Τεχνητή νοημοσύνη – κλιματική αλλαγή: σημειώσατε Χ

Μπορεί η τεχνητή νοημοσύνη να βοηθήσει στην αντιμετώπιση της κλιματικής αλλαγής;

Μαργαρίτα Βεργολιά - in.gr

Η τεχνητή νοημοσύνη (AI) θα μπορούσε να αλλάξει τον κόσμο τόσο ριζικά, όσο έκαναν στο παρελθόν η εφεύρεση της ατμομηχανής και του ηλεκτρισμού.

Όμως η ραγδαία εξέλιξη και η χρήση της αποτελεί αντικείμενο αντιπαράθεσης, προσδοκιών και φόβου.

Εκφράζονται έντονες ανησυχίες για τον αφανισμό εκατομμυρίων θέσεων εργασίας.

Ακόμη εκτός ρυθμιστικού πλαισίου, η τεχνητή νοημοσύνη έχει ήδη πυροδοτήσει τις μεγαλύτερες απεργιακές κινητοποιήσεις στο Χόλιγουντ εδώ και σχεδόν μισό αιώνα.

Η μια μετά την άλλη, χώρες επιχειρούν με νόμους να επιβάλουν ένα «φρένο» ελέγχου, ενόσω η τεχνολογική πρόοδος «καλπάζει».

Στο μεσοδιάστημα ειδικοί, ακόμη και δημιουργοί της, προειδοποιούν ότι η ΑΙ θα μπορούσε να απειλήσει την ανθρωπότητα ακόμη και με εξαφάνιση.

Οι υποστηρικτές της, αντίθετα, αναρωτιούνται εάν θα μπορούσε να βοηθήσει να σωθεί η Γη από την ανθρωπογενή καταστροφή.

Το φετινό καλοκαίρι στο βόρειο ημισφαίριο έχει πλέον γίνει συνώνυμο με αλλεπάλληλα κύματα καύσωνα, έντονη ξηρασία, καταστροφικές πυρκαγιές.

Ο Ιούνιος και -όπως όλα δείχνουν- ο Ιούλιος καταγράφονται ως οι θερμότεροι στα παγκόσμια χρονικά και οι θερμοκρασίες στην επιφάνεια των θαλασσών αυξάνεται σε επίπεδα ρεκόρ.

«Η εποχή της υπερθέρμανσης του πλανήτη τελείωσε και πλέον έχει έρθει η εποχή του παγκόσμιου βρασμού», προειδοποίησε σε δραματικούς τόνους ο Γενικός Γραμματέας του ΟΗΕ, Αντόνιο Γκουτέρες.

Μπορεί λοιπόν η πρόοδος της τεχνητής νοημοσύνης να αποτελέσει εργαλείο για την αντιμετώπιση της κλιματικής κρίσης;

Ήδη «εργαζόμαστε για να προωθήσουμε την γνώση, να βελτιστοποιήσουμε τα υπάρχοντα συστήματα και να επιταχύνουμε την πρωτοποριακή επιστήμη του κλίματος και της επίδρασής της», αναφέρει η Google DeepMind -το κορυφαίο ερευνητικό εργαστήριο τεχνητής νοημοσύνης της Google.

Στο επίκεντρο, τονίζει, είναι η καλύτερη κατανόηση των επιπτώσεων της κλιματικής αλλαγής στα οικοσυστήματα και τη βιοποικιλότητα.

Η συγκέντρωση όλο και περισσότερων δεδομένων για το κλίμα.

Η ανάπτυξη προηγμένων μοντέλων μετεωρολογικής πρόβλεψης.

Πολλοί ωστόσο πιστεύουν ότι στην πραγματικότητα είναι πιο πιθανό η τεχνητή νοημοσύνη θα επιδεινώσει το πρόβλημα, παρά θα το επιλύσει.

Τα δυνητικά υπέρ

«Το να σκεφτόμαστε την τεχνητή νοημοσύνη ως ένα φουτουριστικό εργαλείο που θα οδηγήσει σε ανυπολόγιστο καλό ή κακό αποσπά την προσοχή από τους τρόπους με τους οποίους τη χρησιμοποιούμε τώρα», γράφει η βρετανική εφημερίδα The Guardian.

Κατ’ αρχάς μπορεί «να αφομιώσει μεγάλες ποσότητες ιστορικών δεδομένων καιρού και να μάθει να αναγνωρίζει μοτίβα», επισημαίνει στο Scientific American η συντάκτρια επιστημονικών θεμάτων Τσέλσι Χάρβεϊ.

H Google DeepMind για παράδειγμα αναφέρει ότι ήδη συνεργάζεται σε αυτόν τον τομέα με την Climate Change AI.

Μια μη κερδοσκοπική οργάνωση «εθελοντών από τον ακαδημαϊκό και τον βιομηχανικό χώρο», όπως αναφέρει στην ιστοσελίδα της, που έχει ως αποστολή «την καταλυτική προώθηση έργων με αντίκτυπο στη διασταύρωση της κλιματικής αλλαγής και της μηχανικής μάθησης».

