Η τεχνητή νοημοσύνη έχει προκαλέσει ανησυχία για την τεράστια κατανάλωση νερού και ενέργειας. Ωστόσο, οι επιστήμονες πειραματίζονται επίσης με τρόπους με τους οποίους η τεχνητή νοημοσύνη μπορεί να βοηθήσει τους ανθρώπους και τις επιχειρήσεις να χρησιμοποιούν την ενέργεια πιο αποτελεσματικά και να ρυπαίνουν λιγότερο.
Τα κέντρα δεδομένων που απαιτούνται για την τροφοδοσία της τεχνητής νοημοσύνης αντιπροσώπευαν περίπου το 1,5% της παγκόσμιας κατανάλωσης ηλεκτρικής ενέργειας πέρυσι και η κατανάλωση ενέργειας αυτών των εγκαταστάσεων προβλέπεται να υπερδιπλασιαστεί ως το 2030, σύμφωνα με τον Διεθνή Οργανισμό Ενέργειας. Αυτή η αύξηση θα μπορούσε να οδηγήσει στην καύση περισσότερων ορυκτών καυσίμων όπως ο άνθρακας και το φυσικό αέριο, τα οποία απελευθερώνουν αέρια του θερμοκηπίου που συμβάλλουν στην αύξηση της θερμοκρασίας, την άνοδο της στάθμης της θάλασσας και τα ακραία καιρικά φαινόμενα.
Όταν όμως η υπολογιστική ισχύς της τεχνητής νοημοσύνης χρησιμοποιείται για την ανάλυση της κατανάλωσης ενέργειας και της ρύπανσης, μπορεί επίσης να κάνει τα κτίρια πιο αποδοτικά, να φορτίζει συσκευές σε βέλτιστες χρονικές στιγμές, να κάνει την παραγωγή πετρελαίου και φυσικού αερίου λιγότερο ρυπογόνα και να προγραμματίζει τα φανάρια για τη μείωση των εκπομπών των οχημάτων. Οι ειδικοί λένε ότι αν χρήσεις σαν κι αυτές συνεχίσουν να αυξάνονται, θα μπορούσαν να βοηθήσουν στην αντιστάθμιση της ενέργειας που καταναλώνεται από την τεχνητή νοημοσύνη. «Είμαι αρκετά αισιόδοξος ότι ενώ η ολοένα και μεγαλύτερη χρήση της τεχνητής νοημοσύνης θα συνεχίσει να αυξάνεται, θα δούμε την ικανότητά μας να επεξεργαζόμαστε δεδομένα πολύ πιο αποτελεσματική και, ως εκ τούτου, η κατανάλωση ενέργειας δεν θα αυξηθεί τόσο πολύ όσο προβλέπουν ορισμένοι», δήλωσε ο κοσμήτορας της Σχολής Κλίματος του Πανεπιστημίου Κολούμπια Alexis Abramson.
Αποδοτικότητα κτιρίου: Συντήρηση, ψύξη
«Η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί για να κάνει τα κτίρια πιο ενεργειακά αποδοτικά, ρυθμίζοντας αυτόματα τον φωτισμό, τον αερισμό, τη θέρμανση και την ψύξη με βάση τα μετεωρολογικά δεδομένα, την κατανάλωση ηλεκτρικής ενέργειας και άλλους παράγοντες» δήλωσε ο Μπομπ Φρεντς, επικεφαλής στην εταιρεία αυτοματισμού κτιρίων 75F. Περίπου το ένα τρίτο της ρύπανσης από αέρια του θερμοκηπίου στις Η.Π.Α. προέρχεται από κατοικίες και κτίρια.
Το να επιτρέπεται στην τεχνητή νοημοσύνη να προγραμματίζει τον κλιματισμό και τη θέρμανση γύρω από τις αφίξεις και τις αναχωρήσεις των εργαζομένων μπορεί να είναι πιο αποτελεσματικό από το να ρυθμίζει χειροκίνητα τον θερμοστάτη. Διαφορετικά, το ένστικτο ενός εργαζομένου μπορεί να είναι να εκτοξεύει αέρα για να ρυθμίζει γρήγορα τη θερμοκρασία. Οι αυτοματοποιημένοι θερμοστάτες μπορούν να είναι ιδιαίτερα χρήσιμοι για μικρότερα κτίρια όπου δεν είναι οικονομικά αποδοτική η ανακαίνιση ολόκληρου του συστήματος θέρμανσης και ψύξης.
