![Τεχνητή νοημοσύνη: Θα μας βγάλει από την κλιματική κρίση;](https://images.weserv.nl/?url=https://elle.gr/wp-content/uploads/2024/06/fi_GREEN_2.jpg)
Έχει κατηγορηθεί ότι θα οδηγήσει αμέτρητους ανθρώπους στα όρια της φτώχειας, καταργώντας ολόκληρους εργασιακούς κλάδους παγκοσμίως, ότι μπορεί να χρησιμοποιηθεί για τη νοθεία εκλογών, αλλά και για την κατάλυση βασικών ανθρωπίνων δικαιωμάτων. Η ραγδαία εξέλιξη της τεχνολογίας και η χρήση της τεχνητής νοημοσύνης (ΤΝ) έχει δημιουργήσει ήδη πολλά και δικαιολογημένα ερωτηματικά, ενστάσεις και αντιπαραθέσεις, αν σκεφτεί κανείς τις deepfake φωτογραφίες της Taylor Swift, την απεργία των σεναριογράφων του Χόλιγουντ και την παγκόσμια ανησυχία για τα προσωπικά δεδομένα όλων μας και ειδικά των ομάδων που βρίσκονται στο κοινωνικό περιθώριο. Παρ’ όλα αυτά, μια μεγάλη μερίδα ειδικών εναποθέτει στην ΤΝ τις ελπίδες της για την αντιμετώπιση της κλιματικής κρίσης και τη διάσωση του περιβάλλοντος. Θα καταφέρει άραγε η ανθρωπότητα να κερδίσει το στοίχημα για την επιβίωση της ίδιας και του πλανήτη με τη βοήθεια της τεχνολογίας ή όλο αυτό θα γυρίσει μπούμερανγκ, όπως φοβούνται πολλοί;
GOOGLE, MICROSOFT & ΟΗΕ
Με τους υποστηρικτές της να την παρομοιάζουν με «το νέο πετρέλαιο», η ΤΝ θεωρείται από πολλούς εφεύρεση τόσο σημαντική για την ανθρωπότητα όσο και ο ηλεκτρισμός: πιστεύεται ότι θα αλλάξει τον κόσμο μας τόσο ριζικά όσο έκαναν στο παρελθόν η ανακάλυψη του Φραγκλίνου ή η ατμομηχανή. Δεν είναι παράδοξο, λοιπόν, ότι εταιρείες-κολοσσοί, διεθνείς οργανισμοί και ερευνητικά ιδρύματα έχουν ήδη ξεκινήσει να συνεργάζονται για να βρουν τρόπους, ώστε η ΤΝ να χρησιμοποιηθεί για να αντιμετωπιστεί και να ανακοπεί η κλιματική αλλαγή. Ήδη από το 2018 η Microsoft τρέχει το εργαστήριο AI For Good Lab, όπου χρησιμοποιούν «τη μεταμορφωτική δύναμη της ΤΝ, ώστε να αντιμετωπιστούν παγκόσμιες προκλήσεις και να βελτιωθεί η ζωή των ανθρώπων σε ολόκληρο τον κόσμο». Αντίστοιχα, στο DeepMind, το ερευνητικό εργαστήριο αυτής της τεχνολογίας της Google, δηλώνουν: «Εργαζόμαστε για να προωθήσουμε τη γνώση, να βελτιστοποιήσουμε τα υπάρχοντα συστήματα και να επιταχύνουμε την πρωτοποριακή επιστήμη του κλίματος και την επίδρασή της». Στο επίκεντρο των ερευνών του είναι η καλύτερη κατανόηση των επιπτώσεων της κλιματικής αλλαγής στα οικοσυστήματα και τη βιοποικιλότητα, η συγκέντρωση όλο και περισσότερων δεδομένων για το κλίμα, η ανάπτυξη προηγμένων μοντέλων μετεωρολογικής πρόβλεψης κ.ά.
