Τεχνητή νοημοσύνη: Ένας σύμμαχος στην αντιμετώπιση της κλιματικής κρίσης

«Μπορεί μία μηχανή να σκεφτεί;». Το παραπάνω ερώτημα δεσπόζει στις πρώτες γραμμές της μνημειώδους μελέτης του Άγγλου μαθηματικού Alan Turing με τίτλο «Υπολογιστικά μηχανήματα και νοημοσύνη» (1950) και αντικατοπτρίζει μια διαχρονική ανάγκη της ανθρωπότητας να δώσει στις μηχανές τη δυνατότητα να εκτελούν βασικές λειτουργίες υπολογισμού και άλλες δραστηριότητες, όπως ο άνθρωπος. Και παρότι το όραμα μιας «έξυπνης» μηχανής ξεκινάει από πολύ παλιά – στην αρχαιότητα οι φιλόσοφοι εισήγαγαν την ιδέα ότι τεχνητά όντα και μηχανικοί άνθρωποι υπήρχαν ή θα μπορούσαν να υπάρξουν- η έρευνα του Turing αποτελεί τον ακρογωνιαίο λίθο της εξέλιξης του πεδίου της Τεχνητής Νοημοσύνης, με τη μορφή που υπάρχει σήμερα.

Ήδη, από τη δεκαετία του 2000, ο συγκεκριμένος κλάδος άρχισε να κορυφώνεται και πλέον τα συστήματα Τεχνητής Νοημοσύνης βρίσκονται σε κάθε πτυχή της καθημερινότητας: Έξυπνα αυτοκίνητα, αναγνώριση προσώπων, εργαλεία που έχουν απάντηση σε κάθε ερώτημα και μπορούν να γράψουν ένα ολόκληρο βιβλίο ή να δημιουργήσουν ένα έργο τέχνης μέσα σε λίγα λεπτά. Και η λίστα δεν τελειώνει εδώ. Οι ειδικοί εκτιμούν ότι οι «έξυπνες» μηχανές μπορούν να δουλέψουν και προς όφελος του ίδιου του περιβάλλοντος, με την κλιματική κρίση, που πλέον αποτελεί ζήτημα μείζονος σημασίας, να είναι η επόμενη μεγάλη εξίσωση που αναζητά λύσεις.

Πρόβλεψη, επεξήγηση και αιτιότητα

Τα τελευταία χρόνια, έχουν πραγματοποιηθεί σημαντικές προσπάθειες ώστε η Τεχνητή Νοημοσύνη να συμβάλλει τόσο στην πρόληψη όσο και στον μετριασμό των επιπτώσεων των κινδύνων από τις φυσικές καταστροφές. Όπως εξηγεί ο επίκουρος καθηγητής στο Εθνικό Μετσόβιο Πολυτεχνείο και συνεργάτης ερευνητής στο ΙΑΑΔΕΤ του Εθνικού Αστεροσκοπείου Αθηνών Γιάννης Παπουτσής, η Τεχνητή Νοημοσύνη σε σχέση με την κλιματική κρίση έρχεται να λειτουργήσει σε τρία διαφορετικά επίπεδα: Την πρόβλεψη της εμφάνισης κάποιας φυσικής καταστροφής, την επεξήγηση των δεδομένων και την αιτιότητα.

«Η Τεχνητή Νοημοσύνη θα προσπαθήσει να προβλέψει αυτή την αύξηση στη συχνότητα και στην ένταση των φαινομένων αυτών και των καταστροφών που προκαλούν», εξηγεί ο κ. Παπουτσής μιλώντας στο Αθηναϊκό-Μακεδονικό Πρακτορείο Ειδήσεων. Πράγματι, λόγω της επεξεργασίας σύνθετων περιβαλλοντικών δεδομένων, η Τεχνητή Νοημοσύνη μπορεί να υπολογίσει τις κλιματικές τάσεις, βελτιώνοντας τις μακροπρόθεσμες προβλέψεις για τοπικά γεγονότα, όπως η άνοδος της στάθμης της θάλασσας. Σε μεσοπρόθεσμο επίπεδο, δίνει τη δυνατότητα για έγκαιρη πρόβλεψη των ακραίων καιρικών φαινομένων, όπως τυφώνες ή ξηρασίες, επιτρέποντας την έγκαιρη ανάπτυξη στρατηγικών μετριασμού των επιπτώσεών τους.

Το δεύτερο επίπεδο αφορά στην εξηγήσιμη τεχνητή νοημοσύνη (explainable artificial intelligence). «Να φτιάξουμε δηλαδή δεδομένα ερμηνεύσιμα έτσι ώστε να χτιστεί μία εμπιστοσύνη σε αυτά που παράγουμε. Για παράδειγμα στον επιχειρησιακό παράγοντα δεν αρκεί να πεις μόνο που θα είναι υψηλός ο κίνδυνος για την εκδήλωση μιας πυρκαγιάς ή μιας πλημμύρας αλλά θα πρέπει να του εξηγήσεις τον λόγο που ένα μοντέλο έχει φτάσει σε ένα τέτοιο συμπέρασμα», τονίζει ο κ. Παπουτσής.

