Prispevek na spletnem portalu CNN Business Tech raziskuje, kako bi umetna inteligenca (angl. Artifcial intelligence) lahko pospešila preboj na področju prilagajanja na podnebne spremembe, s poudarkom na njeni zmožnosti hitre analize obsežnih podatkov in napovedovanja. Prikazuje primere uporabe umetne inteligence, kot je platforma Climate Ai, ki pomaga kmetom prilagoditi se podnebnim spremembam, in njeno vlogo pri optimizaciji obnovljivih virov energije ter raziskovanju materialov za zajemanje ogljika (angl. Carbon capture and storage). Članek tudi obravnava energetsko intenzivnost umetne inteligence in potrebo po uravnoteženju njenih koristi z okoljskim vplivom, ter poudarja pomen dostopnosti te tehnologije za države v razvoju.

Glavne teme v prispevku:

• Potencial umetne inteligence (UI) za pospešitev in izboljšanje rešitev za podnebne spremembe: Članek izpostavlja različne načine, kako se UI že uporablja in bi se lahko še bolj učinkovito uporabljala za razumevanje, napovedovanje in blaženje podnebnih sprememb.
• Uporaba UI v kmetijstvu za prilagajanje ekstremnim vremenskim dogodkom: Primer podjetja ClimateAi v Indiji kaže, kako lahko UI pomaga kmetom pri sprejemanju boljših odločitev glede izbire semen in časa sajenja glede na prihodnje podnebne razmere.
• Pospeševanje znanstvenih odkritij s pomočjo UI: UI omogoča hitrejšo analizo velikih količin podatkov in izvajanje simulacij, kar lahko znatno pospeši raziskave na področju podnebnih modelov in novih energetskih materialov.
• Izboljšanje modelov obnovljivih virov energije z UI: UI lahko pomaga pri napovedovanju razpoložljivosti vetrne energije in optimizaciji upravljanja z električnim omrežjem glede na ponudbo in povpraševanje po obnovljivih virih.
• Pomoč UI pri razumevanju hitrega segrevanja Arktike: Z analizo podatkov lahko UI omogoči natančnejše in hitrejše napovedi taljenja permafrosta na Arktiki.
• UI kot pomoč potrošnikom pri sprejemanju trajnostnih odločitev: Razvoj orodij UI, ki odgovarjajo na vprašanja o trajnostnem življenjskem slogu, lahko olajša sprejemanje okolju prijaznejših izbir.
• Energetska zahtevnost UI in podatkovnih centrov kot potencialna težava: Članek opozarja na visoko porabo energije podatkovnih centrov, ki poganjajo UI, in na potrebo po iskanju ravnovesja med koristmi UI in njenim okoljskim vplivom.
• Potreba po regulaciji UI ob upoštevanju njenega potenciala za boj proti podnebnim spremembam in njenega vpliva na okolje: Odločevalci bi morali pri razvoju smernic za UI upoštevati obe plati medalje.
• Zagotavljanje dostopnosti UI za države v globalnem jugu: Pomembno je, da so orodja UI, ki pomagajo pri reševanju podnebnih težav, dostopna tudi tistim, ki so najbolj izpostavljeni posledicam podnebnih sprememb.

Ključne ideje in dejstva v prispevku:

