AI vs. Klimaatverandering: Kan AI Ons Redden?

Dat AI in staat is een enorme weelde aan prestaties te leveren, is inmiddels duidelijk – er gaat geen week voorbij zonder dat ergens een artikel of nieuwsuitzending het niet heeft over AI. Maar had je al stilgestaan bij het feit dat AI ook te hulp kan schieten bij een ander onderwerp waar we continu over te horen krijgen? Ik heb het natuurlijk over klimaatverandering.

Inhoudsopgave

Wat houdt ‘AI’ in?
Het broeikaseffect: oud nieuws?
1. Het broeikaseffect vandaag de dag
2. Dit is wat wij als mensheid ervan merken
AI als redmiddel
1. Hoe wordt het tot nu toe ingezet?
Toekomstperspectieven van AI tegen klimaatverandering
1. Concrete plannen
2. Ideeën voor meer innovatie
Bereidheid tot meewerking in het bedrijfsleven
De keerzijden van AI
1. Klimaatneutraal? Nog lang niet
2. Onnauwkeurigheden in voorspellingen
Wegen de voordelen op tegen de nadelen?
Conclusie

Samen met mijn collega, Nathalie Pangkey, heb ik dit onderwerp tot in het kleinste detail onderzocht door onderzoeken en aankondigingen van overheden en bedrijven te verzamelen, en experts te spreken. De feiten en meningen die hieruit voortkwamen, staan in dit artikel voor je op een rijtje.

Om je meteen wegwijs te maken in dit artikel, geven we je alvast een inhoudsopgave:

Wat houdt AI in?
Een korte uitleg over broeikaseffect
Hoe AI ons nu helpt en gaat helpen in de strijd tegen klimaatverandering
Toekomstperspectieven van AI in de strijd tegen klimaatverandering
Bereidheid tot meewerking in het bedrijfsleven
De keerzijden van AI
Wegen de voordelen op tegen de nadelen?
Conclusie

Laten we de belangrijkste bevindingen kort op een rijtje zetten:

AI wordt vandaag de dag al ingezet om klimaatverandering tegen te gaan, onder andere in de logistiek, de bouw, het bedrijfsleven, de voedingsindustrie en zelfs in de politiek.
Er is potentie voor meer, zoals slimmer ingedeelde windmolenparken, bestrijding van symptomen van klimaatverandering (waaronder temperatuurverlaging en windtunnels), en groene agricultuur.
Leiderschap is over het algemeen zeer bereid om mee te werken aan de inzet van AI tegen klimaatverandering, maar een gebrek aan expertise en incentieven doet dit initiatief de das om.
AI draagt zelf ook aanzienlijk bij aan klimaatverandering, mede dankzij enorme energieconsumptie, waterverbruik, CO₂-uitstoot, gebrek aan transparantie onder ontwikkelaars en onderzoekers, en mogelijk zelfs bias in de code van AI.

Over bronvermelding – Gebruikte bronnen vermelden we één keer in de lopende tekst, en wel wanneer we voor het eerst informatie hieruit delen. Hierna vallen we niet in herhaling door per punt opnieuw naar de bron te verwijzen, maar alle besproken onderzoeken en dergelijke zijn terug te vinden in de bronnenlijst onderaan het artikel. Citaten uit eigen interviews staan enkel in de tekst vermeld.

Wat houdt ‘AI’ in?

AI, de afkorting voor artificial intelligence en ook wel bekend als kunstmatige intelligentie, omvat alle programma’s en machines die (met name) menselijke intelligentie simuleren, en daarbij taken uitvoert die voorheen alleen mensen konden uitvoeren. Het daarbij vooral om het trainen van machines in menselijk(e) leren, oordeel en besluitvorming.¹

AI maakt gebruik van kennis, haalt informatie op, analyseert deze en bestudeert de uitdrukking ervan, en past deze benaderingen toe om menselijke intellectuele activiteiten na te bootsen. 💭

Het is daarmee een samensmelting van computerwetenschap, logica, biologie, psychologie en filosofie, en heeft indrukwekkende resultaten behaald in diverse toepassingsgebieden, zoals spraakherkenning, beeldverwerking, natural language processing (NLP), machine learning (ML) en deep learning.

