Az AI klímaígéreteit még nem igazolta a valóság

Az ENSZ éghajlati konferenciája Antalyában zajlik, és az AI várhatóan az egyik főtéma lesz. A házigazda már arra szólította fel az országokat, hogy biztosítsák: a mesterséges intelligenciát az éghajlatvédelmet támogató módon tervezzék, működtessék és telepítsék. Az iparág azonban egyelőre messze nem tesz eleget, hogy a technológiával valóban csökkentse az üvegházhatású gázok kibocsátását — az AI-cégek optimista állításaik ellenére — írja az MIT Technology Review.

Sam Altman, az OpenAI vezérigazgatója azt jelentette ki, hogy az AI „elképesztő diadalokat” hozhat, köztük a klíma „megjavítását”. Egy évvel korábban a Google fenntarthatósági vezetője egy 2023-as véleménycikkben azt írta, hogy az AI 2030-ra 5–10 százalékkal csökkentheti a globális kibocsátást.

Mit mutat a tudományos becslés?

A London School of Economics Grantham Research Institute és a Systemiq cég által vezetett, tavaly megjelent, lektorált tanulmány szerint az AI 2035-ig évi 3,2–5,4 milliárd tonna szén-dioxid-egyenértéknek megfelelő kibocsátást segíthet megspórolni. A felső becslés nagyjából megegyezik az USA energia eredetű éves kibocsátásával, még az AI saját energiafogyasztásának levonása után is. A potenciál főként három szektorban koncentrálódik: az energiaszektorban, a húsés tejtermékek előállításában és a járműiparban. A becslések modellalapúak, nem megfigyelt eredmények.

Energiaszektor: a legkonkrétabb, mégis ritka példa

Az AI-alapú kereslet- és kínálat-előrejelzés akár 20 százalékkal is növelheti a már épített nap- és szélerőművekből a hálózatba jutó megújuló áram mennyiségét, ami a tanulmány szerint évi 1,8 milliárd tonna kibocsátást előzhet meg. Az elemzés szerint a vizsgált kínai, amerikai és európai hálózatüzemeltetők közül azonban csak egy alkalmazott ilyen, bizonyítottan működő AI-programot.

Az UK National Grid ESO és az Open Climate Fix együttműködése felezte meg a hálózatüzemeltető napenergia-előrejelzési hibáját, ami évente több százezer tonna szén-dioxid megspórolását teszi lehetővé. Az Egyesült Királyságon kívül a többi uniós, amerikai és kínai üzemeltetőnél a nyilvános adatok alapján kevés jel mutatott ilyen integrációra.

Húsipar: a legnagyobb szakadék a technológia és a piac között

A húsipar mutatja a legélesebb ellentétet. A 2035-ös célok eléréséhez az AI-nak be kellene zárnia a hagyományos és az alternatív fehérjék — például a laboratóriumban termesztett vagy növényi alapú húsok és tejpótlók — közötti íz- és költségkülönbséget. Az egyik legtisztább kísérlet a NotCo nevű AI- és élelmiszer-technológiai cégtől származik, amely közös vállalatot hozott létre a Kraft Heinz-cel Giuseppe nevű platformjával.

A rendszer növényi molekuláris adatok elemzésével keresi az állati termékek ízét, textúráját és illatát utánzó kombinációkat. Az elemzés szerint kevés más alternatív fehérjecég használ ilyen mélyen integrált AI-t a termékfejlesztésben. Az ágazatot emellett a lassú fogyasztói elfogadás és a csökkenő finanszírozás is nehezíti: a tenyésztett húsba áramló kockázati tőke 2021-ben 989 millió dolláros csúcsról tavaly körülbelül 83 millió dollárra esett vissza.

Közlekedés: ígéretes példák

A közlekedésben az akkumulátorgyártók és a fuvarmegosztó platformok mutatnak biztató példákat. A CATL, amely a globális elektromos autó-akkumulátorpiac körülbelül 40 százalékát uralja, több mint 100 000 akkumulátor-tervezési esetre és 600 terabájtnyi tesztadatra betanított AI-rendszert indított. A cég szerint ezzel két nagyságrenddel rövidítette le a jelölt anyagok szűrésének idejét. Független kutatók szerint a Didi Chuxing fuvarplatform AI-optimalizált útvonaltervezéssel átlagosan 16 százalékkal csökkentette a fuvaronkénti kibocsátást, a kerülőutak minimalizálásával.

A kockázat: a fosszilis szektor is érdeklődik

Az AI-érv klímahatással kapcsolatban egy másik nagy probléma is van: az olaj- és gázipar több okból is érdeklődik ezek az eszközök iránt, beleértve a fosszilis tüzelőanyag-termelés növelésének lehetőségét. Azoknak a technológiai cégeknek, amelyek korábban fenntarthatósági célokat vállaltak, meg kell válaszolniuk, hogy eszközeiket hogyan használhatják a régi, szennyező energia, és nem csak a tiszta, megújuló energia támogatására.

Az elemzés szerzői hangsúlyozzák: az AI integrálása csak az első lépés. Az AI keveset rövidít a termékek, létesítmények vagy szolgáltatások tanúsítási, engedélyezési, építési, csomagolási, marketing- és értékesítési folyamatain.

Az elemzést, amelyet az Anthropic Claude Code nevű eszközével készítettek, nyilvános dokumentumokkal és médiaforrásokkal vetették össze a pontosság ellenőrzése érdekében. Lehetséges, hogy egyes vállalatok és szolgáltók olyan AI-alkalmazásokon dolgoznak, amelyek illeszkednek a tanulmány forgatókönyveibe, de ezt még nem hozták nyilvánosságra.

Az adatközpontok problémája

Az AI-modellek gyors terjedése és az adatközpontok bővülése jelentősen megnövelte az energiafogyasztást és a kibocsátást, és ez miatt a Microsoft, a Google és más nagy technológiai cégek messze lemaradtak vállalt klímacéljaikról. Az IEA alapforgatókönyve szerint a globális adatközpontok kibocsátása 2035-re évente meghaladhatja a 300 millió tonnát — ez az előrejelzés az AI-n kívüli számítási feladatokat is magában foglalja.

A szerzők, Mary Nichols, az UCLA jogi karának kiemelt tanácsadója és a kaliforniai légügyi hatóság korábbi elnöke, valamint Jeremy Tamanini, a Dual Citizen fenntarthatósági tanácsadó cég alapítója szerint az iparvezetőknek olyan módon kell alkalmazniuk a technológiát, amely a legnagyobb mértékben csökkenti a kibocsátást.

A vállalati ügyfeleknek a legkisebb környezeti hatású modelleket kellene választaniuk, az államoknak és régióknak pedig többet kell tenniük azért, hogy ösztönözzék vagy kötelezzék a cégeket a felelősebb működésre. Az IEA 2035-ös előrejelzése szerint az adatközpontok évente akár 300 millió tonna kibocsátást is okozhatnak.