Τα Ηνωμένα Έθνη έχουν συστήσει το Περιβαλλοντικό Πρόγραμμα United Nations Environment Program (UNEP), μέσα από την ιστοσελίδα του οποίου οι υπεύθυνοι επισημαίνουν ότι, στη σημερινή εποχή που ο πλανήτης μαστίζεται από μια τριπλή κρίση (κλιματική αλλαγή, απώλεια βιοποικιλότητας και ρύπανση),
το ρητό «δεν μπορούμε να διαχειριστούμε κάτι για το οποίο δεν έχουμε μετρήσεις» είναι πιο επίκαιρο από ποτέ. «Σήμερα, έχουμε περισσότερα δεδομένα για το κλίμα από ποτέ, αλλά η πρόσβαση και η ερμηνεία τους, καθώς και η ανάλογη δράση έχουν καίρια σημασία για τη διαχείριση αυτών των κρίσεων. Η τεχνολογία της ΤΝ παίζει κύριο ρόλο σε αυτό», δηλώνουν οι υπεύθυνοι. Ο David Jensen, συντονιστής του προγράμματος Ψηφιακής Μεταμόρφωσης του UNEP, εξηγεί πως «ΤΝ είναι τα συστήματα που επιτελούν εργασίες οι οποίες κανονικά απαιτούν ανθρώπινη νοημοσύνη και που μπορούν να βελτιώνονται συνεχώς με τον καιρό, βασισμένα στις πληροφορίες και στα δεδομένα που συλλέγουν».
Στο βιβλίο AI For Good: Applications in Sustainability, Humanitarian Action and Health (ΤΝ για καλό σκοπό: Εφαρμογές στη βιωσιμότητα, στις ανθρωπιστικές δράσεις και στην υγεία, των Juan M. Lavista Ferres, William B. Weeks, Brad Smith, εκδ. Wiley) o δρ William Weeks, τ. καθηγητής Ιατρικής στο Πανεπιστήμιο Dartmouth και πλέον ερευνητής στο AI For Good, εξηγεί πως η ΤΝ μπορεί να συλλέξει, να κατηγοριοποιήσει και να ερμηνεύσει πολύ περισσότερα δεδομένα και πληροφορίες σε πολύ μικρότερο χρόνο, χωρίς τους περιορισμούς και τα φίλτρα του ανθρώπινου εγκεφάλου και χωρίς τις πιθανότητες για ανθρώπινο λάθος. Ο επικεφαλής του εργαστηρίου της Microsoft δρ Juan M. Lavista Ferres αναφέρει στο βιβλίο πως «αν μπορούμε να εφαρμόσουμε αλγόριθμους ΤΝ για να βελτιστοποιήσουμε τα κλικ στις διαφημίσεις, γιατί να μην κατευθύνουμε τα πιο λαμπρά μας μυαλά και τις πιο εξελιγμένες μας τεχνολογίες για να βελτιστοποιήσουμε τη ζωή και την ευημερία των ανθρώπων, αλλά και του πλανήτη μας;».
ΑΛΓΟΡΙΘΜΟΙ, ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ & ΜΟΝΤΕΛΑ ΠΡΟΒΛΕΨΗΣ
Σύμφωνα με το Ευρωπαϊκό Κοινοβούλιο, εκτιμάται ότι έως το 2030 η μείωση των εκπομπών αερίων του θερμοκηπίου ως αποτέλεσμα της χρήσης της ΤΝ θα αγγίξει το 4%. Οι εκπομπές μεθανίου -ενός από τα κύρια αέρια θερμοκηπίου στην ατμόσφαιρα της Γης- παρακολουθούνται πλέον παγκοσμίως από το Διεθνές Παρατηρητήριο Εκπομπών Μεθανίου (International Methane Emissions Observatory, IMEO), «με πρωτοφανή ακρίβεια και βαθμό πιστότητας» χάρη στη χρήση ΤΝ, λέει ο David Jensen του UNEP. «Η στρατηγική διασταύρωση των δεδομένων με τη βοήθεια της ΤΝ και η στοχευμένη δράση σύμφωνα με αυτά θα παίξουν μεγάλο ρόλο στην επίτευξη αυτής της μείωσης». Αντίστοιχα, για τη μείωση των εκπομπών CO2 από τις μετακινήσεις, τα μοντέλα τεχνητής νοημοσύνης μπορούν
να προτείνουν στους οδηγούς τις λιγότερο ενεργοβόρες διαδρομές, με λιγότερες ανηφόρες, μειωμένη κίνηση και σταθερές ταχύτητες.
