L’intelligenza artificiale fa bene all’ambiente?

L’intelligenza artificiale può essere positiva per l’ambiente quando produce riduzioni verificate di energia, emissioni, consumo di acqua o rifiuti che superano l’impronta della costruzione e della gestione. Può migliorare le previsioni meteorologiche ed energetiche, rilevare perdite di metano, ottimizzare le apparecchiature e aiutare i ricercatori ad analizzare dati complessi. Nessuno di questi vantaggi rende l’IA ecologicamente positiva per impostazione predefinita.

Il test corretto è un confronto: cosa è successo con l’intelligenza artificiale rispetto a cosa probabilmente sarebbe successo senza di essa? Tale confronto deve includere gli impatti dell’elettricità, dell’acqua e dell’hardware del sistema di intelligenza artificiale, insieme agli effetti di rimbalzo. Una dimostrazione promettente non equivale a un risparmio duraturo su larga scala.

Dovrebbe anche chiedersi chi ne trae vantaggio e dove finiscono i costi. Un risparmio globale può coesistere con una maggiore pressione sulla rete o sulla fornitura idrica della comunità che ospita il computer.

Dove l’intelligenza artificiale può plausibilmente aiutare

I sistemi elettrici bilanciano costantemente l’evoluzione della domanda e dell’offerta. Le previsioni basate sull’apprendimento automatico possono aiutare gli operatori ad anticipare l’energia eolica, solare e il carico, mentre l’ottimizzazione può supportare la manutenzione e il funzionamento della rete. L'industria può utilizzare il rilevamento delle anomalie per identificare apparecchiature difettose o sprechi di energia.

IL Il rapporto Energia e intelligenza artificiale dell’IEA descrive applicazioni tra cui il rilevamento più rapido delle perdite di metano, l'ottimizzazione delle centrali elettriche e l'efficienza dei trasporti. Si tratta di meccanismi credibili: individuare prima una perdita può prevenire le emissioni, mentre controlli migliori possono ridurre il carburante.

L’intelligenza artificiale può anche aiutare a elaborare immagini satellitari, mappare gli habitat ed esplorare materiali candidati. Ma “l’intelligenza artificiale potrebbe” segnala un vantaggio netto potenziale, non misurato. Le prestazioni in un benchmark potrebbero non sopravvivere ai costi di integrazione, alla scarsità di dati o alle decisioni umane nel mondo reale.

Il controfattuale è il cuore della tesi

Supponiamo che un sistema di controllo degli edifici basato sull'intelligenza artificiale riporti un risparmio energetico del 10%. Il punto di riferimento significativo non è un edificio non controllato se controlli convenzionali competenti consentissero già di risparmiare la maggior parte di quell’energia. Il confronto dovrebbe utilizzare la migliore alternativa realistica non basata sull’intelligenza artificiale.

Successivamente includere l'intero intervento: sensori, networking, formazione del modello, inferenza e personale. Un piccolo ingombro operativo può essere facilmente controbilanciato dall’energia risparmiata. Un sistema computazionalmente pesante che fornisce un miglioramento marginale potrebbe non esserlo.

Infine, specifica il tempo e la portata. Un pilota con clima mite non stabilisce risultati annuali. Una riduzione locale può spostare i costi altrove nella catena di approvvigionamento. Studi efficaci predefiniscono i parametri, segnalano l’incertezza e monitorano se i risparmi persistono.

La ripresa può ridurre il guadagno di efficienza

Quando l’ottimizzazione rende un servizio più economico o più veloce, le persone potrebbero utilizzarne di più. Un percorso più efficiente potrebbe incoraggiare consegne aggiuntive; la generazione più economica può produrre un’ondata di media usa e getta. Questo effetto di rimbalzo non significa che l’efficienza non abbia valore. Ciò significa che l’utilizzo totale delle risorse deve essere monitorato insieme all’utilizzo per attività.

