Dutch 
English 
French 
Spanish 
German 
Italian 
Portuguese 
Russian 
Chinese 
OPINIE: Door Sherif Elsayed-Ali, meervoudig tech- en AI-oprichter en medeoprichter van Nexus Climate.
AI is terug te vinden in elk gesprek over technologie en innovatie. De technologie wordt al anderhalf jaar gedomineerd. Het wordt aangeprezen als een oplossing voor alles, van productiviteit tot onderwijs, gezondheidszorg en de klimaatcrisis. Maar ik zal je een geheim verklappen: deze AI, het type waar iedereen het over heeft, heeft niets gedaan voor de klimaatcrisis.
Eigenlijk, schrap dat. Het is verantwoordelijk voor een zeer grote toename in emissies uit datacenters. Dit type AI, bekend als generatieve AI of kortweg GenAI, is wat we tegenkomen in grote taalmodellen (LLM's) in toepassingen zoals ChatGPT en tools voor het genereren van afbeeldingen zoals MidJourney.
Er wordt veel geïnvesteerd in GenAI - of al die hype terecht is of niet is een andere discussie (mijn korte mening: nee, het is een overhypte zeepbel die zal barsten). Waar ik me wel zorgen over maak, is dat de GenAI-hype-trein alle lucht uit de spreekwoordelijke kamer zuigt als het gaat om de rol van AI bij het bestrijden van de klimaatcrisis.
GenAI is een onderdeel van het veel grotere veld van AI en machinaal leren. Het kan enig nut hebben voor mensen en organisaties die klimaatproblemen aanpakken, voornamelijk rond het analyseren van gegevens en informatie. Maar als het aankomt op het direct koolstofvrij maken van iets, zijn LLM's en hun beeld- en videobroeders vrijwel nutteloos.*
Maar er zijn talloze AI- en machine-learningtechnologieën die vandaag de dag direct bijdragen aan het koolstofarm maken van de economie. Het zijn geen chatbots en ze produceren geen video's met één druk op de knop. En ze zijn over het algemeen veel minder energieverslindend dan GenAI. Een goed voorbeeld is tijdreeksvoorspelling, waarbij waarden uit het verleden in een tijdreeks dataset worden gebruikt om toekomstige waarden te voorspellen. Het is niet sexy, het haalt de krantenkoppen niet, maar het kan zeer effectief zijn.
AI en machinaal leren helpen vandaag de dag talloze sectoren en bedrijfstakken koolstofvrij te maken, waarbij veel startups grote uitdagingen aangaan met hun AI-producten. Om er een paar te noemen: Koolstof Rewaardoor de verbranding van brandstof in de cementproductie efficiënter wordt;** Beton AIoptimaliseren van betonmengsels; Foresight Gegevensmachinesde efficiëntie van de staalproductie verhogen en BrainBox AI gebouwen efficiënter koelen. Er ontstaan nog tal van andere interessante toepassingen, bijvoorbeeld Orbitale materialen gebruikt AI om nieuwe koolstofarme materialen te ontwerpen en wetenschappers van Princeton zijn AI gebruiken om fusiereacties te controleren.
Deze AI-oplossingen zijn moeilijk. Ze vereisen niet alleen AI-expertise, maar ook diepgaande domeinkennis. Ze hebben AI-ingenieurs en -onderzoekers nodig die nauw samenwerken met experts in onder andere industriële processen, chemie en materiaalkunde. Ze hebben veel gegevens nodig die bijna altijd bedrijfseigen zijn.
Het bouwen van een AI-product dat echte emissiereducties oplevert, is veel moeilijker dan het plakken van een LLM in een softwaretoepassing. Echte AI-oplossingen voor het klimaat hebben een enorm potentieel om decarbonisatie mogelijk te maken en te versnellen - en dus een zeer aanzienlijk economisch en financieel rendementspotentieel. AI is een zeer belangrijk hulpmiddel bij de aanpak van klimaatverandering, maar we moeten stoppen met praten over LLM's.
*Dit neemt niets weg van de transformatorarchitectuur die ten grondslag ligt aan GenAI en de bredere toepassingen ervan.
**Voor de transparantie: ik ben medeoprichter van Carbon Re.
