ISS umkreist den Amazonas Darryl Fonseka/iStock
Künstliche Intelligenz gehört zu den am wenigsten verstandenen Technologien der Neuzeit. Für viele existiert KI sowohl als eine greifbare, aber schlecht definierte Realität des Hier und Jetzt als auch als ein nicht verwirklichter Traum der Zukunft, ein Wunderwerk des menschlichen Einfallsreichtumsspannend wie undurchsichtig.
Es ist dieses undeutliche Bild davon, was die Technologie ist und was sie kann, das bei jemandem einen Ausdruck der Unsicherheit hervorrufen könnte, wenn er gefragt wird: „Kann KI den Klimawandel lösen?“ „Nun“, denken wir, „sie mussIn der Lage sein zu tun etwas“, während wir uns nicht sicher sind, wie Algorithmen uns vom ökologischen Abgrund zurückbringen sollen.
Eine solche Ambivalenz ist verständlich. Die Frage ist geladen, fehlerhaft in ihren Annahmen und mehr als nur ein wenig irreführend. Sie ist jedoch von entscheidender Bedeutung und die Grundvoraussetzung für die Verwendung eines der mächtigsten Werkzeuge, die die Menschheit jemals entwickelt hat, um sie anzugehenDie existentiellste Bedrohung, der es jemals ausgesetzt war, verdient unsere echte Aufmerksamkeit.
Wo Klimawandel und maschinelles Lernen aufeinandertreffen
Maschinelles Lernen – die Teilmenge der KI, die es Maschinen ermöglicht, ohne explizite Programmierung aus Daten zu lernen – und die Befürwortung und Aktion des Klimawandels sind relativ neue Partner. Historisch gesehen hat ein Mangel an Zusammenarbeit zwischen Experten in den Klima- und Informatikwissenschaften zuForschungsfeld, das noch sehr in den Kinderschuhen steckt.
Glücklicherweise hat in den letzten Jahren ein Paradigmenwechsel begonnen, mit Gruppen wie Klimainformatik und die Computational Sustainability Network mit Fokus darauf, wie Computertechniken genutzt werden können, um Nachhaltigkeitsziele voranzutreiben.
Um diesen Gedanken noch einen Schritt weiter zu gehen, wurde eine Gruppe junger Experten für maschinelles Lernen und öffentliche Ordnung gegründet Klimawandel-KI im Jahr 2019 eine gemeinnützige Organisation, die darauf abzielt, den Aufbau von Gemeinschaften zu verbessern, Forschung und wirkungsvolle Arbeit zu erleichtern und den Diskurs über maschinelles Lernen und den Klimawandel voranzutreiben.
„Es gab verschiedene Gemeinschaften, die an verschiedenen Aspekten dieses Themas gearbeitet haben, aber keine Gemeinschaft, die den Diskurs über KI und die vielen verschiedenen Ansätze zum Klimaschutz vereinheitlicht hat“, erklärte Priya Donti, Mitbegründerin und Energie- und Energieleiterin von CCAI inein Interview mit Interessante Technik | wissenschaft-x.com.
Climate Change AI hat diese Landschaft eindeutig verändert. 2019 veröffentlichte die Gruppe ein Papier mit dem Titel „ Klimawandel mit maschinellem Lernen bekämpfen“, ein Aufruf an die Machine-Learning-Community, der 13 Bereiche vorstellte – von Elektrizitätssystemen und Transport bis hin zu Klimavorhersagen und Landwirtschaft –, in denen die Technologie am besten eingesetzt werden könnte. Dutzende von Experten für maschinelles Lernen, Klimawandel, und politische Gemeinschaften trugen Abschnitte zu dem Papier bei, und bekannte Persönlichkeiten wie Andrew Ng und Yoshua Bengio leisteten ebenfalls Expertenrat zu dem Projekt.
"Die Community für maschinelles Lernen ist sehr anfällig für Hybris."
In den Jahren seit ihrer Veröffentlichung hat die Organisation dazu beigetragen, die Kommunikation durch Workshops und andere Aktivitäten zu fördern und sicherzustellen, dass die Teilnehmer dieser Veranstaltungen eine Mischung aus Informatikern und solchen aus anderen Disziplinen sind.
