Artificiell intelligens (AI) -teknologi kan hjälpa oss att bekämpa klimatförändringar - men det kostar också jorden. För att verkligen dra nytta av teknikens klimatlösningar, vi behöver också en bättre förståelse för AI:s växande koldioxidavtryck, säger forskare.

AI förändrar vårt sätt att arbeta, leva och lösa utmaningar. Det kan förbättra vården, skydda elefanter från tjuvjägare, och räkna ut hur bredband ska distribueras.

Men det kan vara mest värdefullt som en rad applikationer som hjälper mänskligheten att bekämpa vårt största hot - klimatförändringar. AI kan stärka klimatprognoser, möjliggöra smartare beslutsfattande för koldioxidutsläppsindustrin från byggnad till transport, och ta reda på hur man fördelar förnybar energi.

AI:s relevans som ett verktyg för att bekämpa klimatförändringar kommer i en tid då det finns ökande etiska bekymmer som till stor del är kopplade till en datahungrig form av tekniken som kallas maskininlärning, där datorsystem analyserar mönster i befintliga data för att göra förutsägelser och beslut. Maskininlärningsapplikationer har väckt oro för krypande offentlig övervakning, avsiktligt missbruk, Integritet, transparens och datafördom som kan leda till diskriminering och ojämlikhet.

Det är en del av en bredare etisk debatt i EU om hur man använder AI till gagn för människor, utmaningarna som tekniken ställer och hur man bäst hanterar dem.

"Vi måste inse att AI är, faktiskt, en mjukvara som vi människor designar, "sa Virginia Dignum, professor i social och etisk artificiell intelligens vid Umeå universitet i Sverige. Vi måste vara ansvariga för hur vi använder AI, hon säger. '(Det är) inte någon form av magi som kommer från yttre rymden och händer oss. Nej. Vi får AI att hända. "

Kanske överraskande, en fråga som bara börjar diskuteras är AI:s miljöavtryck.

Netflix

Algoritmerna som berättar för oss, till exempel, vad man ska titta på Netflix ikväll har en miljöpåverkan, enligt Prof. Dignum. "AI använder mycket energi, "sa datavetenskapsmannen, som ingår i en expertgrupp på 52 personer som ger Europeiska kommissionen råd om trovärdig och ”människocentrerad” AI.

Förvaringen, och särskilt behandlingen, av data för att träna algoritmer - "recepten" datorerna använder för att göra beräkningar - i datacenter eller i molnet över olika centra med rader av maskiner som gör beräkningar förbrukar energi, hon säger.

För att en algoritm ska utbilda sig om huruvida en bild visar en katt, till exempel, den behöver bearbeta miljontals kattbilder. Ekosystemet för informations- och kommunikationsteknik, av vilka datacenter är en del, är jämförbara med flyg när det gäller bränsleutsläpp.

"Det är en energianvändning som vi inte riktigt tänker på, "sade prof. Dignum." Vi har datafarmar, särskilt i de norra länderna i Europa och i Kanada, som är enorma. Vissa av dessa saker använder lika mycket energi som en liten stad. "

Hon använder sig av ett universitet i Massachusetts, USA, studie som visade att utbildning av en stor AI -modell för att hantera mänskligt språk kan leda till utsläpp på nästan 300, 000 kilo koldioxidekvivalent, ungefär fem gånger utsläppen från en genomsnittlig bil i USA, inklusive dess tillverkning.

Den svenska forskaren Anders Andrae har prognostiserat att datacenter kan stå för 10% av den totala elanvändningen år 2025.

Även om AI har funnits i ungefär ett halvt sekel, frågan om miljöpåverkan - och andra etiska frågor - uppstår först nu eftersom teknikerna som utvecklats under decennier nu kan användas i kombination med en explosion i data och stark beräkningskraft, Professor Dignum förklarar. "Det är dags att börja tänka på att göra AI på ett mer miljövänligt sätt, " Hon sa.

AI kan vara en del av problemet, men det har också potential att hjälpa oss att hitta lösningar för klimatförändringar.