Στη μεγάλη γειτονιά της Γης, όπου όλες οι χώρες καλούνται να αναλάβουν δράση για να αντιστραφεί η κλιματική αλλαγή, το Ιράν βρίσκεται στη 13η θέση παγκοσμίως σε επιστημονικές δημοσιεύσεις για την ΤΝ (πιο ψηλά, δηλαδή, από χώρες όπως η Ρωσία και η Ολλανδία). Ιρανοί ερευνητές προέβλεψαν την ενεργειακή κατανάλωση ενός ερευνητικού κέντρου, με τη χρήση ΤΝ. Εισάγοντας παραμέτρους όπως η πληρότητα, η δομή, τα υλικά και οι τοπικές καιρικές συνθήκες και χρησιμοποιώντας επίσης αλγορίθμους, πρότειναν μέτρα για τη χρήση ενέργειας του κτιρίου, τη μόνωση, τον έλεγχο της θέρμανσης και το πόσος φωτισμός ήταν απαραίτητος με βάση τον αριθμό των ατόμων που ήταν παρόντα. Η μείωση της ενέργειας που θα καταναλωνόταν θα έφτανε το 35%.
Οι ερευνητές του εργαστηρίου AI For Good ανέπτυξαν ένα μοντέλο παρακολούθησης του πληθυσμού των φαλαινών (ο οποίος είναι ενδεικτικός για την κατάσταση των ωκεανών, την ποιότητα του νερού και την επίδραση της ανθρώπινης δραστηριότητας, π.χ. της υπεραλιείας), συνδυάζοντας δορυφορικές λήψεις και τεχνολογία ΤΝ. Ενώ μέχρι τότε τα μέσα παρατήρησης περιορίζονταν σε μικρή σχετικά απόσταση από την ξηρά, με αυτό το μοντέλο οι ειδικοί απέκτησαν πρόσβαση σε απομακρυσμένα σημεία των ωκεανών. Στη συνέχεια, παρατηρώντας ότι στις δορυφορικές λήψεις η απεικόνιση δεν ήταν πάντοτε ξεκάθαρη και άλλα μεγάλα θαλάσσια θηλαστικά, σκάφη ή παγετώνες θα μπορούσαν να εκληφθούν ως φάλαινες, εκπαίδευσαν τους αλγόριθμους («μηχανική μάθηση») να αναγνωρίζουν τους συγκεκριμένους πληθυσμούς εισάγοντας στο μοντέλο «δεδομένα με ετικέτα» (φωτογραφίες με σήμανση) από τον αμερικανικό Εθνικό Οργανισμό για τους Ωκεανούς και την Ατμόσφαιρα (National Oceanic and Atmospheric Administration). «Έτσι, είδαμε και στην πράξη πόση σημασία έχει η συνεργασία ιδιωτικής και εθνικής πρωτοβουλίας όταν αναζητούμε λύσεις για την παγκόσμια κοινότητα», υπογραμμίζουν οι ερευνητές.
ΚΑΤΑΣΤΑΣΕΙΣ ΕΚΤΑΚΤΗΣ ΑΝΑΓΚΗΣ
Λόγω της κλιματικής αλλαγής, τόσο η συχνότητα όσο και η ένταση των φυσικών καταστροφών έχουν αυξηθεί, πλήττοντας κάθε χρόνο πάνω από 350 εκατομμύρια ανθρώπους και προκαλώντας φθορές τρισεκατομμυρίων δολαρίων. Οι συγγραφείς του βιβλίου AI For Good εξηγούν πως η ΤΝ μπορεί να αξιοποιήσει δορυφορικές λήψεις πριν και μετά τη φυσική καταστροφή και να εξακριβώσει τα σημεία που έχουν πληγεί, ώστε να συντονιστούν ανάλογα οι δράσεις των συνεργείων διάσωσης. «Σε αυτές τις περιπτώσεις, μεγαλύτερη σημασία έχει η ταχύτητα, παρά η ακρίβεια και το μοντέλο μας αποδείχθηκε 50 φορές γρηγορότερο από άλλες λύσεις», επισημαίνουν. Στον σεισμό στην Τουρκία την προηγούμενη χρονιά, ο απίστευτος όγκος τέτοιων δεδομένων θα ήταν αδύνατον να εκτιμηθεί από ανθρώπους που ίσως ήταν κουρασμένοι ή και όχι επαρκώς εκπαιδευμένοι να αξιολογήσουν τις δορυφορικές λήψεις. «Αντίθετα, τα μοντέλα ΤΝ μπορούν να εκπαιδευτούν να εντοπίζουν και να χαρακτηρίζουν κτίρια και υποδομές και να τα συγκρίνουν με προηγούμενες εικόνες, ώστε να επισημαίνουν διαφορές στη δομή τους και να αξιολογούν τον βαθμό των μεταβολών» καταλήγουν οι ίδιοι.
