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-toepassing schuilt een energie-intensief proces met een enorme CO2-voetafdruk. AI-datacenters draaien tegenwoordig 24/7 en gebruiken energie die grotendeels afkomstig is van fossiele brandstoffen . Ze zijn verantwoordelijk voor bijna 2.5 tot 3.7% van de wereldwijde uitstoot van broeikasgassen.
Het zal je verbazen dat, volgens onderzoekers van OpenAI , de benodigde rekenkracht voor het trainen van de beste AI-modellen sinds 2012 elke 3.4 maanden verdubbelt. Een recente studie van experts van de Universiteit van Massachusetts, Amherst, onderzocht ook de milieu-impact van het trainen van diverse grote AI-modellen. Ze ontdekten dat dit proces meer dan 284.000 kilo koolstofdioxide kan produceren . Dat is bijna vijf keer de uitstoot van een gemiddelde Amerikaanse auto gedurende zijn 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 verbonden aan datacenters, omdat deze veel energie verbruiken om AI-modellen te onderhouden. Vergeleken met gewone gebouwen verbruiken ze ongeveer 10 tot 50 keer meer energie per verdieping. Naarmate grote taalmodellen (LLM's) zoals GPT-4 groter worden, blijft het energieverbruik van deze datacenters toenemen . Laten we eens kijken naar enkele milieu-uitdagingen die met AI gepaard gaan.
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 het Amerikaanse Bureau voor Energie-efficiëntie en Hernieuwbare Energie zijn datacenters, inclusief die welke voor AI worden gebruikt, 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 (grafische processoren). Voor de productie ervan zijn zeldzame metalen en een aanzienlijk waterverbruik 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.
Het World Economic Forum voorspelt dat we in 2050 jaarlijks meer dan 120 miljoen ton elektronisch afval zullen produceren . Om dit te voorkomen, hebben we een beter beheer en betere recycling van elektronisch afval nodig.
Kruisverwijzing: Huidig beheer van elektronisch afval met behulp van kunstmatige intelligentietechnieken
4. Invloed op natuurlijke ecosystemen
Kunstmatige intelligentie, zoals zelfrijdende auto's en bezorgdrones, kan schadelijk zijn voor dieren en de natuur. Dit kan leiden tot meer afval en consumptie, met name in de e-commerce, waar goederen snel en vaak worden bezorgd.
AI in de landbouw kan ook leiden tot overmatig gebruik van meststoffen en pesticiden. Dit kan schadelijk zijn voor water, bodem en biodiversiteit. Het gebruik van AI voor milieudoeleinden roept ook ethische vragen op. We moeten de voordelen van AI afwegen tegen de bescherming 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 productie van deze energie ook afhankelijk van aardgas, olie, steenkool of waterkracht, die allemaal belangrijke bronnen van AI-uitstoot zijn.
6. Het bevorderen van vooringenomenheid bij besluitvorming
Het grootste probleem waar elke tegenstander van AI mee kampt, is de kans dat AI bevooroordeelde beslissingen neemt. AI-algoritmes zijn sterk afhankelijk van de data waarop ze getraind worden. Bevooroordeelde beslissingen kunnen leiden tot vertekeningen in deze data.
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 doen we 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 trends in kunstmatige intelligentie (AI) zich bijvoorbeeld doorzetten, zou NVIDIA in 2027 jaarlijks bijna 1.5 miljoen AI-servers kunnen leveren. Deze servers zouden jaarlijks zo'n 85.4 terawattuur aan elektriciteit verbruiken . Dat is zelfs meer dan het energieverbruik van veel kleine landen.
8. Bijdragen aan waterverspilling en luchtverontreiniging
Wist je dat het trainen van AI-modellen veel zoet water vereist? Dit kan ook bijdragen aan waterverspilling. Een recente studie suggereert dat ChatGPT bijna 500 ml water nodig heeft voor elke 20-50 vragen en antwoorden om de datacenters te koelen. Dit water kan vervuild raken met chemicaliën en afvalstoffen. Om het te hergebruiken, is daarom mogelijk extra behandeling nodig.
Uit het onderzoek bleek ook dat de training van GPT-3 mogelijk meer dan 700,000 liter schoon water heeft verbruikt . Helaas verdampt dit water tijdens gebruik en kan het niet hergebruikt worden. Dit verergert het probleem van waterschaarste. De energie die AI gebruikt, kan ook bijdragen aan luchtvervuiling, vooral als er gebruik wordt gemaakt van niet-hernieuwbare energiebronnen.
Bekijk ook het artikel 'Hoe je als student je CO2-voetafdruk kunt verkleinen'.
9. Heeft een gebrek aan verantwoording en transparantie
De ontwikkeling en het gebruik van AI zijn vaak niet transparant of traceerbaar. Veel bedrijven geven prioriteit aan financieel gewin en concurrentievermogen boven de mogelijke milieuschade die AI-technologieën kunnen veroorzaken.
AI's zijn complex en daardoor hebben gebruikers moeite om hun werkelijke ecologische voetafdruk te bepalen. Bovendien belemmeren de verborgen data en geheimzinnige trainingsmethoden die gebruikt worden bij de ontwikkeling van AI een nauwkeurige evaluatie van de CO2-voetafdruk of de milieu-impact van AI. Om ervoor te zorgen dat AI aansluit bij milieuoverwegingen, moeten we transparante procedures en wetgeving ontwikkelen en implementeren.
10. Kan historisch gemarginaliseerde gemeenschappen schaden
Deze technologie wordt in diverse sectoren gebruikt en genereert koolstofdioxide-uitstoot die vergelijkbaar is met die van de luchtvaartindustrie. Deze toegenomen uitstoot is met name schadelijk voor de historisch gemarginaliseerde gemeenschappen die in zwaar vervuilde gebieden wonen. Zij zijn gevoeliger voor de gezondheidsrisico's die met vervuiling gepaard gaan.