Die Förderung dieser Kommunikation ist jedoch weder einfach noch frei von Schwierigkeiten, was David Rolnick, einer der Autoren des Papiers und Mitbegründer und Biodiversitätsleiter von CCAI, bereitwillig anerkennt.
„Die Community für maschinelles Lernen und KI ist sehr anfällig für Hybris“, erklärte Rolnick in einem Interview mit Interessante Technik | wissenschaft-x.com. „Zu denken, wir könnten die Probleme anderer Bereiche lösen, ohne [...] mit Menschen zu arbeitenin diesen Bereichen, ohne unseren algorithmischen Turm verlassen zu müssen. Wie in anderen Bereichen des angewandten maschinellen Lernens erfordert sinnvolle Arbeit am Klimawandel Zusammenarbeit.“
Die interdisziplinäre Vermischung, die die Gruppe fördert, beginnt Früchte zu tragen. Viele der Fachleute, die sich an diesen Veranstaltungen beteiligen, tragen dazu bei, den Dialog zwischen Experten aus verschiedenen Bereichen zu erleichtern, die sich sonst schwer verstehen würden, eine Voraussetzung für jede Zusammenarbeit.
„Wir fangen an, viel mehr Leute zu sehen, die […] keine 100-prozentigen Experten für maschinelles Lernen sind, sie sind keine 100-prozentigen Experten im Bereich des Klimawandels, [aber] sie haben es getaneine wirklich gute Arbeit an der Brücke zwischen diesen beiden Dingen leisten und dadurch in der Lage sind, Menschen zusammenzubringen“, bemerkt Donti begeistert.
Das Team der CCAI glaubt, dass Forscher und politische Entscheidungsträger gleichermaßen beginnen, den Fokus ihrer Bemühungen als direktes Ergebnis des Papiers der Gruppe aus dem Jahr 2019 und ihrer umfassenderen Bemühungen zu ändern. Neben der Gesundheitsversorgung wird der Klimawandel heute weithin als eine Schlüsselanwendung angesehender KI zum Wohle der Allgemeinheit, was vor ein paar Jahren noch nicht der Fall war.
"Ich denke, es ist wichtig zu tun, was wir können."
„Ich denke, eine Sache, die inspiriert, ist die Anzahl der Menschen, die sich erhoben haben, um die Herausforderung [des Klimawandels] anzunehmen“, sagt Donti.
Entscheidend ist jedoch, dass diese Inspiration in Ergebnisse umgesetzt werden muss, und diese Mentalität untermauert die Bemühungen des Teams.
„Ob ich optimistisch oder pessimistisch bin, im Grunde bin ich handlungsorientiert, und ich denke, es ist wichtig, das zu tun, was wir können“, unterstreicht sie.
Klimaschutz und Anpassung
Letztendlich wird das Tun, was wir können, um den Klimawandel durch KI oder jede andere Technologie anzugehen, über zwei Grundprinzipien angegangen: die Begrenzung der Treibhausgasemissionen in die Zukunft und die Reaktion auf die Auswirkungen des Klimawandels, den wir habenhabe leider schon eingesperrt.
Forschungseinrichtungen, Regierungsinstitutionen und private Unternehmen auf der ganzen Welt nehmen die Herausforderung an beiden Fronten an. Brainbox AI zum Beispiel ist ein in Montreal ansässiges Unternehmen, das maschinelles Lernen einsetzt, um HLK-Systeme in Bürogebäuden und anderen zu optimierenDies ist ein Schlüsselbereich, auf den man sich konzentrieren sollte, wenn es um potenzielle THG-Reduktionen geht, da allein der Energieverbrauch von Gebäuden ein Viertel der weltweiten energiebedingten Emissionen ausmacht.
“Angesichts der Tatsache, dass Immobilien einen großen Beitrag zu den Treibhausgasemissionen leisten, haben die Entscheidungsträger in der Branche eine große Chance, die Anklage anzuführen“, erklärte Jean-Simon Venne, CTO und Mitbegründer von Brainbox AI im E-Mail-Austausch mit Interessante Technik | wissenschaft-x.com.