Στις αρχές της φετινής χρονιάς, ο Γιάννης Παπουτσής, επίκουρος καθηγητής στο Εθνικό Μετσόβιο Πολυτεχνείο και συνεργάτης ερευνητής στο Ινστιτούτο Αστρονομίας, Αστροφυσικής, Διαστημικών Εφαρμογών και Τηλεπισκόπησης του Εθνικού Αστεροσκοπείου Αθηνών, δήλωσε ότι η ΤΝ μπορεί να φανεί χρήσιμη και στην πρόβλεψη γεγονότων που έχουν τη δυναμική να εξελιχθούν σε μεγάλες καταστροφές, «όπως αυτές που έχουμε βιώσει στην Ελλάδα με τις πλημμύρες και τις δασικές πυρκαγιές. Η τεχνητή νοημοσύνη θα προσπαθήσει να προβλέψει αυτή την αύξηση στη συχνότητα και στην ένταση των φαινομένων αυτών και των καταστροφών που προκαλούν […] Υπάρχει ένας πολύ μεγάλος πλούτος από δεδομένα, όπως παρατηρήσεις από επίγεια δίκτυα, μετεωρολογικά, πτητικά,
σεισμογράφους και επιστημονικά όργανα, με αποτέλεσμα να έχουν συγκεντρωθεί πάρα πολλά δεδομένα, είτε αυτά είναι δορυφορικά είτε προέρχονται από υπολογιστικά μοντέλα και προσομοιώσεις […] Στην ουσία έχουμε την ευκαιρία με όλα αυτά τα δεδομένα να εκπαιδεύσουμε μοντέλα, ώστε να μπορούμε να βρίσκουμε όλους τους συσχετισμούς μεταξύ των παραμέτρων που οδηγούν σε μια φυσική καταστροφή, με στόχο να προβλέψουμε πότε θα έρθει μια τέτοια καταστροφή. Αυτή είναι η μεγάλη συμβολή της τεχνητής νοημοσύνης: να μπορεί σε διάφορες χωρικές και χρονικές κλίμακες να προβλέψει τον κίνδυνο για μια σειρά καταστροφών».
ΕΠΑΝΑΣΤΑΣΗ ΑΠΟ ΤΟΝ ΚΑΝΑΠΕ;
Εν τω μεταξύ, μία ακόμα παράμετρος στη ζυγαριά της τεχνολογίας είναι τα μέσα κοινωνικής δικτύωσης. Μπορεί στο TikTok το hashtag #ForClimate να μετράει πάνω από 533 εκατομμύρια προβολές, πολλοί όμως αναρωτιούνται: θα μεταφραστεί άραγε ποτέ αυτό σε ουσιαστική δράση ή οι διαδικτυακές διαμαρτυρίες της γενιάς Ζ είναι απλώς μια σύντομη στάση ανάμεσα στο ατελείωτο σκρολάρισμα; Η ουσία είναι ότι γι’ αυτά τα παιδιά που θα υποστούν τις συνέπειες της κλιματικής αλλαγής περισσότερο, το TikTok είναι βασικό και καθόλου εικονικό κομμάτι της πραγματικής ζωής. Στην πραγματική τους ζωή σχολιάζουν με δακρυσμένα emoji κάτω από βίντεο που δείχνουν μια πολική αρκούδα να πασχίζει να κρατηθεί σε ένα κομμάτι πάγου που λιώνει και στέλνουν εκατομμύρια γράμματα διαμαρτυρίας κατά του πλάνου του τότε Προέδρου Trump να εντατικοποιήσει την εξόρυξη πετρελαίου στην Αρκτική, παρακινημένοι από σχετικό viral βίντεο από ιθαγενείς της περιοχής. Άλλωστε, στο παρελθόν η νέα γενιά έχει αποδείξει πως το ψηφιακό της αποτύπωμα μπορεί να φέρει την αλλαγή: τον Ιούνιο του 2020, μια ομάδα δημιουργών του TikTok πρότεινε στους fans της να κάνουν την εγγραφή τους για μια προεκλογική συγκέντρωση του Trump και να μην εμφανιστούν, σε ένδειξη διαμαρτυρίας για την πολιτική του. Πάνω από ένα εκατομμύριο κρατήσεις έγιναν, αλλά εμφανίστηκαν λιγότερα από εφτά χιλιάδες άτομα. Ήταν μια δημόσια ταπείνωση του τ. προέδρου των ΗΠΑ και μια αδιαμφισβήτητη νίκη της γενιάς Ζ.
