Kunstmatige intelligentie (AI) bestaat nog maar kort, maar wordt nu al gezien als een game-changer vanwege het transformatieve potentieel. De ontwikkeling, het onderhoud en de verwijdering ervan zijn echter allemaal verantwoordelijk voor een grote CO2-voetafdruk. Dit zorgt ervoor dat mensen zich zorgen maken over de impact van AI op het milieu. In deze blog duiken we dieper in dit verborgen dilemma.
Echte milieu-impact van kunstmatige intelligentie: negatief versus positief
Achter elke AI zit een energie-intensief proces met een enorme CO24-voetafdruk. Tegenwoordig draaien AI-datacenters 7/XNUMX en gebruik energie die grotendeels afkomstig is van fossiele brandstoffen. Ze zijn goed voor bijna 2.5 tot 3.7% van de wereldwijde uitstoot van broeikasgassen.
U zult geschokt zijn als u hoort dat volgens OpenAI-onderzoekersde rekenkracht die nodig is om de beste AI-modellen te trainen, verdubbelt sinds 3.4 elke 2012 maanden. recente studie door experts van de University of Massachusetts, Amherst, keken ook naar de milieu-impact van het trainen van verschillende grote AI-modellen. Ze ontdekten dat dit proces zou kunnen produceren meer dan 626,000 pond koolstofdioxideDat is bijna 5 keer zoveel als de uitstoot van een gemiddelde Amerikaanse auto gedurende zijn hele levensduur.
De onderstaande tabel geeft de belangrijkste positieve en negatieve effecten van AI weer:
| Positieve effecten | Negatieve effecten |
| Helpt bij de bestrijding van ontbossing, bosbranden, ziektes bij wilde dieren en bij het monitoren van de biodiversiteit. | Hoog elektriciteitsverbruik tijdens de training. |
| Stimuleert initiatieven voor een circulaire economie. | Mogelijke toename van het gebruik van hulpbronnen zoals water en grondstoffen. |
| Optimaliseert landbouw-, transport- en afvalbeheerprocessen. | Draagt bij aan de productie van elektronisch afval. |
| Voorspelt energieverbruikspatronen en verbetert de energie-efficiëntie. | Kan bestaande milieuproblemen verergeren. |
| Verbetert de prestaties van hernieuwbare energiebronnen. | Veel computertijd voor training verhoogt de AI-uitstoot. |
| Beheert de elektriciteitsvoorziening en verbetert de betrouwbaarheid. | Vooroordelen in trainingsgegevens kunnen leiden tot vooringenomen beslissingen door AI-algoritmen. |
| Analyseert de bodem, voorspelt opbrengsten en identificeert plagen voor duurzame landbouw. | Hogere vraag naar energie naarmate AI-gebruik toeneemt. |
| Draagt bij aan een efficiënte respons op rampen. | Trainingen waarbij veel zoetwater wordt gebruikt, dragen bij aan waterschaarste. |
| Maakt het creëren van nieuwe materialen gemakkelijker. | Genereert CO2-uitstoot vergelijkbaar met de luchtvaart en heeft gevolgen voor gemarginaliseerde gemeenschappen. |
| Ondersteunt inspanningen voor het behoud van biodiversiteit. | Energieverbruik leidt tot luchtvervuiling. |
Negatieve impact van kunstmatige intelligentie op het milieu
Het grootste nadeel is gekoppeld aan datacenters, omdat ze veel energie verbruiken om AI-modellen te onderhouden. Vergeleken met gewone gebouwen gebruiken ze ongeveer 10 tot 50 keer meer energie per verdieping. Nu Large Language Models (LLM) zoals GPT-4 steeds groter worden, het energieverbruik van deze datacenters blijft toenemenLaten we het hebben over enkele milieugerelateerde uitdagingen die verband houden met AI.
1. Toenemend energieverbruik
Training AI-modellen verbruiken een enorme hoeveelheid elektriciteit, die grotendeels wordt geproduceerd uit fossiele brandstoffen. Dit alles resulteert in een verhoogde uitstoot van broeikasgassen.
Volgens de Amerikaans Bureau voor Energie-efficiëntie en Hernieuwbare Energiedatacentra, inclusief die welke worden gebruikt voor AI, zijn verantwoordelijk voor bijna 2% van het totale elektriciteitsverbruik in de VS
2. Toenemend hulpbronnenverbruik
Het gebruik van AI in industrieën zoals productie kan het verbruik van hulpbronnen, waaronder water en grondstoffen, verhogen. Dit kan schadelijk zijn voor het milieu.