AI is daarmee in staat tot cognitie, emotieherkenning, gegevensopslag en besluitvorming, om maar een paar te noemen. Zo ziet dat er uit in ons dagelijks leven:

Interactieve chatbots, zoals ChatGPT
Een zelfrijdende auto, zoals de Tesla
Een klantenservicechatbot op de website van een bedrijf
Spraak-assistenten, zoals Siri, Google Assistant, en Amazon Alexa
De gezichtsherkenning op je smartphone
Netflix- en Spotify-aanbevelingen

Het broeikaseffect: oud nieuws?

Het natuurlijke broeikaseffect is verantwoordelijk voor het handhaven van de temperatuur op aarde. Broeikasgassen werken als een deken en houden warmtestraling vast.

Zonder dit natuurlijke mechanisme zou de gemiddelde temperatuur wereldwijd aanzienlijk lager zijn dan de huidige wereldgemiddelde temperatuur van ongeveer 15 °C. Het natuurlijke broeikaseffect werkt dus in ons voordeel!²

Een nieuwslezer met beelden van bosbranden achter hem

Het broeikaseffect vandaag de dag

Echter, sinds de industriële revolutie is de mens op grote schaal bezig om de samenstelling van de atmosfeer te veranderen. We stoten samen steeds meer broeikasgassen uit, waaronder koolstofdioxide (CO₂), methaan (CH₄), distikstofoxide (lachgas; N₂O), en fluorgassen – en die giftige cocktail versnelt de opwarming van de aarde.³

Koolstofdioxide komt vrij bij het verbranden van fossiele brandstoffen (aardolie, steenkolen, aardgas), zoals wanneer je met de auto of het vliegtuig reist.
Methaan komt vrij bij de veeteelt wanneer koeien, schapen en geiten hun eten verteren en dat vervolgens weer uitstoten, met name via geboer en winderigheid.
Distikstofoxide komt vrij uit bemeste grond.
Fluorgassen vind je in spuitbussen, airco’s en koelkasten.

Nu hoor je sceptici nog wel eens roepen dat de verwarming van de aarde normaal is – het kwam vaker voor in de geschiedenis en is daarom geen reden tot paniek.

Het klopt dat de gemiddelde temperatuur op aarde mettertijd fluctueert. Maar voordat de industriële revolutie begon, stonden temperatuurwisselingen op aarde enkel onder invloed van natuurlijke oorzaken, bijvoorbeeld door de hoeveelheid zonlicht die op het aardoppervlak viel, en door vulkaanuitbarstingen die reflecterende deeltjes uitspuugden, waardoor de planeet afkoelde.

Deze natuurlijke oorzaken spelen nu nog steeds een rol, maar hun invloed is te klein om de snelle opwarming van de afgelopen decennia te verklaren, al helemaal omdat de concentraties broeikasgassen in de atmosfeer de hoogste van de afgelopen 800.000 jaar is.⁴⁵ Vandaag de dag is menselijke activiteit dan ook de belangrijkste oorzaak van wat we wereldwijd zien gebeuren.

Dit is wat wij als mensheid ervan merken

Dit heeft directe gevolgen voor de mensheid. De World Health Organization (WHO) schat in dat in Europa alleen al in 2022 minstens 15.000 mensen specifiek zijn overleden als gevolg van hitte.

De gezondheidsimpact die mensen in deze regio momenteel ervaren als gevolg van een wereldwijde gemiddelde temperatuurstijging van 1,1 °C is slechts een voorproefje van wat we kunnen verwachten als de temperatuur verder stijgt.⁶

Niet alleen zorgt de opwarming van de aarde voor extreme hitte zowel op land als in zee, maar ook voor herhaaldelijke overstromingen, zeespiegelstijging, hevige orkanen, droogte en bosbranden. Dit alles verdrijft miljoenen mensen (en dieren) uit hun natuurlijke leefomgeving.

