* دنیا ممکن است پیشرفت‌های خارق‌العاده‌ای در هوش مصنوعی به خود دیده باشد، اما از نظر زیرساخت‌ها و استفاده بهینه از انرژی، ما هنوز در ابتدای راه هستیم.
* نکته مثبت این است که هوش مصنوعی می‌تواند دقت پیش‌بینی‌های آب و هوایی را بهبود دهد، امکان تصمیم‌گیری هوشمندانه‌تری را برای صنایع با آلودگی کربن کمتر فراهم کند (از صنعت ساختمان تا حمل و نقل) و چگونگی تخصیص انرژی‌های تجدیدپذیر را بررسی کند.
ما در زمانی هستیم که علم داده‌های بزرگ (Big Data) و تجزیه و تحلیل داده‌ها با دقت حیرت‌انگیزی به مشاغل کمک می کنند تا بتوانند روندها و نیازهای مشتری را مشخص کنند. از سوی دیگر، هوش مصنوعی دیگر یک داستان علمی –تخیلی نیست. در حقیقت، گسترشAI باعث شده است که این فناوری به یک عضوی از خانواده امروزی تبدیل شود و من تنها به الکسا (دستیار صوتی هوشمند گوگل) اشاره نمی‌کنم. با این حال، آنچه بسیاری از ما اغلب نتوانستیم درک کنیم این است که پیشرفت‌های برجسته هوش مصنوعی چقدر سرسام‌آور باعث افزایش گازهای گلخانه‌ای می‌شود. حتی گوگل یک محقق برجسته اخلاق در هوش مصنوعی ، "تیمنیت گبرو" را مجبور کرد که مقاله ای تحقیقاتی در این زمینه را ادامه ندهد. این مقاله خطرات هوش مصنوعی را بیان می‌کند و طبق برخی تخمین‌ها، آموزش یک مدل هوش مصنوعی به اندازه تولید و رانندگی پنج اتومبیل برای تمام عمرشان، تولید گازهای گلخانه‌ای می‌کند. پیش‌نویس مقاله "تیمنیت گبرو" اشاره دارد که منابع خالص مورد نیاز برای ساخت و حفظ چنین مدل‌های بزرگ هوش مصنوعی معادل است با سود بیشتر برای شرکت‌های ثروتمند، در حالی که تغییرات آب و هوایی بیشترین ضربه را به جوامع ضعیف وارد می‌کند. در یک تحقیق در سال 2019، یک تیم تحقیقاتی از دانشگاه ماساچوست چندین مدل آموزش پردازش زبان طبیعی را تجزیه و تحلیل کرده و انرژی مصرف شده توسط این مدل‌ها به میزان کربن منتشر شده و هزینه برق تبدیل شد. مشخص شد که آموزش سیستم پردازش زبان هوش مصنوعی باعث تولید گازهای گلخانه‌ای به مقدار حیرت آور 635 کیلوگرم می‌رسد. همچنین این مطالعه متوجه شد که بسته به مقیاس آزمایش هوش مصنوعی و منبع انرژی مورد استفاده، این تعداد حتی می تواند تا بیش از 35000 کیلوگرم برسد. این معادل 125بار پرواز رفت و برگشت بین نیویورک و پکن می‌باشد.
چه کاری می‌توان انجام داد؟
طنز ماجرا این است که به نظر می‌رسد هوش مصنوعی نقشی دوگانه دارد. از آنجا که هوش مصنوعی خود مسئول انتشار مقدار قابل توجهی از انتشار کربن می‌باشد، از سوی دیگر می‌توانند از طریق اشکال مختلف به کاهش اثرات بحران آب و هوایی نیز کمک کند. اخیراً، متخصصان خواستار اولویت قرار دادن تلاش‌ها برای داشتن "هوش مصنوعی سبز" هستند که بر روی بازده انرژی سیستم‌های هوش مصنوعی متمرکز است. "هوش مصنوعی سبز" به نوعی تحقیقات هوش مصنوعی که نتایج و داده‌های جدید را بدون افزایش هزینه‌های محاسباتی (و یا حتی آن را کاهش می دهد) اشاره دارد، در حالی که هوش مصنوعی قرمز (Red AI) منجر به افزایش سریع هزینه‌های محاسباتی و در نتیجه انتشار کربن شده است. در مقاله دیگری در سال 2019، بنیانگذاران موسسه AI Now ، Roel Dobbe و Meredith Whittaker ، هفت توصیه را ارائه دادند که می تواند به ایجاد یک "سیاست اقلیمی آگاه از فناوری و سیاست های فنی آگاه از آب و هوا" کمک کند. این توصیه‌ها شامل مجبور کردن شرکت‌ها برای شفاف بودن سوابق تأمین انرژی و کربن تولیدی خود، حسابرسی کامل زنجیره تأمین شامل تمام مراحل استخراج مواد معدنی برای تولید تراشه‌ها تا زباله‌های تولید شده توسط ابزارهای مصرف کننده و درک اثرات برگشت و اطمینان از عدم افزایش مصرف سوخت فسیلی، بوده است. سایر توصیه‌ها شامل محاسبه تأثیرات انرژی و اقلیمی هوش مصنوعی به عنوان بخشی از رویه‌های استانداردسازی می‌باشد. یکپارچه‌سازی مقررات فناوری و سیاست‌گذاری‌های معاملات سبز موجب جلوگیری از استفاده از هوش مصنوعی برای استخراج سوخت های فسیلی و شناسایی چگونگی آسیب زدن هوش مصنوعی به پناهندگان اقلیمی می‌شود.
تاثیر هوش مصنوعی سبز بر مشاغل
هوش مصنوعی سبز می‌تواند به صورت خالص و خیلی مثبت در سازگاری با محیط زیست در بسیاری از صنایع به عنوان مثال در کشاورزی کمک کند، هوش مصنوعی می‌تواند با نظارت و مدیریت بهتر شرایط محیطی و بازده محصول، تولید را دگرگون کند. این فناوری همچنین می‌تواند در عین بهبود عملکرد محصول، به کاهش مصرف کود و آب نیز کمک کند. از منظر انرژی، هوش مصنوعی می‌تواند از قابلیت پیش‌بینی عمیق و سیستم‌های شبکه هوشمند برای مدیریت تقاضا و تأمین انرژی تجدیدپذیر استفاده کند. هزینه و میزان تولید غیرضروری انتشار کربن را می‌تواند کاهش یابد. با نگاهی از دریچه صنعت حمل و نقل، هوش مصنوعی می‌تواند به کاهش ازدحام ترافیک، بهبود حمل و نقل کالا (تدارکات زنجیره تامین) و امکان رانندگی طولانی‌تر و مستقل‌تر کمک کند.
