Przejdź do treści
6 min czytania

AI i klimat: obietnice redukcji emisji wciąż bez pokrycia

AI i klimat: analiza MIT Technology Review pokazuje, że energetyka, przemysł mięsny i transport rzadko wdrażają AI tak, by realnie ograniczać emisje CO2.

AI i klimat: obietnice redukcji emisji wciąż bez pokrycia

Źródło zdjęcia: MIT Technology Review

Gdy delegacje zjeżdżają do tureckiej Antalyi na konferencję klimatyczną ONZ, sztuczna inteligencja zapowiada się na jeden z głównych tematów rozmów. Gospodarz już wezwał państwa, by zobowiązały się projektować, zasilać i wdrażać AI tak, aby wspierała działania na rzecz klimatu. Autorzy tekstu opublikowanego w MIT Technology Review zwracają jednak uwagę, że branże na całym świecie robią zdecydowanie za mało, by wykorzystać tę technologię do realnego ograniczania emisji gazów cieplarnianych. Dzieje się tak mimo bardzo optymistycznych zapowiedzi firm technologicznych.

Tekst napisali Mary Nichols, wyróżniona radczyni w UCLA School of Law i była przewodnicząca California Air Resources Board, oraz Jeremy Tamanini, założyciel firmy badawczo-doradczej Dual Citizen, specjalizującej się w zrównoważonym rozwoju. Ich wniosek jest jednoznaczny: klimatyczne argumenty za AI wciąż nie zostały udowodnione.

Główne wnioski

  • Według recenzowanego badania z ubiegłego roku AI mogłaby do 2035 r. obniżać globalne emisje o 3,2–5,4 mld ton ekwiwalentu CO2 rocznie. Potencjał koncentruje się w trzech sektorach: energetyce, produkcji mięsa i nabiału oraz motoryzacji.
  • Przegląd publicznych informacji, przeprowadzony z pomocą AI, wykazał, że niewiele dużych firm z tych sektorów ogłosiło wdrożenia zgodne z założeniami badania. Jeszcze mniej deklaruje, że dzięki nim osiągnęło wymierny postęp klimatyczny.
  • Wśród przeanalizowanych operatorów sieci w Chinach, USA i Europie tylko jeden, brytyjski National Grid ESO, wdrożył znany, działający i znaczący program AI do prognozowania produkcji z OZE.
  • Na AI stawia też przemysł naftowo-gazowy, m.in. po to, by zwiększać wydobycie paliw kopalnych.
  • Rozbudowa centrów danych sprawiła, że Microsoft, Google i inne firmy technologiczne wyraźnie odbiegają od swoich celów klimatycznych.

Wielkie obietnice i ich naukowe podstawy

Optymistycznych deklaracji nie brakowało. W 2024 roku szef OpenAI Sam Altman ogłosił, że AI przyniesie „zdumiewające triumfy”, w tym „naprawienie klimatu”. Rok wcześniej, w artykule opiniotwórczym z 2023 roku, szefowa ds. zrównoważonego rozwoju w Google i jej współautor pisali, że AI może zmniejszyć globalne emisje o 5–10% do 2030 roku.

Część tych deklaracji zweryfikowali naukowcy. Recenzowane badanie, którym kierowali badacze z Grantham Research Institute przy London School of Economics oraz z firmy Systemiq, oszacowało, że AI mogłaby pomóc ograniczać globalne emisje o 3,2–5,4 mld ton ekwiwalentu dwutlenku węgla rocznie do 2035 roku. Górna granica tego przedziału odpowiada mniej więcej rocznym emisjom energetycznym Stanów Zjednoczonych. Co istotne, wynik uwzględnia już odjęcie śladu energetycznego samej AI.

Autorzy podkreślają jednak, że takie prognozy są warte tyle, ile nasza gotowość do konfrontowania ich z rzeczywistością. Postanowili więc sprawdzić, czy największe firmy z trzech kluczowych sektorów faktycznie wdrażają AI w sposób przewidziany w badaniu, czy też liczba na 2035 rok pozostaje głównie w sferze aspiracji.

Trzy sektory, trzy różne obrazy

Energetyka: jeden udany przykład

W energetyce rachunek z badania jest najbardziej konkretny. Prognozowanie podaży i popytu z pomocą AI mogłoby zwiększyć o nawet 20% ilość energii odnawialnej, która trafia do sieci z już istniejących farm słonecznych i wiatrowych. To pozwoliłoby uniknąć szacunkowo 1,8 mld ton emisji rocznie.

Wśród przeanalizowanych operatorów sieci w Chinach, Stanach Zjednoczonych i Europie tylko jeden wdrożył znany, znaczący i działający program tego typu. Partnerstwo brytyjskiego National Grid ESO z organizacją Open Climate Fix pozwoliło o połowę zmniejszyć błąd prognoz produkcji słonecznej, czyli różnicę między przewidywaną ilością światła słonecznego a tą, która faktycznie dociera do paneli. Pozwoliło to uniknąć setek tysięcy ton CO2 rocznie. Poza tym przykładem operatorzy w UE, USA i Chinach mieli w publicznie dostępnych źródłach niewiele do pokazania w zakresie integracji AI zakładanej w badaniu.