Klimaatwetenschappers hebben vastgesteld dat als we niet onmiddellijk actie ondernemen om de opwarming van de aarde te beperken tot 1,5 °C tegen 2040, de gevolgen voor de natuurlijke systemen van onze planeet van deze opwarming onomkeerbaar zullen zijn.⁷

De toenemende frequentie van extreme droogtes, verwoestende bosbranden, grote overstromingen, heftige orkanen en wijdverbreide hongersnoden zullen geen incidentele gebeurtenissen meer zijn, maar eerder seizoensgebonden kenmerken – net zo vanzelfsprekend als de bladeren die in de herfst van de bomen vallen. 🍂

Onze manieren om energie op te wekken voor elektriciteit, warmte en transport, onze bebouwde omgeving en industrieën, onze manier van omgaan met het land en onze consumptiegewoonten leiden tot overmatige uitstoot van broeikasgassen, en zijn de belangrijkste aanjagers van klimaatverandering.

AI als redmiddel

Als individuen kunnen we verschillende stappen nemen om de uitstoot van broeikasgassen te beperken. Zo weet iedereen dat papieren rietjes gebruiken, de fiets vaker pakken en thuis onnodige verlichting uit te schakelen, dingen zijn die we zelf kunnen doen ter ondersteuning van het klimaat.

Echter, de top 100 staatsbedrijven voor fossiele brandstoffen echter verantwoordelijk is voor zo'n 70% van de uitstoot van broeikasgassen.⁸⁹ Het is dus niet zo gek om van tenminste deze bedrijven te verwachten dat ze niet alleen ons aanmoedigen om te stoppen met plastic rietjes te gebruiken, maar vooral hun eigen milieuvervuiling stevig aanpakken en dáár geld in steken.

Daarom willen we juist industrie-experts – of misschien wel vooral deze industrie-experts – uitdagen om hun kennis en vaardigheden te gebruiken bij het zoeken naar oplossingen om onze planeet te beschermen.

Het zal geen verrassing zijn dat sommige van die oplossingen mogelijk worden gemaakt door AI – inzet hiervan zou de uitstoot van broeikasgassen tussen de 1,5% en 4% kunnen terugdringen.¹⁰

Volgens de PWC zou dit al moeten lukken eer we 2030 bereiken, met daarbij komende voordeel dat het bruto national product wereldwijd met zo’n 4,4% zou stijgen – en in Europa in het specifiek gemiddeld met 5,4%.¹¹

Hoe wordt het tot nu toe ingezet?

Josh Cowls, een doctoraalstudent en expert in onder andere AI-ethiek, en zijn mede-onderzoekers zien dat AI twee mogelijkheden biedt: het verbeteren en uitbreiden van het huidige begrip van klimaatverandering, en het bijdragen aan een effectieve aanpak van de klimaatcrisis.¹²

Tot nu toe zetten we AI op de volgende manieren in, met die twee doeleinden in gedachten:

Veranderingen in het wereldgemiddelde temperatuur voorspellen
Het batterij- en oplaadbeheer van elektrisch vervoer verbeteren
Inzicht krijgen in de koolstofvoetafdruk van beton in de bouw
Het energieverbruik van gebouwen voorspellen
De duurzaamheid van voedselconsumptie beoordelen¹³
Helpen bij het voorspellen van koolstofemissies van verschillende entiteiten, waaronder bedrijven, landen, individuen en specifieke machines of sectoren
Helpen bij het monitoren van de verwijdering van koolstof uit de atmosfeer door middel van koolstofvastlegging¹⁴
Het beoordelen van de impact van grootschalige beleidsveranderingen
De efficiëntste routes voor zeetransportbedrijven berekenen, ook met oog op het behoud van marine life (planten en dieren in de oceaan en zee), waaronder walvissen¹⁵

Een aanzienlijk deel hiervan gebeurt middels machine-learning-modellen, welke – in het kort – statistische modellen omslaan die met genoeg leerdata patronen leert herkennen en/of voorspellingen kan maken.

