هوش مصنوعی در تغییرات آب و هوا: فاجعه‌ای بزرگ‌تر از کرونا در راه است

معضلی که می‌تواند حتی بدتر از کرونا کره زمین را درگیر کند، بحران آب و هوا است. اما خبر خوب این است که هوش مصنوعی در تغییرات آب و هوا دستاوردهای قابل قبولی داشته است.

قرنطینه‌های اجباری اخیر دنیا نشان داده که ماندن در خانه و کند کردن روند اقتصاد برای حل مشکلات آب و هوایی کافی نیست. با وجود این که به نسبت سال 2019 میزان آلایندگی 17% کمتر شده است، هنوز هم تولید گاز CO2 حدود 80% بیشتر از مقدار معمول است. اگر در این زمینه به سرعت تصمیم گیری نشود ، صدمه اقتصادی وارد شده در اثر تغییرات آب و هوایی در دو دوهه پیش رو، درست به بدی وقوع یک همه‌گیری شبیه به کرونا در هر 10 سال خواهد بود.

اگر بخواهیم از امروز شروع کنیم، باید به کاهش استفاده از کربن سرعت دهیم. این گذار نیازمند تغییراتی است که باعث کاهش آلایندگی گاز گلخانه‎ای شود تا در نتیجه آن توان استقامت دربرابر فاجعه‌‎های مربوط به تغییرات آب و هوایی بیشتر شود.

با وجود علایق فراوان، رقابت‌های ژئوپلیتیکی و رهبران پوپولیست، پیشرفت تکنولوژیکی چشم‌گیری برای رفع این بحران وجود داشته و هوش مصنوعی در تغییرات آب و هوا توانسته پیشرفت‌هایی داشته باشد. در سال‌های اخیر، اپلیکیشن‌های امیدوارکننده‌ای در زمینه هوش مصنوعی و علوم داده توسعه داده شده تا به نظارت بیشتر منابع زمینی کمک کنند.

با این حال سوالات زیادی بدون جواب مانده است: تا چه اندازه هوش مصنوعی می‌تواند بدون در نظر گرفتن نفع اقتصادی در چنین برنامه‌هایی مشارکت داشته باشد و تاثیرات فعالیت‌های بدون درآمد آن‌ها چه خواهد بود؟ با توجه به فوریت این چالش، این اتفاق چقدر سریع می‌تواند بیفتد؟  در این زمینه ما چه می‌توانیم بکنیم؟

امیدواری

اول این که سیستم‌های هوش مصنوعی قدرت جداسازی رشد اقتصادی از افزایش آلایندگی کربنی را دارد. هوش مصنوعی با پشتوانه حجم انبوهی از داده‌ها، الگوریتم‌های یادگیری ماشین و حسگرها می‌تواند هم در زمینه جداسازی منابع و هم تاثیرات آن کمک کند.

برای مثال ما می‌توانیم آلایندگی‌های بخش انرژی را با استفاده از تکنولوژی هوش مصنوعی به منظور پیش‌بینی عرضه و تقاضا قدرت شبکه، توسعه برنامه‌های بازسازی و کاهش آلایندگی‌های فسیلی کاهش دهیم.

اپلیکیشن‌های هوش مصنوعی در حمل و نقل می‌تواند باعث پیش‌بینی دقیق‌تر ترافیک و بهینه‎سازی حمل و نقل کالا شود. یکی از دیگر انواع تاثیرات زباله‌ها هستند که باعث تخریب اکوسیستم، آلودگی‌های مضر برای انسان‌ها، حیوانات و همچنین از بین رفتن تنوع زیستی می‌شوند.

یکی از کاربردهای هوش مصنوعی در تغییرات آب و هوا این است که با استفاده از آن و البته انواع حسگرها، می‌توان پیش‌بینی بهتری از تغییرات آب و هوایی داشت و باعث جلوگیری از موارد مخرب فوق‌الذکر شد. راه دیگر افزایش ظرفیت زمین‌های نگهداری ذغال سنگ نارس و افزایش جنگل‌کاری با در نظر گرفتن منطقه‌هایی برای آن است.

علاوه بر این، هوش مصنوعی می‌تواند در جداسازی منابع کمک کند، یعنی جداسازی خروجی اقتصادی از حجم منابع محیطی شامل مواد، آب و زمین‌. برای مثال، یکی از کاربردهای هوش مصنوعی این است که در زمینه سیستم‌های غذایی می‌تواند منجر به نظارت بیشتر بر بازدهی محصول، کاهش نیاز به مواد شیمیایی و آبیاری بیش از اندازه در کشاورزی و کاهش تلفات غذایی از طریق پیش‌بینی نیازها شود. در نهایت این که سیستم‌های هوش مصنوعی استفاده شده در ساختمان‌ها و شهرها می‌توانند به طور خودکار به گرم کردن و سرد کردن و همچنین کاهش صرف انرژی برای تصمیم گیری در این باره که کدام ساختمان‌ها نیاز به بازسازی دارند، کمک کنند.