«ΠΡΑΣΙΝΟ ΥΔΡΟΓΟΝΟ» ΚΑΙ ΤΝ ΣΤΗΝ ΕΛΛΑΔΑ
Η B-Hydrogen είναι μια ελληνική startup που στοχεύει στην παραγωγή «πράσινου υδρογόνου» από ανανεώσιμες πηγές ενέργειας. Χρησιμοποιώντας φωτοβολταϊκά πάνελ, τα οποία τοποθετούνται στρατηγικά στις επιφάνειες ταμιευτήρα των φραγμάτων, θα αξιοποιείται η περίσσεια υδροηλεκτρική ενέργεια από τα φράγματα. Σε συνδυασμό με την ηλιακή ενέργεια που απορροφάται από τα φωτοβολταϊκά, θα έχουμε παραγωγή «πράσινου υδρογόνου», το οποίο στη συνέχεια μπορεί να διανεμηθεί σαν προϊόν στην αγορά, με πάρα πολλές εφαρμογές, από την κίνηση οχημάτων μηδενικών εκπομπών μέχρι την παροχή καθαρών καυσίμων για βιομηχανίες και κατοικίες. Η Melis Malko, πολιτικός μηχανικός, ιδρύτρια και CEO της B-Hydrogen, εξηγεί στο ELLE μερικούς από τους τρόπους με τους οποίους η ΤΝ μπορεί να διαδραματίσει σημαντικό ρόλο στην παραγωγή και χρήση του «πράσινου υδρογόνου» της B-Hydrogen και επομένως και στην αντιμετώπιση της κλιματικής κρίσης: «Με ανάλυση μεγάλων δεδομένων (big data), η ΤΝ μπορεί να προβλέψει τις βέλτιστες χρονικές στιγμές για την παραγωγή υδρογόνου, λαμβάνοντας υπόψη τη διαθεσιμότητα ανανεώσιμων πηγών ενέργειας (όπως ηλιακή, υδροηλεκτρική και αιολική). Επιπλέον, μπορεί να παρακολουθεί και να προβλέπει συντηρήσεις σε εξοπλισμούς που χρησιμοποιούν υδρογόνο, μειώνοντας τον χρόνο διακοπής λειτουργίας και τα έξοδα συντήρησης», με τον ίδιο τρόπο που -σύμφωνα με τους συγγραφείς του AI For Good- το μοντέλο DeepDeg ήδη εδώ και καιρό εντοπίζει, εξηγεί και προβλέπει τις φθορές στα φωτοβολταϊκά. «Είναι πολλές ακόμα οι εφαρμογές της ΤΝ προς την κατεύθυνση της αντιμετώπισης της κλιματικής κρίσης, καθιστώντας τις διαδικασίες πιο αποδοτικές και βιώσιμες, γι’ αυτό και είναι κάτι το οποίο μελετάμε αυτή τη στιγμή», καταλήγει η κα Malko.
