Kunstig intelligens og miljøet. 3 AI-løsninger til at hjælpe dig med at opbygge en bæredygtig virksomhed | AI i erhvervslivet #26

Kunstig intelligens sætter også nye veje for at opnå miljømål, samtidig med at den bidrager til effektiviteten i virksomheder. Vidste du, at den rette anvendelse af AI kan revolutionere din virksomheds energistyring eller endda bidrage til bevarelsen af biodiversitet?

Kunstig intelligens og miljøet for bæredygtig virksomhed

Kunstig intelligens hjælper med at opbygge en bæredygtig virksomhed:

• I den konceptuelle fase – støtte til oprettelsen af en miljøfølsom forretningsidé – gennem for eksempel konsultation med ChatGPT eller Claude fra Anthropic,
• I virksomhedens vækstfase – ved at skabe bæredygtige forsyningskæder og hjælpe med at skabe løsninger for grøn AI,
• I optimeringsfasen – analysere og justere eksisterende løsninger med software, der bruger dedikerede AI-modeller.

Lad os se på specifikke løsninger, der direkte bidrager til udviklingen af bæredygtig virksomhed.

Automatiser energistyring med kunstig intelligens

AI kan automatisk overvåge og styre en virksomheds energiforbrug, identificere områder for fremtidige besparelser. Dette gøres for eksempel med Flex2X, et system udviklet af det britiske firma Grid Edge. Dette system kombinerer data indhentet fra eksisterende sensorer i en bygning, såsom temperatur- eller fugtighedssensorer, med andre datakilder, såsom vejrforsyninger, og analyserer dem med kunstig intelligens-algoritmer, der kan optimere en bygnings energiforbrug i realtid.

Kilde: Flex2X

Optimeret landbrug

Kunstig intelligens i miljøet åbner op for et bredt felt af innovation for både virksomheder, der udvikler innovative løsninger til landbrug og storskala landbrug, som kræver arbejdet fra energineffektive maskiner og en masse menneskelig indsats.

Ved at analysere data fra en række kilder kan AI hjælpe virksomheder i landbrugssektoren med at træffe bedre beslutninger om vanding, gødning eller plante sygdomskontrol. De mest innovative landbrugsløsninger er dog dem, der kombinerer kunstig intelligens og robotteknologi. En sådan løsning er LaserWeeder, udviklet af Carbon Robotics, som kan fjerne 100.000 ukrudt på en time ved præcist at skelne mellem plantearter. Det er den første og eneste kommercielt tilgængelige laserukrudtsfjerningsrobot. Den har avanceret teknologi:

• dyp læring AI,
• robotteknologi,
• lasere,
• Nvidias kraftfulde grafikkort,
• 42 højopløsningskameraer til præcis billedgenkendelse,

LaserWeeder hjælper med at tage sig af biodiversitet, fordi den i stedet for at sprøjte kemiske pesticider, der skader økosystemet og insekterne, kan spot-fjerne ukrudt selv fra store områder af afgrøder.

Kilde: CarbonRobotics

AI-drevne forsyningskæder

AI kan hjælpe med at spore oprindelsen af produkter, hvilket er nøglen til at opbygge bæredygtige forsyningskæder. Effektiv logistik i forsyningskæden kan i mellemtiden opnås gennem kunstig intelligens og automatisering. For eksempel investerer Amazon kraftigt i transportautomatiseringsteknologier, såsom autonome lastbiler og Zoox-cabs kaldet robo-taxaer.

I mellemtiden kan TCS Logistics Optimiser/ TCS Crystallus optimere en virksomheds forsyningskæder i realtid. Udviklet af Tata Consultancy Services, kombinerer denne teknologi AI, maskinlæring og Internet of Things (IoT) for at levere løsninger, der forbedrer styringen af transporttid, køretøjsbelastning og tilgængelighed.

Kilde: IoT Global Awards

Kunstig intelligens og miljøomkostninger

De primære miljøomkostninger ved AI i erhvervslivet er energiforbrug. Selvom den nøjagtige energi, der kræves for at træne GPT-4-modellen, som den betalte version af ChatGPT og BingChat har, ikke er offentligt tilgængelig, kan vi lave nogle estimater baseret på de tilgængelige oplysninger.

GPT-4 er en model med mere end 175 milliarder parametre, der er blevet trænet på mere end 45 TB data. Træningsprocessen involverer dataanalyse og optimering af modelparametre, hvilket kræver meget computerkraft og fører til højt energiforbrug.

