ИИ и экология: как технологии помогают природе

Искусственный интеллект (ИИ) вызывает опасения из-за значительного потребления воды и энергии. Однако ученые активно исследуют способы, с помощью которых ИИ может способствовать более эффективному использованию энергии и снижению уровня загрязнения окружающей среды.

Центры обработки данных, необходимые для работы ИИ, потребляют около 1,5% мировой электроэнергии, и, по прогнозам Международного энергетического агентства, к 2030 году это потребление может удвоиться. Такой рост грозит увеличением сжигания ископаемого топлива, что ведет к выбросам парниковых газов, повышению температуры, подъему уровня моря и экстремальным погодным явлениям. Тем не менее, применение ИИ для анализа энергопотребления и загрязнений уже демонстрирует позитивные результаты: повышение энергоэффективности зданий, оптимизация времени зарядки устройств, снижение вредных выбросов при добыче нефти и газа, а также улучшение работы светофоров для сокращения выбросов от транспорта.

Эксперты полагают, что дальнейшее развитие этих направлений позволит компенсировать энергетические затраты самого ИИ. Алексис Абрамсон, декан климатической школы Колумбийского университета, выражает оптимизм: «Я весьма оптимистична в том, что, несмотря на растущее использование ИИ, наша способность к обработке данных станет гораздо эффективнее, и, как следствие, энергопотребление не увеличится так сильно, как предсказывают некоторые».

Энергоэффективность зданий

ИИ способен автоматически регулировать освещение, вентиляцию, отопление и охлаждение зданий, учитывая погодные данные, потребление электроэнергии и другие факторы. Около трети всех выбросов парниковых газов в США приходится на жилые дома и коммерческие здания. Автоматизированное управление системами кондиционирования и отопления, синхронизированное с графиком присутствия людей, может быть эффективнее ручного контроля. Это особенно актуально для небольших зданий, где полная модернизация систем обогрева и охлаждения нецелесообразна. Системы автоматизации также могут оптимизировать вентиляцию, балансируя приток свежего воздуха и необходимость поддержания заданной температуры. Кроме того, ИИ может отслеживать состояние инженерных систем, прогнозируя и выявляя неисправности до их усугубления, что снижает затраты на ремонт. Эксперты отмечают, что такие меры могут сократить энергопотребление зданий на 10-30%.

Оптимизация зарядки электромобилей

ИИ может планировать наиболее эффективное время для зарядки электромобилей и других устройств, таких как смартфоны. Это позволяет выбирать периоды низкого спроса и тарифов на электроэнергию, как правило, в ночное время, что снижает нагрузку на сеть и потребность в ископаемом топливе. Алексис Абрамсон приводит пример: «Представьте, что вы приходите домой в пиковый период, когда все кондиционеры включены, и ваш автомобиль не начинает заряжаться сразу, потому что это пиковое время». В Калифорнии пилотный проект по смещению времени зарядки на периоды с большим количеством возобновляемой энергии помог потребителям сэкономить. ИИ также может оптимизировать хранение излишков солнечной энергии в домашних аккумуляторах.

Сокращение сжигания метана при добыче нефти и газа

Компания Geminus AI использует методы глубокого обучения для помощи нефтегазовым компаниям в сокращении сжигания метана (факельное сжигание) и выбросов при добыче и переработке. Сокращение выбросов метана, мощного парникового газа, ответственного примерно за 30% глобального потепления, является одним из наиболее быстрых способов борьбы с изменением климата. При повышении давления в трубопроводах газ сбрасывается и сжигается, что наносит вред окружающей среде и ведет к экономическим потерям. Geminus AI, используя ИИ-моделирование, предлагает изменения в работе компрессоров и насосов, устраняя необходимость в сбросах и сжигании. Этот процесс занимает секунды, тогда как традиционные инженерные расчеты могли занимать до 36 часов. По словам Грега Фэллона, CEO Geminus, масштабирование этого решения позволит значительно сократить выбросы парниковых газов.

Поиск геотермальных месторождений

Стартап Zanskar разрабатывает ИИ-модели для анализа подземных структур с целью обнаружения ранее неизученных геотермальных месторождений и оптимизации бурения. Геотермальная энергия, получаемая из естественного тепла Земли, является одним из видов возобновляемой энергии, которую поддерживает администрация. Сооснователи Zanskar, Карл Хойланд и Джоэл Эдвардс, используют ИИ для моделирования множества сценариев, чтобы выявлять наиболее перспективные участки для бурения. «ИИ становится решением собственной энергетической проблемы», — отмечает Хойланд. «Он показывает нам путь к освоению ресурсов, которые были недоступны без него». Zanskar приобрела неэффективную геотермальную электростанцию в Нью-Мексико, где ИИ-моделирование указало на наличие нетронутого геотермального резервуара. Затем компания успешно обнаружила еще одно геотермальное месторождение в Неваде, несмотря на скептицизм экспертов.

Снижение выбросов от дорожного движения

Google использует искусственный интеллект и данные Google Maps для оптимизации работы светофоров, что способствует уменьшению заторов и снижению загрязнения воздуха. Легковые автомобили и малые грузовики ответственны примерно за 16% выбросов парниковых газов в США. Проект Project Green Light, запущенный в 2023 году, уже охватывает 20 городов на четырех континентах. ИИ генерирует рекомендации по настройке светофоров, которые затем внедряются городскими службами. По данным Google, проект может сократить количество остановок и ускорений транспорта до 30%, что снижает выбросы на 10% и улучшает качество воздуха. Джульет Ротенберг, директор по продуктам Earth and resilience AI в Google, подчеркивает: «Мы только начинаем осознавать, на что способен ИИ».