„Ein KI-gesteuertes HLK-System kann es einem Gebäude ermöglichen, sich proaktiv und ohne menschliches Eingreifen selbst zu betreiben. Es kann letztendlich die optimalste HLK-Konfiguration für Energieeffizienz bewerten, Geld sparen, aber auch die Belastung des Stromnetzes verringern,den Fußabdruck des Gebäudes gering zu halten.“
Anpassung wird eine ebenso entscheidende Anstrengung sein, wie extrem Wetterereignisse getrieben durch steigende Temperaturenschnelle Zunahme der Häufigkeit. Die Katastrophenhilfe ist ein Bereich, in dem bereits KI-Technologien eingesetzt werden, wobei maschinelles Lernen eingesetzt wird, um Menschen dabei zu helfen, sich viel schneller als in der Vergangenheit von Naturkatastrophen zu erholen.
"Der Klimawandel ist kein Ein-Aus-Schalter. Wir müssen entscheiden, wie schlimm er ist."
Dies war während der Taifunsaison 2021 in Japan der Fall, als das in Großbritannien ansässige Unternehmen Tractable seine KI in Zusammenarbeit mit einem großen japanischen Versicherer einsetzte, um durch Taifun Mindulle verursachte externe Sachschäden zu bewerten und Hausbesitzern dabei zu helfen, sich schneller zu erholen. Das Unternehmen behauptetes kann die Zeit, die für die Schadensbewertung benötigt wird, von mehreren Monaten auf einen einzigen Tag verkürzen.
So wie keines der Ziele des Klimaschutzes und der Anpassung an den Klimawandel leicht zu erreichen sein wird, kann keines von beiden mit KI allein erreicht werden. Während sich die Technologie für auffällige Schlagzeilen und fesselnde Science-Fiction-Erzählungen in Literatur und Film eignet,es ist weit entfernt von der Patentlösung, als die es oft dargestellt wird.
Rolnick betont, dass die Praktikabilität dessen, was maschinelles Lernen leisten kann und was nicht, eine vorrangige Überlegung sein muss, wenn man die Idee hat, die Technologie auf ein bestimmtes Problem anzuwenden. Der Klimawandel ist kein binäres Thema, und wir müssen unsere Einstellungen formenentsprechend.
„[KI] ist nicht das mächtigste Werkzeug“, betont er. „Es ist nicht das beste Werkzeug. Es ist ein Werkzeug, und es ist ein Werkzeug, das mir zur Verfügung stand. Ich bin wegen der KI nicht optimistisch, ich"Ich bin optimistisch, weil der Klimawandel kein Ein-Aus-Schalter ist. Wir müssen entscheiden, wie schlimm er ist. Jeder Unterschied, den wir machen können, ist ein bedeutender Unterschied, der Leben retten wird. "
Was künstliche Intelligenz für das Klima tun kann und was nicht
Die Anwendungen des maschinellen Lernens sind vielfältig, und sowohl das Papier der Gruppe aus dem Jahr 2019 als auch ihr kürzlich veröffentlichter Grundsatzbericht für die Globale Partnerschaft für KI sind eine eingehende Lektüre wert.
Das Team von CCAI unterstreicht, dass eine grundlegende Verwendung des maschinellen Lernens in diesem Bereich die Fähigkeit ist, beim Sammeln von Daten zu helfen, wie die Technologie kürzlich verwendet wurde, um eine Karte von zu erstellen. die Solarenergieanlagen der Welt, ein Inventar, das für die Zukunft von großem Wert sein wird. Solche Datensätze werden Wissenschaftlern helfen, ihre Forschung besser zu leiten, und politischen Entscheidungsträgern, fundierte Entscheidungen zu treffen.
"Wir sehen enorme Fortschritte bei Batterien."
Ein weiterer Bereich, in dem es einen wesentlichen Unterschied machen kann, ist die Verbesserung von Prognose-, Planungs- und Steuerungstechnologien, die sich auf Stromnetze beziehen.
Die Energieabgabe von Stromquellen wie Sonnenkollektoren und Windturbinen ist variabel, d. h. sie schwankt abhängig von externen Faktoren, wie z. B. wie viel Sonne an einem bestimmten Tag scheint oder nicht.