Mięso i nabiał: technologia jest, rynku brak

Ten sektor pokazuje najwyraźniejszy rozdźwięk między gotowością technologii a realiami rynku. Aby osiągnąć redukcje zakładane na 2035 rok, AI musiałaby zniwelować różnicę w smaku i cenie między tradycyjnymi białkami a alternatywnymi, takimi jak burgery z hodowli komórkowej lub roślinne czy zamienniki mleka.

Jednym z najbardziej wyrazistych przykładów jest firma NotCo, łącząca AI z technologią żywności. Utworzyła ona spółkę joint venture z Kraft Heinz opartą na platformie Giuseppe. Platforma analizuje dane o molekułach roślinnych, by znaleźć kombinacje odwzorowujące smak, teksturę i zapach produktów zwierzęcych.

Według przeglądu niewiele innych firm z branży białek alternatywnych tak głęboko zintegrowało AI z rozwojem produktów. Sektor zmaga się przy tym z poważniejszymi problemami: konsumenci wciąż bardzo powoli przekonują się do takich produktów, a finansowanie spada. Kapitał venture inwestowany w mięso hodowane komórkowo zmalał z rekordowych 989 mln dolarów w 2021 roku do około 83 mln dolarów w ubiegłym roku.

Transport: najwięcej powodów do optymizmu

Najbardziej obiecujące przykłady pochodzą od producentów baterii i platform przewozowych. CATL, który kontroluje około 40% światowego rynku baterii do samochodów elektrycznych, uruchomił system AI wytrenowany na ponad 100 tys. przypadków projektowania baterii i 600 terabajtach danych testowych. Według firmy system skrócił czas selekcji kandydatów na materiały o dwa rzędy wielkości. Z kolei niezależni badacze ustalili, że platforma przewozowa Didi Chuxing dzięki optymalizacji tras z pomocą AI, ograniczającej objazdy, zmniejszyła emisje na przejazd średnio o 16%.

Ciemniejsza strona bilansu

Autorzy wskazują na kolejny poważny problem. Narzędziami AI interesują się również koncerny naftowe i gazowe, a jednym z powodów jest możliwość zwiększenia wydobycia paliw kopalnych. Ich zdaniem firmy technologiczne, które w przeszłości zobowiązały się do celów zrównoważonego rozwoju, powinny wyjaśnić, w jaki sposób ich narzędzia mogą wspierać nie tylko czystą energię odnawialną, ale też starą, brudną energetykę.

Sama integracja AI to dopiero pierwszy krok. Nie wiadomo, w jakim stopniu technologia rzeczywiście przyspieszy oczekiwane usprawnienia i innowacje. AI niewiele zmienia też w standardowych ścieżkach certyfikacji, uzyskiwania pozwoleń, budowy, pakowania, marketingu i sprzedaży nowych produktów, instalacji czy usług.

Najważniejsze jest jednak to, że dotychczasowa szybka adopcja modeli AI i rozbudowa centrów danych spowodowały ogromny wzrost zużycia energii i emisji. W efekcie Microsoft, Google i inne duże firmy technologiczne mocno odbiegają od swoich korporacyjnych celów klimatycznych. Szerzej o tym wyzwaniu pisaliśmy w tekście o tym, dlaczego centra danych AI są wielkim testem dla transformacji energetycznej. Autorzy uważają, że byłoby zaskoczeniem, gdyby sektorowi udało się choćby wyzerować własne zanieczyszczenia klimatyczne. Według bazowej prognozy IEA emisje związane z globalnymi centrami danych, które obsługują zarówno AI, jak i inne zadania obliczeniowe, mogą w 2035 roku przekroczyć 300 mln ton rocznie.

Metodologia i jej ograniczenia

Analizę przeprowadzono z użyciem Claude Code firmy Anthropic, a jej wyniki zweryfikował drugi z autorów, Jeremy Tamanini, porównując je z dokumentami publicznymi i doniesieniami medialnymi. Autorzy przyznają, że niektóre firmy i przedsiębiorstwa energetyczne mogą już rozwijać zastosowania AI zgodne ze scenariuszami badania, ale jeszcze ich nie ujawniły.

Nie wykluczają też, że lepiej ukierunkowana integracja AI i wzrost efektywności w tych trzech sektorach przybliżą prognozy na 2035 rok do rzeczywistości. Ich zdaniem nie stanie się to jednak bez celowych i konsekwentnych wysiłków, które zapewnią, że AI przyniesie środowisku więcej korzyści niż szkód.

Wezwanie do działania

Autorzy formułują konkretne postulaty wobec trzech grup:

  • liderzy branż powinni wdrażać AI tam, gdzie daje ona największe szanse na ograniczenie emisji;
  • klienci korporacyjni powinni wybierać modele o najmniejszym wpływie na środowisko i współpracować z twórcami AI, którzy najbardziej ograniczają swój ślad klimatyczny;
  • państwa i regiony powinny skuteczniej zachęcać te firmy do odpowiedzialnego działania albo je do tego zobowiązywać.

Jak piszą Nichols i Tamanini, potrzeba takich działań nigdy nie była bardziej widoczna. Dopóki obietnice „naprawienia klimatu” nie przełożą się na mierzalne redukcje emisji, rachunek klimatyczny AI pozostaje otwarty, a jego bilans na razie przechyla się w niekorzystną stronę.

Udostępnij
Powrót do nawigacji