Lees ook: De dorstige datacenters van ChatGPT putten de watervoorraden 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 beschermen en de gevolgen ervan te bestrijden. Het helpt bij een snellere en bredere monitoring van klimaatverandering. De data die het genereert, kunnen ons helpen natuurrampen nauwkeurig te voorspellen . Dit maakt niet alleen een efficiënte evacuatie mogelijk, maar minimaliseert ook de schade. Hier zijn enkele manieren waarop het helpt bij het beperken van klimaatverandering:
- 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 opsporen 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.
GE Renewable Energy gebruikt bijvoorbeeld AI in zijn windturbines. Deze turbines zijn uitgerust met sensoren en AI-algoritmes die veranderingen in de windomstandigheden kunnen voorspellen . Vervolgens passen ze de werking van de turbines daarop aan. Dit voorspellende vermogen verhoogt niet alleen de energieproductie, maar zorgt er ook voor dat de turbines efficiënt werken.
6. Ondersteuning van slimme netwerken
AI helpt energienetten slimmer te maken. Het analyseert informatie van sensoren en meters. Deze informatie helpt energiebedrijven bij het beheren van vraag en aanbod van elektriciteit. Dit vermindert energieverspilling en verbetert de betrouwbaarheid.
Microsoft gebruikt ook AI om de energie-efficiëntie in zijn datacenters te verbeteren. Als onderdeel van zijn duurzaamheidsdoelstellingen streeft het bedrijf ernaar om in 2030 CO2-negatief te zijn.
7. Duurzame landbouw helpen
AI kan een grote steun zijn voor duurzame landbouw. Hoe, vraagt u zich vast af? Wel, het kan bodemgegevens analyseren en gewasopbrengsten voorspellen. Het kan ook plagen en ziekte-uitbraken detecteren. AI kan boeren helpen hun gewasproductie te maximaliseren. Het bevordert een minimaal gebruik van kunstmest en bestrijdingsmiddelen.
FarmWise is een voorbeeld van hoe AI wordt gebruikt in duurzame landbouw. Het bedrijf gebruikt AI-gestuurde robots om onkruid nauwkeurig te identificeren en te verwijderen van akkers. Dit vermindert de behoefte aan chemische herbiciden en ondersteunt hun duurzame landbouwmethoden.
8. Hulp bij rampenbestrijding
AI kan de technologische vooruitgang versnellen. Dit kan een doorslaggevende factor zijn bij rampenbestrijding. AI-tools kunnen nauwkeurige voorspellingen doen over grote milieugebeurtenissen zoals weersveranderingen, erosie en aardverschuivingen. Als we nauwkeurigere kennis hebben over het ontstaan van een ramp, zijn we beter voorbereid om deze te bestrijden.
9. Nieuwe materialen creëren
Deze technologie kan ook nuttig zijn bij de ontwikkeling van milieuvriendelijke materialen. Deze materialen kunnen zo ontworpen worden dat ze bepaalde eigenschappen hebben, zoals een laag gewicht of een hoge sterkte. We kunnen dergelijke materialen gebruiken in 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 voor 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 met geïntegreerde ChatGPT
Is ecologische duurzaamheid mogelijk via AI?
Ja, AI kan zeer nuttig zijn bij het verbeteren van de ecologische duurzaamheid. Enkele manieren waarop AI ecologische duurzaamheid mogelijk kan maken, worden hieronder besproken.
- 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 Daugherty , Chief Technology and Innovation Officer van Accenture, is zijn bedrijf een voorstander van actieve betrokkenheid bij generatieve AI. Hij zegt dat bedrijven zich erin moeten verdiepen, het moeten gebruiken, ermee moeten experimenteren en er zelf ervaring mee moeten opdoen . Deze aanpak wordt ook intern bij Accenture gevolgd .
2. Volgens IBM kan generatieve AI de efficiëntie van bedrijfsresources verbeteren. Dit kan door data te analyseren voor realtime energiedistributie, waardoor kosten en emissies worden verlaagd. Het helpt CEO's bij het ontwerpen van duurzame ondernemingen. Dit zorgt ervoor dat idealen worden omgezet in concrete strategieën en meetbare resultaten. Hierdoor kan het management effectief voldoen aan de verwachtingen van stakeholders.
3. De Harvard Business Review stelt dat generatieve AI de creativiteit van werknemers en klanten kan stimuleren. Het kan helpen bij het genereren en herkennen van nieuwe ideeën en het verbeteren van de kwaliteit ervan. Het kan ook divergent denken bevorderen, vooroordelen ten aanzien van expertise tegengaan, ideeën evalueren, verfijnen en samenwerking stimuleren.
4. EY meldt nog een interessant feit. Uit onderzoek blijkt dat bijna 70% van de CEO's de urgentie inziet van het gebruik van generatieve AI (GenAI) om concurrerend te blijven. Maar 68% is tegelijkertijd nogal onzeker over deze technologie. Dit gebrek aan zekerheid belemmert hun vermogen om snel te handelen.
5. Volgens de analyse van Deloitte kan een effectieve digitale transformatie de marktwaarde met maar liefst 1.25 biljoen dollar verhogen . Gen AI zal een belangrijke katalysator zijn voor deze verandering. Aangezien de Gen AI-markt elke twee jaar verdubbelt, voorspellen voorspellingen dat AI-gedreven productiviteitsverbeteringen de komende tien jaar 7 biljoen dollar aan het wereldwijde bbp kunnen toevoegen .
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: Meer dan 20 uitvindingen die nog moeten worden gedaan om de wereld te helpen.