• ClimateAi: Startup uporablja UI platformo za ocenjevanje ranljivosti posevkov na dvig temperatur v naslednjih dveh desetletjih. V primeru indijskih pridelovalcev paradižnika je UI napovedala približno 30-odstotno zmanjšanje pridelka zaradi vročine in suše, kar je kmete spodbudilo k spremembi strategije. Himanshu Gupta, izvršni direktor in soustanovitelj ClimateAi, je dejal: “Naš način razmišljanja o UI je, da je časovni in učinkovitostni množitelj rešitev za podnebne spremembe.”
• Pospeševanje znanstvenih odkritij: Profesor Fengqi You z univerze Cornell je poudaril, da je UI zelo dobra pri optimizaciji odločitev in virov ter da ima močne napovedne zmožnosti, ki so lahko izjemno koristne na različnih področjih, od razumevanja molekul do širših podnebnih sistemov. Poudaril je tudi, da lahko UI “dela 24 ur na dan, 7 dni v tednu in je lahko zelo koristna pri pospeševanju odkritij.”
• Obnova obalnih območij: Dan Keeler iz podjetja Newday je pojasnil, kako se UI uporablja za modeliranje najboljših lokacij za ponovno zasaditev morske trave, pri čemer upošteva različne dejavnike, ki jih je s tradicionalnimi metodami težko združiti v enoten model. “Z običajnimi metodami je zelo težko vse to združiti v enoten model, vendar UI to dejansko omogoča,” je dejal.
• Razumevanje segrevanja Arktike: Anna Liljedahl iz Woodwell Climate Research Center uporablja UI za izdelavo sezonskih napovedi permafrosta, kar omogoča boljši vpogled v hitrost taljenja Arktike. “UI opravlja umazano delo,” je povedala, vendar poudarila, da je UI le prvo orodje, ki ga človek nato preveri.
• Optimizacija obnovljivih virov energije: Projekt Google DeepMind je usposobil model UI za napovedovanje razpoložljivosti vetrne energije, kar pomaga povečati vrednost tega obnovljivega vira. UI lahko tudi pomaga pri napovedovanju povpraševanja po energiji, kar omogoča operaterjem omrežja, da optimizirajo ponudbo in preprečujejo nepotrebno proizvodnjo.
• Pomoč potrošnikom pri trajnostnih odločitvah: Anna Robertson, soustanoviteljica podjetja The Cool Down, je napovedala lansiranje orodja UI, ki bo odgovarjalo na vprašanja uporabnikov o trajnostnem življenjskem slogu. “Del problema je, da je sama težava postala tako preobsežna in jo večinoma obvladujeta malodušje in negativnost, ne pa rešitve, ki jih imamo na dosegu roke,” je dejala. “Želimo ljudem olajšati sprejemanje boljših odločitev.”
• Energetska zahtevnost UI: Profesor You je opozoril, da je poganjanje modelov UI energetsko intenzivno in da so mnogi podatkovni centri še vedno odvisni od fosilnih goriv. Alex de Vries, nizozemski raziskovalec, je ocenil, da bi lahko v najslabšem primeru Googlovi sistemi UI porabili toliko električne energije kot Irska. Študija priporoča, da se razvijalci osredotočijo ne le na optimizacijo UI, temveč tudi na kritično presojo nujnosti njene uporabe.
• Odziv na energetsko zahtevnost: Podjetja, kot je Amazon Web Services, sprejemajo ukrepe za zmanjšanje porabe virov, na primer s ponovno uporabo vode za hlajenje podatkovnih centrov za namakanje. Strategično umeščanje podatkovnih centrov v hladnejše regije lahko zmanjša potrebo po hlajenju z vodo.
• Regulacija UI: Profesor You meni, da bi morali zakonodajalci pri razvoju regulative za UI upoštevati tako njen potencial za boj proti podnebnim spremembam kot njen okoljski vpliv.
• Dostopnost UI: Himanshu Gupta upa, da bo s širitvijo virov ClimateAi prispeval k temu, da bo UI dostopna tudi državam v globalnem jugu, ki so najbolj izpostavljene podnebnim spremembam.

Zaključek:

Članek poudarja izjemen potencial umetne inteligence za pospešitev in izboljšanje rešitev za kompleksne izzive podnebnih sprememb. Od prilagajanja kmetijstva do ekstremnih vremenskih razmer in pospeševanja znanstvenih odkritij do optimizacije obnovljivih virov energije, UI ponuja orodja za boljše razumevanje in učinkovitejše ukrepanje. Vendar pa članek opozarja tudi na pomembne izzive, zlasti na energetsko zahtevnost UI in podatkovnih centrov, ter na potrebo po premišljeni regulaciji in zagotavljanju dostopnosti te tehnologije vsem, ki jo potrebujejo. Kljub tem izzivom avtorja prispevka zaključujeta optimistično, da smo pri uporabi UI za reševanje podnebnih sprememb šele na začetku in da potencial te tehnologije še zdaleč ni izčrpan.

URL: https://edition.cnn.com/2023/11/26/tech/ai-climate-solutions/index.html