خطرات

حضور هوش مصنوعی در تغییرات آب و هوا ممکن است منجر به کاهش بیش از 4% گاز گلخانه‌ای شود. هرچند مرکز داده‌های جهانی و الگوریتم‌های پیش‎بینی راه حل‌های دیگری هم برای افزایش منابع و جلوگیری از استفاده بیش از اندازه سوخت‌های فسیلی دارند که البته درک آن برای ما دشوار است. وقتی به آینده فکر کنیم، باید طوری از هوش مصنوعی استفاده کنیم که مشکلات گذشته را نداشته باشیم.

سرویس‌های ارائه شده توسط تکنولوژی‌های مطرح می‌توانند مسیر سبزی را برای ما هموار کنند. البته که قرار نیست استفاده از کربن را از رده خارج کرده یا راهی برای تولید آن پیدا کنند.

اخیرا موضوع مصرف انرژی هوش مصنوعی، به خصوص یادگیری ماشین، موشکافانه بررسی شده است. بین سال‌های 2012 و 2018، پردازش‌های لازم برای تحقیقات یادگیری ماشین تقریبا دوبرابر شده است و انتظار می‌رود به زودی افزایش بیشتری هم داشته باشد. چندین دلیل وجود دارد که شبکه‌های عصبی می‌توانند کربن مصرف کنند: محل سروری که برای آموزش داده‌ها استفاده می‎شود، منابع انرژی که برای آن محل استفاده می‎شود، اندازه پایگاه داده و سخت‌افزاری که آموزش در آن داده شده است. همچنین مصرف انرژی در بخش‌هایی مانند سرورها، محل ذخایر، وسیله‌ها و مرکز داده‌های با وسعت زیاد بسیار زیاد هستند.

نکته دیگر مربوط به بخش نفت و گاز یا شراکت گسترده شرکت‌های تکنولوژی بزرگ مانند گوگل، آمازون و مایکروسافت با شرکت‌هایی مانند چورون، توتال، آرامکو، اکسون موبیل، شل و بی‌پی است. خدمات شرکت‌های تکنولوژی قرار است مسیر سبزی را برای ما رقم بزنند. قرار است این شرکت‌ها به شرکت‌هایی که در زمینه نفت و گاز فعالیت می‌کنند راه شناسایی مزایا، حفاری‌های ماشینی و نحوه کار کردن با بیشترین بهره‌وری را نشان دهند. در این شرایط برخی فکر می‌کنند راه‌های پیشنهادی هوش مصنوعی می‎تواند برای حل بحران منابع کافی نباشد.

از سال 2019 شرکت‌های تکنولوژی سیاست‌های جدیدی اتخاذ کردند تا پاسخگوی این ابهامات باشند. برای مثال مایکروسافت متعهد شده است تا سال 2030 مصرف کربن را به صفر رسانده و در هر زمینه‌ای که از سال 1975 از کربن استفاده می‌کرده، دیگر استفاده نکند. استفاده از آلومینیوم با مقدار کربن کم توسط اپل باعث شده تا این شرکت به پروژه‌های تحقیقاتی محیطی و اجتماعی کمک کند. آمازون هم متعهد شده است که تا سال 2040 استفاده از کربن را به صفر برساند. باید دید این تعهدات صرفا جنبه بازاریابی دارند یا برنامه‌‎ریزی‌های شگفت‌انگیزی برای تغییرات آب و هوا هستند.

اقدامات لازم

هوش مصنوعی فرصت‌های زیادی خلق کرده است، اما باعث بروز نگرانی‌هایی هم شده است. ایجاد یک سناریو مثبت برای آینده مطمئنا نیازمند اقدامات چندجانبه بسیاری است که در آن تکنولوژی و البته سیاست‌های جدیدش هم نقش بسزایی دارد. باید استانداردهای جدیدی اعمال کرد که تاثیرات محیطی مشهودی داشته باشد و باید از تصمیم هوش مصنوعی برای هموارسازی مسیر سبز حمایت کرد تا بتواند وارد فازی جدید شود.

هر اپلیکیشن مربوط به هوش مصنوعی در تغییرات آب و هوا باید مطمئن شود تا باعث پراکنده کردن تراکم جمعیت و پخش کردن مردم به سمت حاشیه مناطق نباشد. در ادامه به 4 پیشنهاد اساسی برای تکنسین‌ها، متخصصان علوم داده، طراحان، مهندسان و فعالان حوزه تکنولوژی اشاره شده است.

توسعه فعال‌ساز فنی محیطی برای تحول سبز

از تکنسین‌ها دعوت می‎شود تا مهارت‌هایشان را برای تغییر آب و هوا و فعالیت در این زمینه که چطور باید راه‌حل‌های مبتنی بر داده توسعه داده شوند، به کار گیرند. صنایعی مانند انرژی، غذا، تولید و مالی باید در کمتر از 5 سال متحول شوند. داده‌های قابل اعتماد و محیطی مبتنی بر هوش مصنوعی به استانداردهای مشخص، چارچوب‌های تعاملی برای تبادل داده و اکتشاف داده در حجم زیاد و البته به اشتراک گذاشتن تجارب صنایع، نیاز دارند.