Lo stesso vale per l'informatica stessa. Hardware e software continuano a migliorare, ma il Progetti dell'AIE tutta l’elettricità dei data center passerà da circa 415 TWh nel 2024 a circa 945 TWh nel 2030 nel suo caso base. L’intelligenza artificiale è un fattore trainante, sebbene i data center gestiscano molti servizi non basati sull’intelligenza artificiale.

Un fornitore che celebra una minore energia per risposta dovrebbe anche rivelare la crescita assoluta dell'energia e del carico di lavoro. Senza entrambi, i lettori non possono dire se l’efficienza stia riducendo l’impatto totale o semplicemente consentendo l’espansione.

L’intelligenza artificiale ha dei costi anche in un progetto vantaggioso

La formazione e il servizio dei modelli utilizzano l'elettricità. Il raffreddamento può consumare acqua direttamente, mentre la produzione di energia aggiunge un’impronta idrica indiretta. I chip e la costruzione di data center hanno incarnato gli impatti. La nostra guida a come l’intelligenza artificiale influisce sull’ambiente ripercorre quelle fasi.

L’elettricità più pulita può ridurre il carbonio operativo, ma l’abbinamento rinnovabile non rimuove i materiali o tutti gli effetti della rete locale. Un’applicazione per il risparmio idrico può ancora funzionare in un data center sottoposto a stress idrico. Un progetto può essere vantaggioso pur mantenendo questi costi; il reclamo deve semplicemente contarli.

Questo è anche il motivo per cui la piantumazione di alberi non dovrebbe essere definita una gomma. Ogni membro pagato di Treechat finanzia un albero appena piantato ogni mese come contributo separato, mentre i modelli più piccoli riducono l'energia operativa stimata. Suo metodologia descrive il preventivo e i suoi confini anziché dichiarare la chat priva di impatto.

Come riconoscere un'applicazione green credibile

Cercate un problema ambientale definito e un risultato misurabile, non una promessa generale di “sbloccare la sostenibilità”. Chiedere se il sistema è già stato implementato, chi ha misurato il risultato e in quale periodo. Controllare il confronto e se viene riportata l'incertezza.

Il beneficio richiesto dovrebbe utilizzare la stessa disciplina di confine del costo. Le emissioni evitate basate su una riduzione fisica differiscono dai risparmi ipotetici se ogni cliente adottasse una funzionalità. I risparmi consentiti a livello aziendale non devono essere confusi con la riduzione dell’impronta aziendale.

La replica indipendente è preziosa, soprattutto quando anche il fornitore che vende l’intelligenza artificiale calcola il vantaggio. Lo stesso vale per l’apertura al fallimento. Alcune applicazioni non riusciranno a superare le regole semplici, un migliore isolamento, i software ordinari o le politiche dirette.

Segnalare i progetti pilota falliti aiuta altre organizzazioni a evitare di ripetere i propri costi di elaborazione e integrazione e rende più credibili i casi di successo.

Usa l’intelligenza artificiale dove ha influenza

Per un individuo, gli usi ad alto effetto leva includono evitare un viaggio sprecato, riparare piuttosto che sostituire un articolo, comprendere una bolletta energetica o trovare un servizio pubblico rilevante. La necessità o meno dell’intelligenza artificiale dipende dal compito; una fonte diretta o un calcolatore potrebbero essere migliori.

Le organizzazioni dovrebbero iniziare con la decisione ambientale, stabilire la linea di base e scegliere lo strumento più semplice e capace. Pilota con chiare condizioni di arresto. Misura il carico di lavoro e i risultati dell’IA, quindi ridimensiona solo se il risultato netto è positivo.

La risposta a se l’intelligenza artificiale è dannosa per l’ambiente e la risposta qui sono compatibili. L’intelligenza artificiale è un’infrastruttura fisica con impatti reali ed è anche uno strumento in grado di ridurre impatti maggiori. Nessuna delle due parti annulla l'altra. Ciò che conta è l’effetto netto dimostrato, la portata e le alternative, non un’etichetta verde attaccata alla tecnologia.