09/03/2022
Door Ad Spijkers
Kunstmatige intelligentie kan een belangrijke bijdrage leveren aan een duurzame oriëntatie van economie en samenleving.
Het gebruik van de technologie opent nieuwe businessmodellen voor bedrijven die het succes van de energietransitie, emissiearme mobiliteit of milieuvriendelijke landbouw ondersteunen. Het energieverbruik van de AI-systemen zelf is echter vaak hoog.
Een actuele whitepaper van het Plattform Lernende Systeme laat zien hoe met behulp van AI duurzame bedrijfsmodellen kunnen worden gecreëerd. Het noemt ontwerpopties die de ecologische voetafdruk van AI-systemen kunnen verkleinen. Behalve technologische maatregelen bevelen de auteurs een brede uitwisseling van gegevens tussen bedrijven, onderzoek en overheden aan.
AI en ecologie
Kunstmatige intelligentie kan bedrijven en instellingen helpen om ecologisch verantwoord, sociaal rechtvaardig en tegelijkertijd economisch succesvol te handelen. Daarbij kan het gaan om emissiearme afvalverbranding, efficiënter gebruik van meststoffen of het vroegtijdig signaleren van gezondheidsrisico's op de werkvloer.
Uit enorme hoeveelheden data krijgen AI-systemen nieuwe inzichten in hoe bedrijven hun processen efficiënter kunnen maken, hulpbronnen kunnen besparen en de uitstoot kunnen verminderen. Zo ontstaan producten, diensten en businessmodellen die een effectieve bijdrage leveren aan duurzame ontwikkeling. Kunstmatige intelligentie wordt daarmee een essentieel onderdeel in het verduurzamen van onze samenleving. AI moet echter ook op zichzelf duurzaam zijn, bijvoorbeeld als het gaat om zijn eigen energiebehoefte.
Met behulp van AI kunnen gegevens van bedrijven - bijvoorbeeld over de uitstoot van broeikasgassen of gezondheid en veiligheid op het werk - worden geanalyseerd en kan de duurzaamheid van de bedrijven worden geëvalueerd. Het kan bijvoorbeeld investeerders een hulpmiddel bieden bij het nemen van beslissingen. Op een open platform zouden bedrijven hun duurzaamheidsdata veilig toegankelijk kunnen maken en kunnen standaarden voor dataverzameling kunnen worden ontsloten, aldus de experts in de whitepaper. Even noodzakelijk is de uitwisseling van gegevens van onderzoek, bedrijfsleven en autoriteiten voor het opleiden van AI-toepassingen.
Digitalisering
Digitalisering en daarop gebaseerde AI-toepassingen hebben een groot potentieel om economische, sociale en ecologische duurzaamheidsdoelen te ondersteunen. Het toepassingsgebied is breed en omvat bijvoorbeeld een betere beheersing en inzet van middelen, verbetering van arbeidsomstandigheden, maar ook de ontwikkeling en levering van duurzame producten en diensten.
Maar AI-systemen verbruiken veel energie, vooral bij het trainen van grote neurale netwerken. Het voordeel moet dus altijd in verhouding staan tot de rekenkracht. Daarom moeten innovaties voor een duurzame AI vanaf het begin worden overwogen - van het kostenefficiënte trainingsproces van AI-modellen tot het gebruik van restwarmte van datacenters.
Whitepaper
De whitepaper Mit Künstlicher Intelligenz zu nachhaltigen Geschäftsmodellen noemt de snel toenemende rekenkracht die nodig is om steeds grotere AI-modellen te trainen als de belangrijkste reden voor het hoge verbruik van hulpbronnen. De CO2-voetafdruk van een zoekmachinetraining kan momenteel even groot zijn als die van een langeafstandsvlucht! Daarnaast kunnen in gebruik zijnde AI-toepassingen problematische feedback-effecten veroorzaken. Dat kan bijvoorbeeld als een AI-systeem meer wordt gebruikt door een lager energieverbruik en het totale energieverbruik toeneemt.
Ondanks het veelbelovende potentieel moet volgens de auteurs altijd rekening worden gehouden met deze zogenaamde rebound-effecten en de noodzakelijke energiebehoefte van AI-technologieën. In individuele gevallen kan de keuze om operationele toepassingen in te zetten op het gebied van duurzaamheid ook betekenen dat er geen AI wordt ingezet.
Aanbevelingen
Het wiel hoeft niet steeds opnieuw uitgevonden te worden, aldus de auteurs. AI-modellen die zichzelf hebben bewezen, kunnen op marktplaatsen beschikbaar worden gesteld aan andere AI-ontwikkelaars. De inspanning voor training wordt dan geëlimineerd of in ieder geval aanzienlijk verminderd.
De auteurs bevelen ook aan om onderzoek te doen naar nieuwe economische leermethoden en modelberekeningen. Daar is gebruik te maken van efficiëntere hardware voor AI-toepassingen en een duurzaamheidslabel dat AI-toepassingen met een laag hulpbronnenverbruik identificeert en dus promoot.
Foto: Pixabay