Η ΑΛΛΗ ΠΛΕΥΡΑ ΤΟΥ ΝΟΜΙΣΜΑΤΟΣ
Από την άλλη, βέβαια, το κοινό μυστικό όλων όσοι διαδηλώνουν υπέρ της χρήσης της ΤΝ στη μάχη κατά της κλιματικής αλλαγής είναι οι τεράστιες απαιτήσεις της σε ενέργεια, προκειμένου να επιτελεστούν όλες αυτές οι λειτουργίες, δεδομένα που συχνά αποσιωπούνται. Ήδη από το 2019, ερευνητές από το Πανεπιστήμιο της Μασαχουσέτης Amherst έδειξαν πως η διαδικασία εκπαίδευσης ενός μόνο μοντέλου βαθιάς μηχανικής εκμάθησης (Deep Learning) παράγει τόσο CO2 όσο πέντε αυτοκίνητα με κινητήρες εσωτερικής καύσης σε όλο τον κύκλο χρήσης τους. Στα πέντε χρόνια που έχουν μεσολαβήσει από τη δημοσίευση αυτής της μελέτης μέχρι σήμερα, φυσικά έχουν παραχθεί και μπει σε λειτουργία πολύ περισσότερα μοντέλα Deep Learning, επιβαρύνοντας το περιβάλλον πολλαπλάσια. Αντίστοιχα, τα κέντρα δεδομένων χρειάζονται τεράστιες ποσότητες νερού για την ψύξη τους. Το φθινόπωρο του 2023, τα πανεπιστήμια Riverside στην Καλιφόρνια και Arlington στο Τέξας δημοσίευσαν μια μελέτη που αποκάλυπτε ότι μόνο η εκπαίδευση του GPT-3 κατανάλωσε 700.000 λίτρα γλυκού νερού. Σύμφωνα με τις προβλέψεις των επιστημόνων, το 2027 οι ανάγκες σε νερό για την ψύξη γενικά των τεχνολογιών ΤΝ θα αγγίξουν τα 4,2-6,6 δισεκατομμύρια κυβικά μέτρα, ποσότητα η οποία αντιστοιχεί στο νερό που καταναλώνει το μισό Ηνωμένο Βασίλειο σε έναν ολόκληρο χρόνο.
Η Kate Saenko, καθηγήτρια πληροφορικής στο πανεπιστήμιο της Βοστόνης, εξηγεί ότι «ένα μεγάλο μοντέλο ΤΝ δεν πρόκειται βέβαια να καταστρέψει το περιβάλλον, αλλά αν χίλιες επιχειρήσεις αναπτύξουν bots ΤΝ για αντίστοιχο αριθμό υπηρεσιών και καθένα χρησιμοποιηθεί από χιλιάδες πελάτες, η απαιτούμενη ενέργεια μπορεί να είναι θέμα. Τα καλά νέα είναι ότι η ΤΝ μπορεί να χρησιμοποιήσει ανανεώσιμες πηγές ενέργειας. Αν, για παράδειγμα, προγραμματίζουμε τη χρήση της στις ώρες της ημέρας που έχουμε περισσότερη ανανεώσιμη ενέργεια διαθέσιμη, οι εκπομπές μπορεί να μειωθούν έως και 30-40% σε σχέση με τη χρήση ορυκτών καυσίμων». Επομένως, με τα σημερινά δεδομένα, ναι, η ΤΝ μάλλον περισσότερο επιβαρύνει παρά προστατεύει το περιβάλλον. Αν επιμείνουμε όμως στις αρχές της βιωσιμότητας και οριστεί ένα ρυθμιστικό πλαίσιο, ίσως αυτή η τεχνολογία μας βοηθήσει να τηρήσουμε τη δέσμευσή μας παγκοσμίως, σύμφωνα με τη Συμφωνία των Παρισίων, να συγκρατήσουμε την άνοδο της θερμοκρασίας σε επίπεδα κάτω των 2o C σε σχέση με τα προβιομηχανικά επίπεδα. Ίσως κανείς δεν θα μπορούσε να θέσει το ζήτημα που προκύπτει καλύτερα από τον τρεις φορές βραβευμένο με Pulitzer αρθρογράφο των New York Times Thomas Friedman, ο οποίος έγραψε: «Αν δεν διαδώσουμε την ηθική της προστασίας -τον σεβασμό για την άγρια φύση κι όσα μας παρέχει δωρεάν, όπως
τον καθαρό αέρα και το καθαρό νερό- μπορεί να καταλήξουμε σε έναν κόσμο όπου οι άνθρωποι θα νιώθουν πως έχουν το δικαίωμα να οδηγούν μέσα στο δάσος του Αμαζονίου με το πλήρως ηλεκτρικό Hummer τους».
ΦΩΤΟΓΡΑΦΟΣ: JAMES MEAKIN, STYLING: LÉONIE KNOLL PIA