rosnący apetyt na energię, który stawia przed sektorem AI poważne wyzwania środowiskowe i ekonomiczne – kwituje Daniel Kędzierski z FastTony.