Με τη συγκέντρωση αυτών των δεδομένων και την ανάπτυξη κλιματικών μοτίβων, η τεχνητή νοημοσύνη μπορεί «να τα χρησιμοποιεί για να κάνει προβλέψεις, όταν προκύπτουν νέα δεδομένα για τις σημερινές καιρικές συνθήκες», προσθέτει η Χάρβεϊ.

Για την προοπτική αυτή πάντως και την ακρίβεια των όποιων προβλέψεων πολλοί κλιματολόγοι διατηρούν σαφείς επιφυλάξεις, επισημαίνοντας ότι η διαρκώς επιδεινούμενη κλιματική αλλαγή ξεπερνά πλέον κατά πολύ τα υφιστάμενα δεδομένα.

Όμως για τους φουτουριστές και τους υποστηρικτές της, η τεχνητή νοημοσύνη μπορεί σε αυτό το φόντο να γίνει ένα πολλαπλά χρήσιμο -αν και εν δυνάμει δυστοπικό- εργαλείο.

Τα συστήματά της, αναφέρουν, θα μπορούσαν να δημιουργήσουν ανθεκτικούς στις ακραίες καιρικές συνθήκες σπόρους.

Να ενισχύσει νέες πηγές ενέργειας -η Google DeepMind για παράδειγμα μνημονεύει μεταξύ άλλων την πυρηνική σύντηξη και την αιολική ενέργεια.

Γενικότερα, γίνεται λόγος για «έξυπνα» συστήματα άρδευσης, που θα τροφοδοτούνται από μετεωρολογικά δεδομένα σε πραγματικό χρόνο.

Για «έξυπνα» σπίτια, όπου αλγόριθμοι θα μαθαίνουν τις συνήθειες των ενοίκων, εξοικονομώντας νερό και ενέργεια.

Πρόκειται ωστόσο για μια δύσκολη και με πολλές παγίδες «εξίσωση», με «άγνωστο Χ» τις κοινωνικές ανισότητες και την κλιματική δικαιοσύνη.

Yπαρκτά και επαπειλούμενα κατά

Ως προς το θέμα της κλιματικής αλλαγής, άλλωστε, η τεχνητή νοημοσύνη συγκαταλέγεται -στην παρούσα φάση τουλάχιστον- στις τάξεις των «ενόχων».

Από την κατασκευή των μικροτσίπ και τη λειτουργία των υπολογιστών, έως τον σχεδιασμό αλγορίθμων και τη μηχανική εκμάθηση, καταναλώνονται τεράστιες ποσότητες ενέργειας, που δεν είναι και τόσο… «καθαρή».

Κοντολογίς, η ανάπτυξη της ΑΙ συνεπάγεται συνήθως περιβαλλοντική επιβάρυνση και υποβάθμιση, με σημαντικό αποτύπωμα άνθρακα.

Ήδη από το 2019 μελέτη του Πανεπιστημίου της Μασαχουσέτης Amherst είχε καταλήξει στο συμπέρασμα ότι η διαδικασία ενός μόνο μοντέλου βαθιάς μηχανικής εκμάθησης (Deep Learning) παράγει τόσο διοξείδιο του άνθρακα, όσο πέντε αυτοκίνητα με κινητήρες εσωτερικής καύσης σε όλο τον κύκλο χρήσης τους.

Ήτοι από την παραγωγή τους, μέχρι να γίνουν παλιοσίδερα.

Από τότε μέχρι τώρα, εν τω μεταξύ, ο αριθμός των υπολογιστών που χρησιμοποιούνται για αυτή τη διαδικασία έχει αυξηθεί εκθετικά…

Αν και δεν υπάρχουν π.χ. επίσημα στοιχεία για το πόση ενέργεια κατανάλωσε η εκπαίδευση του ChatGPT της OpenAI -που υποστηρίζεται από τη Microsoft- γίνεται λόγος για 1.287 μεγαβατώρες.

Όση είναι περίπου η ετήσια κατανάλωση ενέργειας 120 μέσων αμερικανικών νοικοκυριών.

Σύμφωνα δε με τον Διεθνή Οργανισμό Ενέργειας, τα κέντρα δεδομένων (data centers) κατανάλωσαν μέσα στο 2022 περί το 1,3% της παγκόσμιας παραγωγής ηλεκτρικής ενέργειας.

Πολλά από αυτά λειτουργούν εν τω μεταξύ εξωχώρια -οι κορυφαίες εταιρείες τεχνητής νοημοσύνης έχουν έδρα τις ΗΠΑ- εγείροντας πρόσθετα ερωτήματα και ως προς την κλιματική δικαιοσύνη.

Πολλώ μάλλον όταν τα κέντρα δεδομένων χρειάζονται τόνους νερού ψύξης.

Σύμφωνα με μελέτη των πανεπιστημίων Ρίβερσαϊντ στην Καλιφόρνια και Άρλινγκτον στο Τέξας, μόνο η εκπαίδευση του GPT-3 κατανάλωσε 700.000 λίτρα γλυκού νερού.

Όσο χρειάζεται λίγο-πολύ για να γεμίσει ένας ολόκληρος πύργος ψύξης πυρηνικού αντιδραστήρα.

Μόνο για μια απλή δε «συνομιλία» 20-50 ερωταπαντήσεων, το ChatGPT «καταπίνει» μισό λίτρο νερό.