For at træne GPT-4 blev der brugt kraftfulde grafiske behandlingsenheder (GPU’er) og tensorbehandlingsenheder (TPU’er), som også er kendt for deres intensive energiforbrug. Forbruget øges yderligere af den energi, der kræves til selve driften.

Grøn AI

Selvom de miljømæssige omkostninger ved udvikling af AI-teknologier er høje, er det værktøjer til kunstig intelligens, der gør det muligt at skabe grønnere løsninger. Dette inkluderer Grøn AI, modeller der kræver mindre energi og andre ressourcer for at fungere.

Det er “grøn AI”, der fokuserer på at udvikle kunstig intelligens-algoritmer, der er energieffektive. For eksempel kan nye komprimeringsmetoder reducere mængden af data, der er nødvendig for at træne AI-modeller med op til 90%, hvilket betydeligt reducerer energiforbruget. Blandt andre arbejder OpenAI, som investerer i udviklingen af grønnere grøn AI-modeller, på dem.

Kunstig intelligens har mange fordele. Grøn AI bruger færre ressourcer, så den kan bruges af mindre virksomheder, herunder dem, der opererer i udviklingslande. Dette betyder, at dens brug demokratiseres og giver flere mennesker mulighed for at skabe den. Også dem med mindre velstående pengepunge.

Grøn AI står i kontrast til den såkaldte “røde AI” – det vil sige løsninger, der øger effektiviteten af operationer uden at se på de miljøomkostninger, de genererer. “Rød AI” genererer spektakulære resultater, men dens miljømæssige fodaftryk er stort. Og med springet i teknologi vokser den miljømæssige påvirkning konstant.

AI for Jorden

Kunstig intelligens og miljøet handler også om at løse problemer, såsom:

• analysere problemer relateret til klimakrisen – takket være AI er det muligt at udvikle komplekse modeller, der afspejler miljøændringer og forudsige deres konsekvenser ved hjælp af mængder af data, som et menneske aldrig kunne bearbejde. Et godt eksempel er Argonne National Laboratorys arbejde med telekommunikationsfirmaet AT&T, hvor kunstig intelligens blev brugt til at analysere en klimamodel i forbindelse med en database, der indeholder oplysninger om AT&T’s telekommunikationsnetværk for at forudsige, hvordan virkningerne af klimaforandringer – såsom stigende havniveau, højintensitetsvinde og kyst- og indlandsflod – kunne påvirke driften om 30 år,
• biodiversitetsbevarelse – for eksempel er Wildlife Insights-værktøjet en platform, der bruger kunstig intelligens til at konvertere data fra fælder til nyttige biodiversitetsoplysninger, uploader dataene til Google Cloud, hvor AI-modeller automatisk klassificerer billeder for at hjælpe med at overvåge og beskytte dyrelivet over hele verden. Wildlife Insights kan behandle 3,6 millioner billeder i timen med en identifikationsnøjagtighed på 80 til 98,6 procent.
• Forbedring af effektiviteten af eksisterende systemer, der forbruger store mængder energi, såsom fabrikker, jernbanetransport, offentlig transport og bybelysning,
• forebyggelse af fejl – for eksempel i store industrielle anlæg, vandkraft- eller vindkraftværker. Dette gøres muligt gennem brugen af digitale tvillinger (Digital Twins), som gør det muligt at forudsige slid og ælde på komponenter i et bestemt system.

Resumé

Den passende kombination af kunstig intelligens og miljøet på arbejdspladsen kan påvirke mange aspekter af bæredygtig virksomhed. Fra optimering af præstationen af kunstig intelligens, dvs. at skabe grøn AI, til automatisering af energistyring, optimering af landbrug og skabelse af bæredygtige forsyningskæder. Sidstnævnte, i konteksten af voksende logistikbehov, bliver afgørende for virksomhedens effektivitet og ansvarlighed.

Anvendelsen af kunstig intelligens medfører også alvorlige udfordringer, såsom energiforbrug under træningsfasen og den løbende drift af AI-modeller. Men kunstig intelligens hjælper også med at løse disse problemer og reducere den miljømæssige påvirkning af sin drift. Så der er plads til grøn AI-løsninger og engagement i bæredygtige praksisser i en hidtil uset skala, fra klimaforandringsanalyse til biodiversitetsbevarelse.

Hvis du kan lide vores indhold, så bliv en del af vores travle bier-fællesskab på Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.