Um eine konstante Leistungsabgabe unabhängig von den Wetterbedingungen zu gewährleisten, laufen Back-ups wie Erdgasanlagen in einem konstanten CO2-emittierenden Zustand, um diese Lücken zu füllen. Die Verbesserung von Energiespeichertechnologien wie Batterien könnte eine Möglichkeit sein, den Bedarf zu verringernfür solche emissionsintensiven Praktiken, wobei maschinelles Lernen den Prozess der Materialentwicklung und -entdeckung erheblich beschleunigen kann.
„Wir sehen enorme Fortschritte bei Batterien in Bezug auf Kosten und Energiedichte“, sagt Donti. „Batterien gehen um ein entscheidendes Puzzleteil zu sein, und es gibt einige Unternehmen, die KI verwenden, um die Entdeckung von Batterien der nächsten Generation zu beschleunigen. Ein Beispiel ist Aionics.
Aionics ist ein in den USA ansässiges Startup, das maschinelles Lernen nutzt, um das Batteriedesign zu beschleunigen, was neben der Verbesserung von Elektrizitätssystemen auch einen der Engpässe beseitigen könnte, die der Einführung von Elektrofahrzeugen in großem Maßstab im Wege stehen.
Der Einsatz von maschinellem Lernen zur Dekarbonisierung des Verkehrssektors in größerem Maßstab ist jedoch schwieriger. Der Personen- und Güterverkehr ist notorisch schwer zu dekarbonisieren. Wenn beispielsweise fossile Brennstoffe durch Batterien ersetzt werden sollen, werden sie in vielen Fällen erforderlich seinextrem energiedicht zu sein. Aber das ist nur ein winziger Teil des Bildes, das größere Problem ist die verworrene Natur des Transportsektors selbst.
„Im Elektrizitätssektor gibt es relativ wenige, große Akteure, und er ist ziemlich zentralisiert. Was in Bezug auf Innovationen passiert, geschieht in weniger Unternehmen mit mehr aggregierten Datensätzen“, erklärte Lynn Kaack, Assistenzprofessorin für Informatik und öffentliche Ordnungan der Hertie School in Berlin und Mitbegründer und Public Sector Lead bei CCAI im Interview mit Interessante Technik | wissenschaft-x.com.
„Im Transportwesen gibt es viel mehr und kleinere Unternehmen […] oft gibt es viel weniger Mittel, viel weniger Daten, die verwertet werden können. Wo man die Systemperspektive einnehmen und versuchen kann, das Routing, die Platzierung der Ladestationen und das maschinelle Lernen zu optimierenhat interessante Dinge hinzuzufügen, aber es ist nicht immer einfach.“
Kaack verweist auf das Beispiel, wie der deutsche Personenbahnbetreiber Deutsche Bahn die Wartungsoptimierung durch maschinelles Lernen betrachtet. Technologische Ausfälle führen zu Verspätungen, und Verspätungen haben einen großen Einfluss darauf, ob die Fahrgäste die Bahn als praktikable Alternative zum Auto wahrnehmen oder nicht.
Optik des maschinellen Lernens und Greenwashing
Technische Herausforderungen sind bei weitem nicht das einzige, was im Dienste des Handelns des Planeten überwunden werden muss. Wie diese Probleme und ihre potenziellen Lösungen gestaltet und wahrgenommen werden, ist von großer Bedeutung.
Die Öffentlichkeit neigt dazu, glitzernde Technoheilmittel ins Rampenlicht zu rücken, die die Aufmerksamkeit von einfacheren – aber potenziell umsetzbareren – Projekten und Technologien ablenken können. Weder Forschungseinrichtungen noch Regierungsbehörden sind gegen solche Raserei gefeit. Bewusstsein ist hier entscheidend,da die Linse, durch die KI gesehen wird, eine Rolle dabei spielen kann, in welche Richtung sich die Forschung entwickelt und wo die Finanzierung endet.
„KI kann bestimmte Arten von Aktionen erleichtern, aber sie kann auch zu Greenwashing führen“, warnt Rolnick. „Techno-Solutionism kann Menschen glauben machen, dass sie einen viel größeren Einfluss haben, als sie tatsächlich sind, und sogar die Aufmerksamkeit der Menschen ablenkenvon technisch weniger anspruchsvollen, aber wirkungsvolleren Vorgehensweisen.“
Die Arbeit an unsexy Problemen ist wichtig. Wie selbst die spannendsten Technologien in den Arbeitsablauf integriert werden, wo sie angewendet werden, ist schlicht und ergreifend langweilige Kernarbeit. Um die relevanten Förderbeteiligten zu überzeugen und eine neue Lösung zu finden, bedarf es oft der richtigen Rhetorikberühren.
