به گزارش سایت توژال، تاثیر هوش مصنوعی بر آلودگی هوا ممکن است بیشتر از حد انتظار باشد. این فناوری می تواند به ردیابی تغییرات اقلیمی و آلودگی در زمان واقعی، پیش بینی علل آلودگی و مناطق آلودگی آینده و ایجاد نوآوری در فناوری کنترل آلودگی کمک کند.

با این حال، هوش مصنوعی نیز می تواند منبع آلودگی باشد. آموزش مدل‌های هوش مصنوعی نیازمند قدرت محاسباتی مراکز داده بزرگی است که از هزاران منبع طبیعی از جمله سوخت‌های فسیلی استفاده می‌کنند – یکی از دلایل اصلی آلودگی و گرم شدن کره زمین.

یادگیری رابطه بین هوش مصنوعی و آلودگی هوا می تواند به شرکت ها کمک کند تا تصمیمات آگاهانه تری بگیرند و درک بهتری از تاثیر فناوری آنها بر محیط زیست داشته باشند.

هوش مصنوعی به سه طریق در آلودگی هوا، آب و زمین نقش دارد که به شرح زیر است:

1. تولید مدل های هوش مصنوعی به مقادیر زیادی انرژی نیاز دارد که معمولاً با سوزاندن سوخت های فسیلی تولید می شود.

آموزش مدل‌های هوش مصنوعی، به‌ویژه مدل‌های زبان بزرگ مانند ChatGPT، فرآیندی پر انرژی است که مقدار زیادی دی اکسید کربن را در جو آزاد می‌کند. محققان دانشگاه ماساچوست آمهرست (UMass Amherst) دریافتند که دی اکسید کربن تولید شده در فرآیند آموزش یک مدل هوش مصنوعی پنج برابر بیشتر از چیزی است که توسط یک ماشین معمولی سوخت و تولید می شود. علت اصلی این مشکل مراکز داده است که بسیاری از مدل‌های هوش مصنوعی در آن‌ها آموزش دیده و نگهداری می‌شوند.

مراکز داده برای اجرای الگوریتم های پیچیده هوش مصنوعی و تامین انرژی الکترونیک خود به انرژی زیادی نیاز دارند. مراکز داده در حال حاضر حدود یک تا دو درصد از انرژی جهان را مصرف می کنند.

پیش بینی می شود تا سال 2030 این میزان به سه یا چهار درصد افزایش یابد. بخش اعظم این انرژی هنوز از سوختن سوخت‌های فسیلی که گازهای گلخانه‌ای را وارد محیط می‌کنند، به دست می‌آید.

اگر شرکت‌های مرکز داده مانند آمازون نتوانند راه‌های کارآمدتری برای تولید برق و روی آوردن به منابع انرژی تجدیدپذیر بیشتر پیدا کنند، انتشار کربن و آلودگی ناشی از هوش مصنوعی همچنان افزایش می‌یابد و تأثیر منفی بر تغییرات آب و هوا خواهد داشت.

2. تجهیزات فناوری اطلاعات به منابع تجدیدناپذیری متکی هستند که به روش های مخرب زیست محیطی استخراج می شوند.

گازهای گلخانه ای تنها محصول جانبی مضر هوش مصنوعی برای محیط زیست نیستند. مراکز داده همچنین تجهیزاتی را به نام زباله های الکترونیکی دفع می کنند. نمونه‌های رایج دستگاه‌هایی که در نهایت به زباله‌های الکترونیکی تبدیل می‌شوند عبارتند از روترها، بردهای مدار، منابع تغذیه، سیستم‌های خنک‌کننده و سوئیچ‌های شبکه.

این دستگاه های الکترونیکی اغلب حاوی مواد شیمیایی خطرناکی مانند سرب و جیوه هستند که با مسموم کردن خاک، حیات وحش و بدنه های آبی محیط را از بین می برند.

مواد شیمیایی ناشی از تجهیزات الکترونیکی می تواند باعث مشکلات سلامتی در انسان هایی شود که در نزدیکی این منابع آلودگی زندگی می کنند. رونق هوش مصنوعی در حال ایجاد مراکز داده بیشتری است که به سخت افزار بیشتری نیاز دارند و زباله های الکترونیکی بیشتری تولید می کنند.

3. تجهیزات فناوری اطلاعات در پایان چرخه حیات خود می توانند به زباله های الکترونیکی تبدیل شوند که به رودخانه ها، محل های دفن زباله و اقیانوس ها ختم می شوند.