AI-training is ook afhankelijk van GPU's (Graphics Processing Units). Voor hun productie, zeldzame metalen en aanzienlijk waterverbruik zijn nodig.
3. Bijdragen aan elektronisch afval
Dit afval bestaat uit schadelijke chemicaliën waaronder lood, kwik en cadmium. Naast het vervuilen van water en bodem, kunnen ze ook aanzienlijke schade toebrengen aan mens en natuur.
Door 2050, de World Economic Forum voorspelt, we zullen produceren meer dan 120 miljoen ton e-afval elk jaar. Om dit te voorkomen, hebben we beter e-waste management en recycling nodig.
Kruisverwijzing: Huidig E-afvalbeheer met behulp van kunstmatige intelligentietechnieken
4. Invloed op natuurlijke ecosystemen
AI's zoals zelfrijdende auto's en bezorgdrones kan schadelijk zijn voor dieren en de natuur. Dit kan leiden tot meer verspilling en consumptie, vooral in de e-commerce, waar goederen snel en vaak worden geleverd.
AI in de landbouw zou ook kunnen te veel kunstmest en bestrijdingsmiddelen gebruiken. Dit kan schadelijk zijn voor water, bodem en biodiversiteit. AI gebruiken voor het milieu roept ook ethische zorgen op. We moeten de voordelen van AI in evenwicht brengen met het beschermen van de natuur, zodat ze naast elkaar kunnen bestaan.
5. Toenemende COXNUMX-uitstoot
Omdat AI-operaties verantwoordelijk zijn voor het verbruik van veel energie, zijn ze de grootste boosdoeners achter de toegenomen CO2-uitstoot. Miljoenen uren aan computertijd worden besteed aan het trainen van nieuwe generaties AI-modellen. Dit verhoogt het energieverbruik nog verder.
Vaak is de De productie van deze energie is ook afhankelijk van aardgas, olie, steenkool, of waterkracht, die allemaal belangrijkste bronnen van AI-emissies.
6. Het bevorderen van vooringenomenheid bij besluitvorming
Het grootste probleem dat elke anti-AI heeft, is gerelateerd aan de waarschijnlijkheid dat AI bevooroordeelde beslissingen neemt. AI-algoritmen vertrouwen sterk op de data waarop ze zijn getraind. Bevooroordeelde beslissingen kunnen vooroordelen in deze gegevens veroorzaken.
Het gebruik van AI om het milieu te controleren roept een reeks ethische zorgen op. Als het algoritme wordt getraind op data die economische groei boven milieuzorg stellen, kan het kortetermijnwinsten boven milieugezondheid op de lange termijn prioriteren.
Kruisverwijzing: Wat kunnen we doen aan de vooroordelen in AI?
7. Toenemende vraag naar energie
De huidige trends laten zien hoe AI geleidelijk een plek in ons leven heeft veroverd als hulpmiddel. Met de tijd zal het gebruik ervan toenemen en ook de vraag naar energie. Dit is dus een belangrijke bijdrager aan de uitstoot van broeikasgassen.
Als de huidige AI-trends bijvoorbeeld aanhouden, zal in 2027 NVIDIA zou jaarlijks bijna 1.5 miljoen AI-servereenheden kunnen leveren. Deze servers kunnen ongeveer 85.4 terawattuur elektriciteit per jaarDit zal zelfs het energieverbruik van veel kleine landen overtreffen.
8. Bijdragen aan waterverspilling en luchtverontreiniging
U weet misschien niet dat Training AI-modellen veel vers water nodig hebben. Dit kan ook bijdragen aan waterverspilling. A recente studie stelt ChatGPT vereist bijna 500 ml water voor elke 20-50 vragen en antwoorden om zijn datacenters te koelen. Dit water kan verontreinigd raken met chemicaliën en afval. Om het te hergebruiken, is er dus mogelijk extra behandeling nodig.
Uit het onderzoek bleek ook dat het trainen van GPT-3 mogelijk een positief effect heeft gehad. meer dan 700,000 liter schoon water verbruikt. Helaas verdampt het water tijdens gebruik en kan het niet worden hergebruikt. Dit verergert het probleem van watertekort. De energie die AI gebruikt, kan ook bijdragen aan luchtvervuiling, vooral als het niet-hernieuwbare energiebronnen gebruikt.
Kijk ook eens Hoe je als student op school of hogeschool je CO2-voetafdruk kunt verkleinen
9. Heeft een gebrek aan verantwoording en transparantie
Vaak zijn de ontwikkeling en het gebruik van AI niet transparant of verantwoord. Veel bedrijven geven prioriteit aan hun financiële winst en concurrentievermogen boven de mogelijke schade aan het milieu veroorzaakt door AI-technologieën.