Φυσικά, σημαντικό ρόλο παίζει και η αιτιότητα. «Υπάρχουν κάποιες αλγοριθμικές προσεγγίσεις που προσπαθούν να συνδέσουν το αίτιο με το αποτέλεσμα. Δηλαδή να λέμε ότι όταν έχουμε παρατεταμένη θερμοκρασία πάνω από τόσο, και βροχοπτώσεις λιγότερο από τόσο, τότε έχουμε υψηλό κίνδυνο για την έναρξη και εξάπλωση μιας καταστροφικής δασικής πυρκαγιάς. Αλλά να προσπαθήσει να το κάνει αυτό με έναν τρόπο όχι εμπειρικό, αλλά μέσα από τα δεδομένα ότι υπάρχει αυτή η σχέση αιτίου αποτελέσματος και όχι μία συσχέτιση αλλά μια σχέση αιτιότητας που είναι διαφορετικό σε επιστημονικούς όρους, η συσχέτιση με την αιτιότητα», καταλήγει ο κ. Παπουτσής.

Όσον αφορά στη μείωση των εκπομπών διοξειδίου του άνθρακα, οι ειδικοί εκτιμούν ότι η Τεχνητή Νοημοσύνη μπορεί να συμβάλει καθοριστικά στη βελτιστοποίηση της ενεργειακής απόδοσης, προωθώντας Ανανεώσιμες Πηγές Ενέργειας και ενισχύοντας τις πρακτικές βιωσιμότητας σε όλους τους κλάδους. Από τις μεταφορές έως τη γεωργία και τη βιομηχανία, οι λύσεις που βασίζονται στην Τεχνητή Νοημοσύνη μπορούν να εξορθολογήσουν τις διαδικασίες για την ελαχιστοποίηση του περιβαλλοντικού αποτυπώματος και την προώθηση μιας πιο πράσινης οικονομίας.

Η άλλη όψη του νομίσματος

Μπορεί η Τεχνητή Νοημοσύνη να αποτελεί ένα μοναδικό εργαλείο για την πρόβλεψη και την αντιμετώπιση των δυσμενών επιπτώσεων της κλιματικής κρίσης, ωστόσο πολλοί είναι εκείνοι που θεωρούν ότι η κατανάλωση ενέργειας που απαιτείται για τη λειτουργεία των «έξυπνων» μηχανών μπορεί να φέρει τα αντίστροφα αποτελέσματα.

Σύμφωνα με πρόσφατη έκθεση, οι αυξανόμενες απαιτήσεις της Τεχνητής Νοημοσύνης σε ηλεκτρική ενέργεια μπορεί να εκτοξεύσουν έως και κατά 80% τις εκπομπές θερμότητας του πλανήτη, ενώ εκτιμάται ότι στα επόμενα τρία χρόνια οι διακομιστές Τεχνητής Νοημοσύνης θα μπορούσαν να καταναλώνουν τόση ενέργεια όση καταναλώνει η Σουηδία.

Μεγάλο μέρος αυτής της αυξημένης ενεργειακής ζήτησης προέρχεται από την πρόσθετη πολυπλοκότητα των νέων αυτών λειτουργιών. Για παράδειγμα, η απάντηση ερωτημάτων θα μπορούσε να απαιτεί έως και 10 φορές μεγαλύτερη υπολογιστική ισχύ από μια κανονική διαδικτυακή αναζήτηση, ενώ η εκπαίδευση του ChatGPT, μπορεί να χρησιμοποιήσει τόση ενέργεια όσο 120 νοικοκυριά των ΗΠΑ κατά τη διάρκεια ενός έτους.

Ο Jesse Dodge, ερευνητής στο Ινστιτούτο Allen Institute for AI, δήλωσε ότι συμμερίζεται τις παραπάνω ανησυχίες. «Από την άλλη πλευρά έχουμε έξι ομάδες που χρησιμοποιούν την Τεχνητή Νοημοσύνη για να μετριάσουν τη βλάβη της κλιματικής αλλαγής. Η μία βγάζει καινούρια μοντέλα για το κλίμα, μια άλλη παρακολουθεί την παράνομη αλιεία και τα απειλούμενα είδη, υπάρχει επίσης η παρακολούθηση και η πρόβλεψη των πυρκαγιών. Πιστεύουμε ότι υπάρχει ένα συνολικό καθαρό όφελος εκεί, ότι υπάρχει ένα αξιόλογο αντιστάθμισμα».

Πράγματι, το κλειδί φαίνεται πως βρίσκεται στην ισορροπία. Σύμφωνα με τους ειδικούς, παρά τις πιθανές αρνητικές συνέπειες, υπάρχει λόγος να είμαστε αισιόδοξοι. H Τεχνητή Νοημοσύνη έχει τη δυνατότητα, όχι μόνο να βελτιώσει τις προβλέψεις για τα κλιματικά μοντέλα, αλλά και να μειώσει παράλληλα την ποσότητα της υπολογιστικής ισχύος που απαιτείται για να το κάνει. Μέσω της εξισορρόπησης των υπολογιστικών απαιτήσεων με τις βιώσιμες ενεργειακές πρακτικές, μπορεί να διασφαλιστεί ένας συνολικά θετικός αντίκτυπος στο περιβάλλον.