Professor Felix Creutzig, som leder en arbetsgrupp som heter Markanvändning, Infrastrukturer och transport vid Mercator Research Institute on Global Commons and Climate Change i Berlin, Tyskland, undersöker sätt att hantera klimatförändringar med hjälp av datavetenskap. Han ingår i en grupp internationella forskare som förespråkar mer samarbetsvilliga klimatförändringslösningar med hjälp av maskininlärning.

Stora möjligheter

Professor Creutzig ser stora AI -möjligheter att öka applikationerna för riktade klimatförändringslösningar i gatuskala, eller till och med byggnadsnivå, som kan tillämpas i städer. Stadsrum är särskilt oroande, eftersom de kommer att vara hem för mer än två tredjedelar av världens befolkning år 2050 och är otroligt resurskrävande.

"Det är häftigt att arbeta med teknik och att investera i koldioxidsnål teknik, men för att uppnå någonting nära 2 eller 1,5 graders målet (för att begränsa den globala uppvärmningen) måste vi minska energibehovet drastiskt och kan uppnå det genom förbättrade rumsliga konfigurationer, " han sa.

Förbättrad rymdanvändning kan hjälpa till att hantera frågor som värmeöar, ett fenomen där stadsområden byggda av stål och cement lagrar värme och varma städer. "Det är ett viktigt problem för vår framtid, " han sa.

Grönare städer eller att använda vindkanalarkitektur för att skapa ventilation är sätt att hjälpa städer att hantera extrem värme som kan styras av AI.

Prof. Creutzig använder en metod som kallas staplad arkitektur, som använder maskininlärning med traditionell mekanisk modellering för att, till exempel, få insikter om hur byggnader beter sig när det gäller temperatur eller energibehov, för att hitta den bästa designen för låg energianvändning och hög livskvalitet. Dessa kan sedan informera stadsplanering och beslutsfattare.

Just för att AI har så mycket potential, han tycker också att dess användning bör kombineras med reglering, såsom att inte lagra onödiga data eller begränsa dess användning, så att det är riktat, effektiv och orsakar inte ett nytt problem. Dock, han säger att det för närvarande inte finns tillräckligt med forskning om maskininlärningens miljöpåverkan. "Det finns mycket att utforska, " han sa.

"I grund och botten är det (AI) ett drivmedel för användning ... det kan leda till en ny energianvändning, "sade professor Creutzig." Och detta skulle vara motsatsen till vad vi vill ha. Det främsta exemplet jag tänker på är smart mobilitet och autonom körning eftersom dessa verkligen drivs av AI eller kommer att modelleras av AI. "

För Andrea Renda, chef för global governance och digital ekonomiexpert vid Center for European Policy Studies i Bryssel, Belgien, och även medlem i expertgruppen som ger Europeiska kommissionen råd, AI måste utvecklas och distribueras så att det kan tillgodose samhällets behov och skydda miljön genom att spara mer energi än det spenderar.

"Alla dessa (datakrävande tekniker) är extremt farliga för miljön om du inte kan använda dessa tekniker på ett sätt som, samtidigt som du använder mycket mer energi, spara mycket mer energi eftersom de ger effektivare lösningar, "sade professor Renda.

Både prof. Renda och prof. Dignum är överens om att grundforskning om AI -former som är mindre datahungrig än maskininlärning, som automatiserat resonemang, bör prioriteras inom EU. Detta skulle innebära mindre användning av personuppgifter och energiförbrukning.

Professor Dignum har arbetat med 'syntetiska data, "som inte är baserat på verkliga exempel. Det kan användas för att generera, till exempel, bilder av brutna ben som inte är baserade på känsliga patientdata för att träna en algoritm om vad som ska upptäckas i en röntgen. Dessa data kan sedan kasseras så att de inte lagras.

Vissa forskare i USA har också föreslagit att AI -forskning ska inkludera rapportering om beräkningskostnader för utbildning av algoritmer för att öka transparensen.

För att se till att AI används för att hjälpa, och inte hindra, vårt samhälle, Professor Renda säger att det är dags att slå samman dagens två stora debatter. "Den ena handlar om digital teknik och den andra handlar om hållbar utveckling, och i synnerhet miljön. Om vi ​​använder det förra för att rädda det senare, Jag tror att vi kommer att ha utnyttjat resurserna på bästa sätt "sa han." Annars slösar vi bara tid. "