MIELIPIDE: Kirjoittanut Sherif Elsayed-Ali, useita teknologia- ja tekoälyalan perustajia ja Nexus Climaten toinen perustaja.
Tekoäly on mukana jokaisessa teknologiaa ja innovaatioita koskevassa keskustelussa. Se on hallinnut teknologiaa puolitoista vuotta. Sitä on mainostettu ratkaisuna kaikkeen tuottavuudesta koulutukseen, terveydenhuoltoon ja ilmastokriisiin. Mutta paljastan teille salaisuuden: tämä tekoäly, josta kaikki puhuvat, ei ole tehnyt mitään ilmastokriisille.
Oikeastaan, raaputa se pois. Se on vastuussa a:sta erittäin suuri päästöjen kasvu datakeskuksista. Tämän tyyppistä tekoälyä, joka tunnetaan nimellä generatiivinen tekoäly tai lyhyesti GenAI, kohtaamme suurissa kielimalleissa (LLM) sovelluksissa, kuten ChatGPT, ja kuvanluontityökaluissa, kuten MidJourney.
GenAI:hin investoidaan paljon – onko kaikki hype oikeutettua vai ei, se on toisen keskustelun aihe (lyhyt näkemykseni: ei, se on ylihypetetty kupla, joka puhkeaa). Olen huolissani siitä, että GenAI:n hypetysjuna imee kaiken ilman sananlaskun huoneesta, kun on kyse tekoälyn roolista ilmastokriisin torjunnassa.
GenAI on vain yksi osa paljon laajempaa tekoälyn ja koneoppimisen alaa.Siitä voi olla hyötyä ihmisille ja organisaatioille, jotka ratkovat ilmasto-ongelmia, pääasiassa datan ja informaation analysoinnissa. Kun on kyse suorasta hiilidioksidipäästöjen vähentämisestä, LLM:t ja heidän kuva- ja videoveljensä ovat kuitenkin melko hyödyttömiä.*
Mutta on olemassa lukuisia tekoäly- ja koneoppimisteknologioita, jotka edistävät suoraan hiilidioksidipäästöjen vähentämistä tänä päivänä. Ne eivät ole chatbotteja eivätkä ne tuota videoita napin painalluksella. Ja ne ovat yleensä paljon vähemmän tehoa vaativia kuin GenAI. Hyvä esimerkki on aikasarjaennusteet, joissa käytetään aikasekvenssiaineiston menneitä arvoja tulevien arvojen ennustamiseen. Se ei ole seksikästä, eikä se saa otsikoita, mutta se voi olla erittäin tehokasta.
Tekoäly ja koneoppiminen auttavat nykyään vähentämään hiilidioksidipäästöjä lukuisilla aloilla ja teollisuudenaloilla, ja monet startup-yritykset tarttuvat suuriin haasteisiin tekoälytuotteillaan. Mainitakseni muutamia: Carbon Re, mikä tehostaa polttoaineen palamista sementin tuotannossa;** Betoni-tekoäly, betoniseosten optimointi; Ennakointidatakoneet, teräksenvalmistuksen tehokkuuden lisääminen ja BrainBox AI rakennusten jäähdytyksen tehostaminen. Lukuisia muita jännittäviä käyttötapauksia on syntymässä, esimerkiksi Orbitaaliset materiaalit käyttää tekoälyä uusien vähähiilisten materiaalien suunnitteluun ja Princetonin tiedemiehet ovat tekoälyn käyttö fuusioreaktioiden ohjaamiseen.
Nämä tekoälyratkaisut ovat vaikeita. Ne eivät vaadi pelkästään tekoälyasiantuntemusta, vaan syvällistä toimialaosaamista. Ne tarvitsevat tekoälyinsinöörejä ja -tutkijoita työskentelemään käsi kädessä muun muassa teollisten prosessien, kemian ja materiaalitieteen asiantuntijoiden kanssa. Ne tarvitsevat paljon dataa, joka on lähes aina omistusoikeudella suojattua.
Todellisia päästövähennyksiä tuottavan tekoälytuotteen rakentaminen on paljon vaikeampaa kuin oikeustieteen maisterin tungeksiminen ohjelmistosovellukseen. Todellisilla ilmastonmuutosta edistävillä tekoälyratkaisuilla on valtava potentiaali mahdollistaa ja nopeuttaa hiilidioksidipäästöjen vähentämistä – ja siten erittäin merkittävä taloudellinen ja rahoituksellinen tuottopotentiaali. Tekoäly on erittäin tärkeä työkalu ilmastonmuutoksen torjunnassa, mutta meidän on lopetettava puhuminen oikeustieteen maistereista.
*Tämä ei vähennä GenAI:n ja sen laajempien sovellusten taustalla olevaa muuntaja-arkkitehtuuria.
**Läpinäkyvyyden vuoksi olen Carbon Ren perustajajäsen.**