Για τον αερισμό των κτιρίων, ο αυτοματισμός μπορεί να εξισορροπήσει την εισαγωγή εξωτερικού αέρα με την ποσότητα θέρμανσης ή ψύξης που απαιτείται για τη διατήρηση της εσωτερικής θερμοκρασίας.
Η τεχνητή νοημοσύνη μπορεί επίσης να παρακολουθεί τις ανάγκες συντήρησης των συστημάτων HVAC και άλλου εξοπλισμού για την πρόβλεψη και την ανίχνευση βλαβών προτού οδηγήσουν σε δαπανηρές επισκευές.
Συνολικά, αυτοί οι αυτοματισμοί μπορούν να μειώσουν την κατανάλωση ενέργειας ενός κτιρίου κατά 10% ως 30%, ανέφεραν οι ειδικοί. «Αυτό είναι κυριολεκτικά ένα εξαιρετικά εύκολο στη χρήση προϊόν», λέει ο καθηγητής κτιριακών υπηρεσιών στο Τεχνολογικό Πανεπιστήμιο του Αϊντχόφεν Ζόλταν Νάγκι.
Εύρεση ενεργειακά και οικονομικά αποδοτικών χρόνων για τη φόρτιση ηλεκτρικών οχημάτων
Η τεχνητή νοημοσύνη μπορεί να προγραμματίσει την πιο αποτελεσματική φόρτιση ηλεκτρικών οχημάτων και άλλων συσκευών, όπως τα smartphones. Αυτό σημαίνει τον καθορισμό ενός χρονοδιαγράμματος για το πότε είναι καλύτερο να αντλείται ενέργεια από το δίκτυο, όπως για παράδειγμα κατά τη διάρκεια της νύχτας, όταν η ζήτηση και οι τιμές είναι χαμηλότερες, επομένως είναι λιγότερο πιθανό το δίκτυο να καίει περισσότερα ορυκτά καύσιμα. Στην Καλιφόρνια, ένα πιλοτικό πρόγραμμα μετέφερε τη χρέωση σε περιόδους όπου υπήρχε περισσότερη διαθέσιμη ανανεώσιμη ενέργεια και εξοικονόμησε χρήματα στους πελάτες.
Η τεχνητή νοημοσύνη μπορεί επίσης να βοηθήσει στη βελτιστοποίηση του τρόπου με τον οποίο οι ιδιοκτήτες σπιτιών με ηλιακούς συλλέκτες αποθηκεύουν την πλεονάζουσα ενέργεια σε μπαταρίες.
Μείωση της καύσης μεθανίου από δραστηριότητες πετρελαίου και φυσικού αερίου
Η Geminus AI με έδρα τη Βοστώνη, χρησιμοποιεί βαθιά γνώση και προηγμένη συλλογιστική για να βοηθήσει τις εταιρείες πετρελαίου και φυσικού αερίου να μειώσουν την καύση και την απαγωγή μεθανίου, καθώς και την ποσότητα ενέργειας που χρησιμοποιούν για την εξόρυξη και τη διύλιση. Η μείωση των εκπομπών μεθανίου είναι από τις ταχύτερες οδούς για την αποφυγή των χειρότερων επιπτώσεων της κλιματικής αλλαγής, σύμφωνα με το Πρόγραμμα Περιβάλλοντος των Ηνωμένων Εθνών. Το μεθάνιο είναι ένα ισχυρό αέριο του θερμοκηπίου που ευθύνεται για περίπου το 30% της σημερινής υπερθέρμανσης του πλανήτη.
Όταν η πίεση στους αγωγούς πετρελαίου και φυσικού αερίου αυξάνεται, μέρος του αερίου απελευθερώνεται και καίγεται για να εκτονωθεί η πίεση, βλάπτοντας τον πλανήτη και σπαταλώντας χρήματα. Ο διευθύνων σύμβουλος της Geminus Γκρεγκ Φάλον, δήλωσε ότι μπορούν να παρακολουθούν το δίκτυο των φρεατίων και των αγωγών και να χρησιμοποιούν προσομοιώσεις που βασίζονται σε τεχνητή νοημοσύνη για να προτείνουν αλλαγές στις ρυθμίσεις του συμπιεστή και της αντλίας που εξαλείφουν την ανάγκη για εξαερισμό και εκτόνωση. Η Geminus το κάνει αυτό σε δευτερόλεπτα. Παραδοσιακά, χρειάζονται περίπου 36 ώρες στους μηχανικούς για να εκτελέσουν προσομοιώσεις που κάνουν παρόμοιες συστάσεις, πρόσθεσε, λέγοντας: «Καθώς το επεκτείνουμε σε ολόκληρο τον κλάδο, υπάρχει μια τεράστια ευκαιρία να μειώσουμε τις εκπομπές αερίων του θερμοκηπίου».