AI's zijn ook complex en door deze complexiteit hebben gebruikers moeite om hun werkelijke ecologische voetafdruk te achterhalen. Bovendien belemmeren de verborgen gegevens en geheime trainingsmethoden die worden gebruikt voor AI-ontwikkeling de nauwkeurige evaluatie van de CO2-voetafdruk of milieu-impact van AI. Om ervoor te zorgen dat AI aansluit bij milieuoverwegingen, Er moeten transparante procedures en wetten worden ontwikkeld en geïmplementeerd.
10. Kan historisch gemarginaliseerde gemeenschappen schaden
Deze technologie wordt in verschillende sectoren gebruikt en genereert koolstofdioxide-emissies die vergelijkbaar zijn met die van de luchtvaartindustrie. Deze verhoogde emissies zijn met name schadelijk voor de historisch gemarginaliseerde gemeenschappen die in zwaar vervuilde gebieden leven. Ze zijn gevoeliger voor de gezondheidsrisico's die samenhangen met vervuiling.
Lees ook: De dorstige datacenters van ChatGPT putten waterbronnen uit
Positieve impact van kunstmatige intelligentie op het milieu
Overlaad uzelf niet alleen met de negatieve aspecten, het heeft ook veel positieve aspecten. Het heeft de mogelijkheid om enorme hoeveelheden data te analyseren, zoals die van weersatellieten. De andere positieve effecten die ermee gepaard gaan, worden hieronder besproken:
1. Het verzachten van de klimaatverandering
AI heeft een enorm potentieel om ons te helpen de natuur te behouden en de natuur te bestrijden. Het helpt bij snellere en bredere monitoring van klimaatverandering. De data ervan kan ons helpen natuurrampen nauwkeurig voorspellen. Dit vergemakkelijkt niet alleen efficiënte evacuatie, maar minimaliseert ook het minimaliseren van schade. Hier zijn enkele manieren waarop het helpt klimaatverandering te beperken:
- Bestrijding van ontbossing: Door satellietbeelden te analyseren, helpt het organisaties zoals WWF gebruik maken van AI, zoals Bosvooruitzicht illegale ontbossing opsporen en voorkomen.
- Bestrijding van bosbranden: Door data zoals camerabeelden te analyseren, kan het helpen de groei van bosbranden te lokaliseren en voorspellen. Hierdoor kunnen brandweerlieden effectiever reageren.
- Ziekten bij wilde dieren detecteren: Het is snel in het identificeren van tekenen van ziektes in wilde dieren. Dit is erg behulpzaam bij vroege detectie en preventie.
- Biodiversiteit volgen: Wanneer AI wordt gecombineerd met drones en satellietbeelden, kan het efficiënt veranderingen in diergedrag monitoren. Het kan niet alleen verschillende dierpopulaties volgen, maar ook bedreigingen voor de biodiversiteit identificeren.
- Overbevissing voorkomen: AI-tools zoals de Smart Boat-initiatief kunnen ons helpen visserijpraktijken te controleren en illegale visserijactiviteiten te voorkomen.
Kruisverwijzing: AI-gebaseerde monitoring helpt bij het detecteren van ziekten op de boerderij
2. Bijdragen aan de circulaire economie
Zij kunnen bijdragen aan een circulaire economie door:
- Identificeren en terugwinnen van recyclebare materialen: AI-gestuurde robots zijn sneller en efficiënter in het sorteren van recyclebare materialen. Ze helpen recycling te promoten en broeikasgasemissies te verminderen.
- Water recyclen en hergebruiken: U kunt AI-tools gebruiken om de waterkwaliteit te bewaken. Ze helpen vervuiling vroegtijdig te detecteren en helpen ook bij waterzuiveringsprocessen.
3. Optimaliseren van operaties
Zij optimaliseren de bedrijfsvoering in een breed scala aan sectoren:
- Landbouw: In deze sector worden AI-tools gebruikt om gegevens over bodem en weer te bezitten. Dit helpt niet alleen om precisielandbouw te verbeteren, maar verhoogt ook de opbrengsten.
- Vervoer: De tools kunnen worden gebruikt om routes te optimaliseren en verkeersopstoppingen te verminderen. Over het algemeen minimaliseren ze de emissies die door transport worden veroorzaakt.
- Afvalbeheer: AI kan worden gebruikt om de vraag te voorspellen en de voorraad te optimaliseren. Dit kan afvalbeheerprocessen verbeteren om afval te verminderen en de efficiëntie te verbeteren.