بازارهای داده در حال ظهور می‌توانند به ما تصویری سیستمی از عرضه و تقاضا در سطح ملی و منطقه‌ای بدهند. همچنین، ادغام فرم‌های متنوع عمومی، خصوصی و علوم داده نیاز به دستورالعملی دارد که بتواند طبق اصول معمول داده‌ها تحقق یافته و باعث ایجاد نهادهای نوآورانه‌‎ای در زمینه داده‌ها شود.

توسعه یک روند علوم داده که از شرایط آب و هوایی مطلع باشد

جوامع هوش مصنوعی و علوم داده باید همان قدم‌هایی را بردارند که دانشمندان حوزه کامپیوتر در تاریخ طولانی بررسی محاسبات پایدار برداشتند. محققان ممکن است از ایجاد کارایی به عنوان یک معیار ارزیابی برای تحقیق یا از سخت افزارهای محاسباتی و الگوریتم های کارا و گزارشات مربوط به «برچسب قیمت» در مدل‌هایشان حمایت کنند. متناوباً ، گزارشهای مصرف انرژی بعنوان بخشی از روشهای پاسخگویی الگوریتمی سبزتر ارائه شده است و ابزارهایی مانند ماشین حساب انتشار یادگیری ماشین می توانند به تخمین میزان انتشار کربن تولید شده توسط آموزش مدلهای هوش مصنوعی کمک کنند. حتی شاید افرادی که داده‌ها را آموزش می‌دهند از زمانی صحبت کنند که بتوانند به مدلی دسترسی داشته باشند که در آن به جای اتکا به پردازش ابری و این که کدام ابر را انتخاب کنند که آلایندگی‎شان را کمتر کند، از زیرساخت‌های محلی استفاده کنند.

تمرکز بر عدالت آب و هوایی

برای تحول نیاز به توجه به مشکلات جوامع مختلفی است که پیش از این توانستند از زمین‌، هوا، آب و منابع مورد نیازشان در برابر حفاری معدن، شبکه‎بندی‌ها و سوزاندن گازها محافظت کنند. هر اپلیکیشن هوش مصنوعی در تغییرات آب و هوا باید مطمئن شود که دستاوردهایش فقط برای کشورهایی که از نظر دیجیتالی پیشرفته به حساب می‎آیند، مفید نباشد و همه کشورهای دنیا بتوانند از آن استفاده کنند. در واقع باید بیشتر تمرکز روی کشورهایی باید که بیش از باقی کشورها در حال آسیب زدن به دنیا و تغییر دادن شرایط آب و هوایی هستند.

سازماندهی در محیط کار

در سال 2019 هزاران کارمند شرکت‌هایی مانند آمازون، گوگل، مایکروسافت، فیس‌بوک و توئیتر، در طبقه‌ای به نام ائتلاف کارمندان تکنولوژی قرار گرفتند. آن‌ها از کارفرمایان خود خواستند تا نهایتا تا سال 2030 استفاده از کربن را به صفر برسانند و قراردادهایشان با شرکت‌‎های سوخت فسیلی را منتفی کنند. در واقع برای کارمندان حوزه تکنولوژی یک امر مهم است که بتوانند آگاهی درباره تغییرات آب و هوایی را در محیط کاری‎شان بالا ببرند و کارفرماها را متقاعد کنند تا این اطلاعات را در اختیار مشتریان و در واقع عموم جامعه قرار دهند. این شفافیت می‌تواند اولین قدم در مسیر اطلاع‎رسانی عمومی درباره موضوع آب و هوا باشد و تمرین دهندگان را تشویق کند تا تصمیمات پایدارتر بگیرند.

به سوی ذهنیت حمایت از سیاره‌ها

مقیاس سیاره‌ای اطلاعات ما و تکنولوژی‌ها از وابستگی‌های متقابل و حلقه‌های بازخورد بین سیستم‌های محیطی و مهندسی شده، خبر دادند. درک بازسازی‌شده نیاز به یک به‌روزرسانی اخلاقی، هستی‌شناختی و گفتمان تمرینی دارد تا بتواند فهم درستی از اهمیت مراقبت از سیارات و ضرورت‌های آن داشته باشد.

همچنین توجه به تاثیرات محیطی و مسئولیتی که هر فرد برای مراقبت از سیاره خود دارد، باید در زیرساخت‌های فنی ما، سبک کارمان و سیاست‌هایمان هم دیده شود. هوش مصنوعی نمی‌تواند جایگزین راه‌های ادغامی دانستن یا برنامه‌های سیاسی کاهش رشد شود. اما در عوض وقتی مسئولانه استفاده شود، می‌تواند فعال‌کننده‎ای باشد که به ما برای پیشروی سریع‌تر به سمت نقطه‎ای امن و دنیای بعد از کربن، کمک کند.