Εύρεση γεωθερμικών θερμών σημείων
Η νεοσύστατη εταιρεία γεωθερμικής ενέργειας Zanskar με έδρα το Σολτ Λέικ Σίτι, έχει κατασκευάσει μοντέλα τεχνητής νοημοσύνης για να κατανοήσει το υπέδαφος της Γης. Χρησιμοποιεί αυτή τη μοντελοποίηση για να εντοπίσει παραβλεπόμενα θερμά σημεία γεωθερμίας και να στοχεύσει σε γεωτρήσεις.
Η γεωθερμική ενέργεια παράγει ηλεκτρική ενέργεια με καθαρό τρόπο, παράγοντας ατμό από τη φυσική θερμότητα της Γης και χρησιμοποιώντας τον για την περιστροφή μιας τουρμπίνας. Είναι μια ανανεώσιμη ενέργεια που ευνοεί η κυβέρνηση Τραμπ.
Οι συνιδρυτές της Zanskar, Carl Hoiland και Joel Edwards, λένε ότι προσομοιώνουν και αξιολογούν έναν τεράστιο αριθμό πιθανών υποεπιφανειακών σεναρίων για να εκτιμήσουν πού υπάρχουν θύλακες πολύ ζεστού νερού. Από αυτό, επιλέγουν τις βέλτιστες τοποθεσίες και κατευθύνσεις γεώτρησης. «Η τεχνητή νοημοσύνη γίνεται η λύση στο δικό της ενεργειακό πρόβλημα. Μας δείχνει έναν τρόπο να ξεκλειδώσουμε πόρους που δεν θα ήταν δυνατοί χωρίς αυτήν» λέει ο διευθύνων σύμβουλός της Carl Hoiland. Πέρυσι η Zanskar αγόρασε ένα γεωθερμικό σταθμό παραγωγής ενέργειας με χαμηλές επιδόσεις στο Νέο Μεξικό. Η μοντελοποίηση τεχνητής νοημοσύνης έδειξε με επιτυχία ότι υπήρχε μια ανεκμετάλλευτη γεωθερμική δεξαμενή που θα μπορούσε να ανατροφοδοτήσει την εγκατάσταση. Στη συνέχεια, οι Χόιλαντ και Έντουαρντς επικεντρώθηκαν σε μια άλλη τοποθεσία στη Νεβάδα, παρά το γεγονός ότι οι ειδικοί του κλάδου τους είπαν ότι έκανε πολύ κρύο για να υποστηρίξει έναν σταθμό παραγωγής ενέργειας σε κλίμακα κοινής ωφέλειας. Έκαναν γεωτρήσεις και ανακοίνωσαν τη δεύτερη γεωθερμική ανακάλυψή τους τον Σεπτέμβριο σε αυτή την τοποθεσία.
Μείωση των εκπομπών ρύπων από την κυκλοφορία
Η Google χρησιμοποιεί τεχνητή νοημοσύνη και δεδομένα Google Maps για να εντοπίσει προσαρμογές στα φανάρια που μπορούν να μειώσουν την κυκλοφορία σταματώντας και ξεκινώντας, μειώνοντας τη ρύπανση. Τα επιβατικά αυτοκίνητα και τα μικρά φορτηγά ευθύνονται για περίπου το 16% των εκπομπών αερίων του θερμοκηπίου στις ΗΠΑ, σύμφωνα με στοιχεία της Υπηρεσίας Προστασίας Περιβάλλοντος.
Το Project Green Light που ξεκίνησε το 2023, βρίσκεται πλέον σε είκοσι πόλεις σε τέσσερις ηπείρους. Η πιο πρόσφατη είναι η Βοστώνη, η οποία έχει γνωστά κακή κυκλοφορία. Κάθε πόλη λαμβάνει συστάσεις που παράγονται από την τεχνητή νοημοσύνη. Οι μηχανικοί της πόλης καθορίζουν ποιες θα εφαρμόσουν. Η Google αναφέρει ότι το Project Green Light μπορεί να μειώσει την κυκλοφορία σταματώντας ως και 30%, γεγονός που μειώνει τις εκπομπές ρύπων κατά 10% και βελτιώνει την ποιότητα του αέρα. «Απλώς ξύνουμε την επιφάνεια του τι μπορεί να κάνει η τεχνητή νοημοσύνη» δηλώνει η Τζούλιετ Ρόθενμπεργκ, διευθύντρια προϊόντων της Google για την τεχνητή νοημοσύνη της Γης και την ανθεκτικότητα.
πηγή: Associated Press