4. Verbetering van de energie-efficiëntie
De onderstaande punten laten zien hoe AI deze efficiëntie kan verbeteren:
- Energieverbruik voorspellen: Het kan energieverbruikspatronen voorspellen en gebieden identificeren waar energie bespaard kan worden.
- Koelsystemen optimaliseren: Bedrijven als Google gebruiken AI om koelsystemen te optimaliseren. Dit vermindert niet alleen het energieverbruik, maar ook de CO2-uitstoot.
5. Ondersteuning van hernieuwbare energie
Het ondersteunt ook de bloei van hernieuwbare energiebronnen zoals zonne- en windenergie. Het doet dit door hun energieproductie te voorspellen, hun prestaties te verbeteren en hun onderhoud te stroomlijnen.
Bijvoorbeeld, GE hernieuwbare energie maakt gebruik van AI in zijn windturbines. Deze turbines hebben sensoren en AI-algoritmen, die veranderingen in windomstandigheden kunnen voorspellen. Vervolgens passen ze de turbine-operaties hierop aan. Dit voorspellende vermogen verhoogt niet alleen hun energieproductie, maar zorgt er ook voor dat turbines efficiënt werken.
6. Ondersteuning van slimme netwerken
AI helpt energienetwerken slimmer te maken. onderzoekt informatie van sensoren en meters. Deze informatie helpt nutsbedrijven bij het beheren van vraag en aanbod van elektriciteit. Dit vermindert energieverspilling verder en verbetert de betrouwbaarheid.
Microsoft gebruikt ook AI om de energie-efficiëntie in zijn datacenters te verbeteren. Als onderdeel van zijn duurzaamheidsdoelen streeft het ernaar om in 2030 koolstofnegatief te worden.
7. Duurzame landbouw helpen
AI kan een geweldige ondersteuning zijn in duurzame landbouw. Hoe, dat moet je nieuwsgierig zijn. Nou, het kan bodemgegevens analyseren en oogstopbrengsten voorspellen. Het kan ook plagen en ziekte-uitbraken detecteren. Ze kunnen boeren helpen hun gewasproductie te maximaliseren. Ze promoten minimaal gebruik van meststoffen en pesticiden.
FarmWise is een voorbeeld van AI dat wordt gebruikt in duurzame landbouw. Het gebruikt AI-gestuurde robots om onkruid nauwkeurig te identificeren en te verwijderen van velden. Dit vermindert de behoefte aan chemische herbiciden en helpt hun duurzame landbouwmethoden te ondersteunen.
8. Hulp bij rampenbestrijding
AI kan technologische vooruitgang versnellen. Dit kan een game changer zijn in rampenbestrijding. AI-tools kunnen nauwkeurige voorspellingen doen over belangrijke milieugebeurtenissen zoals weersveranderingen, erosie en aardverschuivingen. Als we nauwkeurigere kennis hebben over het optreden van een ramp, zijn we beter voorbereid om deze te bestrijden.
9. Nieuwe materialen creëren
Deze technologie kan ook worden behulpzaam bij het creëren van milieuvriendelijke materialen. Ze kunnen worden ontworpen om bepaalde kwaliteiten te hebben, zoals lichtgewicht of sterk. We kunnen dergelijke materialen gebruiken voor de bouw of de lucht- en ruimtevaart.
Als we de materialen uit hernieuwbare bronnen kunnen maken, verminderen we ook onze afhankelijkheid van fossiele brandstoffen. Dit zal ook de schade aan het milieu die gepaard gaat met de productie van materialen minimaliseren.
10. Bevorderen van biodiversiteit
Dit is een van de belangrijkste positieve milieueffecten van AI. Het helpt bij de bescherming van verschillende ecosystemen en soorten. Het kan grote hoeveelheden data analyseren. Deze mogelijkheid wordt gebruikt om gegevens te analyseren over de populatie, het leefgebied en de bedreigingen die verband houden met verschillende ecosystemen en soorten.
Laten we het nu hebben over de relatie tussen AI en ecologische duurzaamheid. Het zal ons helpen bepalen of ze naast elkaar kunnen bestaan.
Zie ook: Urtopia onthult 's werelds eerste elektrische fiets geïntegreerd met ChatGPT
Is ecologische duurzaamheid mogelijk via AI?
Ja, AI kan erg behulpzaam zijn bij het verbeteren van de ecologische duurzaamheid. Hieronder worden enkele manieren besproken waarop het ecologische duurzaamheid mogelijk kan maken.