بسیاری از مراکز داده هوش مصنوعی به روش‌های خنک‌کننده‌ای متکی هستند که برای جلوگیری از گرم شدن بیش از حد رایانه‌ها و تجهیزات فناوری اطلاعات، به مقادیر زیادی آب نیاز دارند.

یکی از روش های رایج خنک سازی تبخیری است که در آن آب برای خنک کردن هوای اطراف تجهیزات تبخیر می شود. هنگامی که هوا گرم می شود، به جو فرار می کند. این سیستم ها اغلب به طور مداوم کار می کنند. هر چه دستگاه گرمتر باشد، آب بیشتری مصرف می شود.

حجم کاری هوش مصنوعی همراه با افزایش گرمای ناشی از تغییرات آب و هوایی، مراکز داده را داغتر از همیشه کرده است. تغییرات آب و هوایی همراه با افزایش گرما خشکسالی ها را طولانی تر و شدیدتر می کند.

فروشندگان فناوری هوش مصنوعی تحت فشار هستند تا در مورد استفاده از منابع طبیعی شفاف تر عمل کنند، اما این روند تازه شروع شده است.

استفاده از هوش مصنوعی برای مقابله با آلودگی های ناشی از هوش مصنوعی

اگرچه هوش مصنوعی منجر به آلودگی هوا می شود، اما می تواند با انجام کارهایی مانند بهینه سازی مصرف انرژی و نظارت بر آلودگی هوا از آلودگی جلوگیری کرده و آن را کاهش دهد.

بهبود مصرف انرژی. هوش مصنوعی می‌تواند با تجزیه و تحلیل خودکار داده‌های مصرف انرژی و شناسایی روش‌های مؤثر، به مراکز داده، ساختمان‌ها و کسب‌وکارها در کاهش مصرف انرژی کمک کند.

مدیریت انرژی مبتنی بر هوش مصنوعی می‌تواند بخشی از اتلاف انرژی ناشی از فعالیت‌های مرتبط با هوش مصنوعی، مانند مراکز داده خنک‌کننده و آموزش مدل‌های هوش مصنوعی را جبران کند.

به عنوان مثال، یک مرکز داده می تواند از یک سیستم تهویه مطبوع مجهز به هوش مصنوعی استفاده کند که دمای اتاق و کامپیوتر را کنترل می کند، دمای آینده را پیش بینی می کند و به طور خودکار ترموستات را مطابق با آن تنظیم می کند تا مصرف انرژی را بهینه کند. به عبارت دیگر، سیستم تهویه مطبوع هرگز در حالت خاموش کار نمی کند که باعث صرفه جویی در مصرف برق می شود.

پیش بینی و ردیابی آلودگی هوا هوش مصنوعی کاربردهای مهمی در پایش محیطی و تشخیص آلودگی هوا دارد. امکانات پایش بلادرنگ می تواند آلودگی را در هر زمانی از روز تشخیص دهد و به سازمان ها اجازه می دهد تا به سرعت برای پاکسازی آلودگی موجود مداخله کنند. برخی فناوری‌ها همچنین می‌توانند منبع آلودگی را مشخص کنند و سازمان‌ها را قادر می‌سازند تا مشکل را پیدا کنند و از تکرار آن جلوگیری کنند.

هوش مصنوعی همچنین به پیش بینی و جلوگیری از آلودگی در آینده کمک می کند. با استفاده از پیش بینی های مبتنی بر هوش مصنوعی، برنامه ریزان شهری می توانند پیش بینی کنند که یک پروژه خاص چقدر هوا را آلوده می کند. ردیابی و پیش‌بینی دقیق آلودگی به سازمان‌های زیست‌محیطی و دولت‌ها کمک می‌کند تا در مورد محیط‌زیست تصمیم‌گیری آگاهانه داشته باشند.

به طور کلی، هوش مصنوعی می‌تواند راه‌حل مؤثری برای مقابله با آلودگی هوا یا آب باشد، اما شرکت‌های هوش مصنوعی باید راه‌های کارآمدتر و پایدارتری برای توسعه فناوری‌ها پیدا کنند و دولت‌ها باید این نوآوری‌ها را تشویق کنند. در غیر این صورت، هوش مصنوعی در معرض خطر آلودگی محیط زیست ما و آسیب رساندن به اکوسیستم، حیات وحش، و زندگی انسانی است که برای بقای آن به آن وابسته است.