МНЕНИЕ: Шериф Эль-Саид-Али, основатель нескольких компаний в сфере технологий и искусственного интеллекта, соучредитель Nexus Climate.
ИИ присутствует в каждом разговоре о технологиях и инновациях. Он доминирует в технологиях уже полтора года. Его рекламируют как решение всего: от производительности до образования, здравоохранения и климатического кризиса. Но я открою вам секрет: этот ИИ, тот тип, о котором все говорят, ничего не сделал для климатического кризиса.
На самом деле, забудьте об этом. Именно это приводит к значительному увеличению выбросов от центров обработки данных. Этот тип ИИ, известный как генеративный ИИ или сокращенно GenAI, мы встречаем в больших языковых моделях (LLM) в таких приложениях, как ChatGPT, и в инструментах генерации изображений, таких как MidJourney.
В GenAI вкладывается много инвестиций, и оправдана ли вся эта шумиха или нет, это тема для другого обсуждения (мое краткое мнение: нет, это раздутый пузырь, который лопнет). Меня беспокоит то, что шумиха вокруг GenAI высасывает весь воздух из пресловутой комнаты, когда речь заходит о роли ИИ в борьбе с климатическим кризисом.
GenAI — это лишь часть гораздо более обширной области искусственного интеллекта и машинного обучения.. Это может быть полезно для людей и организаций, занимающихся проблемами климата, в основном для анализа данных и информации. Однако, когда дело доходит до прямой декарбонизации чего-либо, LLM и их собратья по изображениям и видео практически бесполезны.*
Но есть множество технологий ИИ и машинного обучения, которые сегодня напрямую способствуют декарбонизации. Это не чат-боты и они не производят видео по нажатию кнопки. И они, как правило, гораздо менее энергоемки, чем GenAI. Отличным примером является прогнозирование временных рядов, которое использует прошлые значения в наборе данных временной последовательности для прогнозирования будущих значений. Это не круто, это не попадает в заголовки, но это может быть чрезвычайно эффективно.
Сегодня искусственный интеллект и машинное обучение помогают декарбонизировать многочисленные сектора и отрасли, и многие стартапы решают масштабные задачи с помощью своих продуктов на основе ИИ. Вот лишь некоторые примеры: Carbon Re , повышающий эффективность сжигания топлива в производстве цемента;** Concrete AI , оптимизирующий бетонные смеси; Foresight Data Machines , повышающий эффективность сталелитейного производства; и BrainBox AI , повышающий эффективность охлаждения зданий. Появляется множество других интересных вариантов применения, например, Orbital Materials использует ИИ для разработки новых низкоуглеродистых материалов, а ученые из Принстона используют ИИ для управления термоядерными реакциями.
Эти решения ИИ сложны. Им нужна не просто экспертиза ИИ, а глубокая экспертиза предметной области. Им нужны инженеры и исследователи ИИ, работающие рука об руку с экспертами в промышленных процессах, химии и материаловедении, среди прочего. Им нужны большие объемы данных, которые почти всегда являются собственностью.
Создание продукта ИИ, который обеспечивает реальное сокращение выбросов, гораздо сложнее, чем вставить LLM в программное приложение. Реальные решения ИИ для климата имеют огромный потенциал для обеспечения и ускорения декарбонизации, а следовательно, и очень значительный экономический и финансовый потенциал возврата. ИИ является очень важным инструментом в борьбе с изменением климата, но нам нужно перестать говорить о LLM.
*Это не умаляет значения архитектуры трансформатора, лежащей в основе GenAI, и ее более широких приложений.
**Для прозрачности: я являюсь соучредителем Carbon Re.