- Voor landbouw kan het worden gebruikt om omgevingsomstandigheden en gewasopbrengsten te monitoren. Het kan zelfs helpen om het gebruik van water en meststoffen te verminderen.
- Het kan het watergebruik optimaliseren en zorgen voor: efficiënt waterbeheerHet probeert de kosten van het management en de impact op het milieu te verlagen.
- In de productie kan het helpen nauwkeurige systeemontwerpen makenDit kan helpen om afval en energieverbruik tijdens de productie te verminderen.
- Door warmte te recyclen en bezetting te volgen, kan het energieverbruik in gebouwen worden geoptimaliseerd. Het kan dus Ideaal voor facilitair management.
- AI met satellietbeelden helpt veranderingen in landgebruik en gewasziekten detecteren vroeg in. Dit helpt bij het duurzaam gebruiken van land.
- Het kan Luchtvervuiling controleren niveaus en waarschuwen stadsbewoners voor bronnen van vervuiling.
- Het kan energievoorziening efficiënt beheren en heeft de prognoses voor de productie van hernieuwbare energie verbeterd.
- Het detecteert vervuiling in een vroeg stadium en vermindert de uitstoot van broeikasgassen van voertuigen.
- Het kan helpen natuurlijke hulpbronnen behoudenDit gebeurt door landbouwinputs te stroomlijnen, afval in de productie te verminderen en het energieverbruik in gebouwen te optimaliseren.
Zie ook: Top 15+ startups die AI ontwikkelen voor energie-efficiëntie
Gedachten over generatieve AI-duurzaamheid door technologie-CEO's en business schools
Dit is een ander soort kunstmatige intelligentie die verschillende soorten content kan creëren, waaronder afbeeldingen, geluid, tekst en synthetische data. De recente opwinding eromheen is te danken aan de gebruiksvriendelijke interfaces, waarmee gebruikers snel eersteklas tekst, afbeeldingen en video's kunnen maken.
Dit is wat gerenommeerde tech-CEO's, bedrijven en business schools te zeggen hebben over generatieve AI:
1. Volgens Paul Dochterty, die Chief Technology and Innovation Officer van Accenture is, pleit hun bedrijf voor actieve betrokkenheid bij generatieve AI. Hij zegt dat Bedrijven moeten erin duiken, het gebruiken, experimenteren en ervaring uit de eerste hand opdoenDeze aanpak wordt ook gevolgd in Accenture intern.
2. Volgens IBM, generatieve AI kan de efficiëntie van bedrijfsbronnen verbeteren. Dit kan door het analyseren van gegevens voor realtime energiedistributie, kosten en emissies verminderen. Het helpt CEO's om duurzame ondernemingen te ontwerpen. Dit zorgt ervoor dat idealen worden vertaald in uitvoerbare strategieën en meetbare uitkomsten. Dit zal het management helpen om effectief aan de verwachtingen van stakeholders te voldoen.
3. Harvard Business Review stelt dat generatief AI kan de creativiteit van werknemers en klanten stimuleren. Het kan helpen bij het genereren en spotten van nieuwe ideeën en het verbeteren van hun kwaliteit. Het kan ook divergent denken bevorderen, expertise bias tegengaan, ideeën evalueren, verfijnen en samenwerking bevorderen.
4. EY stelt nog een interessant feit. Het ontdekte dat bijna 70% van de CEO's erkent de urgentie van het adopteren van generatieve AI (GenAI) om concurrerend te blijven. Maar 68% is ook behoorlijk onzeker over deze technologie. Dit gebrek aan zekerheid belemmert hun vermogen om snel te handelen.
5. Volgens Analyse van Deloitte, effectieve digitale transformatie kan de marktwaarde met maximaal $ 1.25 biljoen verhogen. En Gen AI zal fungeren als een belangrijke katalysator om deze verandering teweeg te brengen. Nu de Gen AI-markt elk jaar verdubbelt, stellen voorspellingen dat AI-gestuurde productiviteitsverbeteringen kunnen bijdragen $ 7 biljoen van het mondiale BBP in het komende decennium.
Generatieve AI is dus nog nieuw, maar wordt zeker geprezen om zijn mogelijkheden. Het kan uw creativiteit vergroten, de efficiëntie van hulpbronnen verhogen en zelfs digitale transformaties aansturen. Hoewel de echte impact van AI op het milieu erkend wordt, zijn CEO's nog steeds wat onzeker over de adoptie ervan. Blijf op de hoogte van meer van dergelijke informatieve content op onze website.
Aanbevolen: 20+ uitvindingen die uitgevonden moeten worden om de wereld te helpen