„Für verschiedene Innovationen und Lösungen sollten wir darüber nachdenken, wer das Publikum ist, das überzeugt werden muss, wer die Leute sind, die Dinge finanzieren könnten, wie macht man [die Anreize] für private und staatliche Finanzierungsquellen deutlich“,Donti sagt.
So wie es aussieht, scheinen viele die Gruppe und ihre Ziele überzeugend zu finden. Die KI zum Klimawandel hat einen direkten Einfluss auf die Finanzierung von Programmen wie dem DIFFERENTIATE-Programm der US-Regierung und Schwedens KI im Dienste des Klimas Programm zum Beispiel, und sie haben gerade die erste Runde eines Innovationsstipendienprogramm das heißt, zwei Millionen Dollar für Projekte bereitzustellen, die neue Arbeiten fördern, indem sie öffentlich zugängliche Datensätze erstellen.
Das größere Bild des Klimawandels
Auf breiterer Ebene ist die Art und Weise, wie wir KI nutzen und verwalten, ein Thema, dem zunehmend die Aufmerksamkeit geschenkt wird, die es verdient. Im vergangenen April hat die Europäische Kommission die Künstliche-Intelligenz-Gesetz, der erste groß angelegte Regulierungsrahmen für die Europäische Union in Bezug auf Technologie.
Während einige behaupten, dass das Framework nicht genug tutzum Schutz der Bürgerrechte und Freiheiten, es ist ein Schritt in die richtige Richtung und umso zentraler und häufiger diese hochkarätigen Diskussionen werden, desto besser. Jeder, der an maschinellen Lernanwendungen beteiligt ist, muss die ethischen Überlegungen relevanter Interessengruppen, nicht nur Investoren, so weit wie möglich in die Grundlagen der Technologie einbetten.
Wenn man all dies zusammennimmt, ist es nicht schwer zu sagen, dass KI zur Bekämpfung des Klimawandels eingesetzt werden kann. Tatsache bleibt jedoch, dass das Thema außerordentlich komplex ist, und selbst diejenigen, die direkt daran beteiligt sind, geben zu, dass das Gespräch überwann und wie wir das tun, ist ein sich ständig weiterentwickelnder Weg, wobei der effektivste Weg nach vorne nie genau klar ist.
"KI ist ein mächtiges Werkzeug, aber der Klimaschutz wird alle Werkzeuge erfordern."
„Verbringen Sie Ihre Zeit mit praktischen Anwendungen und der Politikgestaltung, helfen Sie Menschen, die Entscheidungen treffen sollen, gestalten Sie Finanzierungsprogramme und informieren Sie die Gesetzgebung, oder kehren Sie zur Grundlagenforschung zurück? Es ist schwierig, sie in Einklang zu bringen und zu verstehen, was die hatgrößte Wirkung“, sagt Kaack.
Obwohl es eine schwierige Frage ist, sich zurechtzufinden, ist es geradezu inspirierend, dass sie überhaupt gestellt wird. Das zu tun, was in Reichweite ist, zeichnet sich als immergrünes Prinzip aus, um echte, greifbare Maßnahmen zu erreichen, selbst wenn es um etwas wie den Klimawandel geht. InsgesamtDie Botschaft ist weniger ein „Mach es mit KI“ als vielmehr eine „Mach“-Periode. Angesichts eines Problems dieser Größenordnung, das sich oft in seiner Unüberwindbarkeit lähmend anfühlt, ist diese Botschaft erfrischend elektrisierendeins zu hören.
„Ich bin nicht hier, um zu sagen, dass KI unsere Priorität sein sollte“, wiederholt Rolnick. „KI ist ein mächtiges Werkzeug, aber Klimaschutzmaßnahmen werden alle Werkzeuge erfordern. Die Moral der Geschichte ist für mich, dass sie wichtig ist fürMenschen, darüber nachzudenken, wie sie die ihnen zur Verfügung stehenden Tools einsetzen können, um bei Problemen, die ihnen wichtig sind, etwas zu bewirken.“