Een kleine robot rijdt door een veld met een werkende boer op de achtergrond

Zo helpt AI dus vandaag de dag ook al in de strijd tegen het broeikaseffect door te monitoren, problemen op te lossen en voorspellingen erover te doen.

Ook kunnen we al een gebouw ontwerpen met AI om de milieueffecten van het ontwerp te begrijpen nog voordat het is gebouwd, en voorspelt AI een transportroute die uiteindelijk zo weinig mogelijk brandstof vergt. Hier maakt Deutsche Post DHL Group vandaag de dag al gebruik van.¹⁶

Er zijn daarnaast bureaus die AI-oplossingen bieden, waaronder BrainBox AI, die in 2021 de Tech For Our Planet Challenge heeft gewonnen op de COP26 (United Nations Climate Change Conference).

Hun technologie helpt gebouwen hun energieverbruik te optimaliseren door temperatuurveranderingen te voorspellen en verwarming en koeling op de juiste manier aan te passen.¹⁷

Toekomstperspectieven van AI tegen klimaatverandering

Kunstmatige intelligentie heeft grote potentie om ons naar een duurzame wereld te leiden en het broeikaseffect te verminderen. We hebben al besproken wat de technologie voor ons vandaag de dag betekent, maar hoe ziet de toekomst eruit?

"[...] We begrijpen de omvang van de veranderingen in ons klimaat nog niet helemaal, en ook de precieze manieren waarop deze verschuivingen onze wereld zullen beïnvloeden zijn nog niet bekend. Daarom moet de toepassing van AI op het gebied van klimaatverandering tweeledig zijn.

[...] Algoritmen voor machine learning kunnen het energieverbruik optimaliseren, terwijl voorspellende modellen ons kunnen helpen natuurlijke hulpbronnen beter te beheren en afval te verminderen. Tegelijkertijd moeten we de kracht van AI gebruiken om ons voor te bereiden op onzekere toekomstscenario's.

[...] Door gebruik te maken van het voorspellend vermogen van AI en het vermogen om complexe systemen te beheren, kunnen we ons beter positioneren om ons aan te passen aan veranderingen en het milieu voor toekomstige generaties te beschermen."
Ricardo Fernandez, duurzame-AI-ontwikkelaar bij Sustainable Karma, tegen Technerds

Concrete plannen

Om te beginnen omarmen overheden AI steeds meer, bijvoorbeeld om duurzamere steden op te bouwen. Zuid-Korea is op het moment bezig met de ontwikkeling van het Eco Delta Smart Village in Busan, Zuid-Korea.

Deze slimme stad verzamelt autonoom energiegegevens van de dagelijkse routines van burgers om te bepalen hoe de overheid in de toekomst energiezuinigere steden kan bouwen. Het doel van het Eco-Delta Smart Village is om in de toekomst volledig op hernieuwbare energie te draaien.¹⁸

De plannen van Zuid-Korea op het gebied van slimme energie lijken op die van Singapore en hun eerste slimme wijk – het Punggol Digital District – die in 2024 van start gaat. Dit district zal AI gebruiken om onnodig energieverbruik te monitoren en te verminderen. Het schakelt bijvoorbeeld lichten uit in lege vergaderzalen en past de binnentemperatuur aan op koelere dagen.¹⁹

Daarnaast is in het Verenigd Koninkrijk in november 2022 aangekondigd dat de overheid £ 1.5 miljoen gaat investeren in een AI-programma om broeikasuitstoot te verminderen.

Ze financieren projecten die een snellere overgang naar hernieuwbare energie mogelijk maken, de industrie koolstofarm maken door de energieproductiviteit en de overschakeling op andere brandstoffen te verbeteren, en de uitstoot in de landbouwsector te verminderen. ²⁰

Ideeën voor meer innovatie

Dat zijn concrete plannen, maar verschillende onderzoeken halen ook andere gebruiksscenario’s aan (die al dan niet wat verder in de toekomst liggen), zoals de onderstaande. ⤵️

AI die helpt de beste plaatsing voor windmolens vast te stellen op basis van data over de windstroom in beoogde gebieden, waardoor de molens zo veel mogelijk wind opvangen als ze eenmaal staan.
AI kan ook helpen bij het bestrijden van symptomen van de opwarming van de aarde, door bijvoorbeeld te berekenen via welke weg men het beste hitte uit steden kan geleiden middels tunnels, ventilatoren en andere hittegeleidingsmethoden.
De globale inzet van 'groene agricultuur', waarbij AI input en output van agricultuur bijhoudt en controleert. Dit onder andere door waterverbruik te managen, alsook het gebruik van bemesting binnen (acceptabele) perken te houden.²¹²²
Een transparante digitale wereld – ofwel: een digitaal dashboard om in real-time met AI milieusystemen te monitoren, modelleren en beheren met een snelheid die nooit eerder mogelijk was. Het gaat daarbij om het aanpakken van illegale ontbossing, waterwinning, visserij, stroperij en luchtvervuiling, het reageren op natuurrampen, en slimme landbouw.²³
Middels data-analyses en algoritmes kan AI informatie uit verschillende bronnen verwerken, zoals wetenschappelijke studies, weerpatronen en milieurapporten, om gebruiksvriendelijke en toegankelijke content hierover te genereren. Dit helpt het bewustzijn over klimaatverandering te vergroten onder het publiek en moedigt mensen aan actie te ondernemen om een steentje bij te dragen en hun eigen impact op het milieu kritisch te bekijken.

"[...] We gaan naar een toekomst waarin we niet alleen opdrachten geven aan onze systemen, maar een betekenisvolle dialoog aangaan. De synergie die voortkomt uit deze dialogen kan de sleutel zijn tot het ontsluiten van oplossingen die we anders nooit hadden kunnen bedenken.

[...] Het heeft de potentie om onze creatieve en cognitieve capaciteiten te vergroten, waardoor we innovatieve systemen en oplossingen kunnen ontwerpen die de grenzen van de menselijke verbeelding verleggen. [...] Dit is naar mijn mening de ware kracht van AI en de waardevolste bijdrage aan duurzame innovatie."
Ricardo Fernandez, duurzame-AI-ontwikkelaar bij Sustainable Karma, tegen Technerds

Bereidheid tot meewerking in het bedrijfsleven

Terwijl de wetenschap en bewezen toepassingen ons inzicht geven in de potentie van AI tegen het broeikaseffect, speelt de menselijke reactie hierop die een cruciale rol in het creëren van een duurzame toekomst.

Het potentieel van AI om de strijd tegen het broeikaseffect te versterken is afhankelijk van de bereidheid van individuen, overheden en bedrijfsleiders om deze technologieën te omarmen en in te zetten op grote schaal.

Hoewel er wereldwijd groeiende bewustwording en overeenkomst is over de urgentie van klimaatactie, zijn er nog steeds verschillende factoren die dat laatste vraagstuk moeilijk te beantwoorden maken.

“AI moet een doel dienen en niet een doel op zich zijn. [Blijf] altijd kritisch kijken naar ‘waar draagt dit aan bij’, en [vraag je af]: ‘Is dit de beste optie?"
Anke Bergmans, marktonderzoekster met een oog voor klimaatvraagstukken, tegen Technerds

De Boston Consulting Group ondervroeg in 2022 1005 leiders in de openbare sector en de privésector over hun standpunt omtrent klimaat en AI, waarvan 74% besluitvormers zijn op het gebied van zowel AI als klimaat uit de VS, het Verenigd Koninkrijk, Spanje, Frankrijk, Duitsland, Japan, Australië en Nieuw-Zeeland.

Hen werd gevraagd naar hun mening over het potentieel van AI als hulpmiddel in de strijd tegen klimaatverandering en over de obstakels die de toepassing ervan in de weg staan.²⁴

Het blijkt dat 87% van de klimaat- en AI-leiders denkt dat AI een nuttig hulpmiddel is in de strijd tegen klimaatverandering, terwijl slechts 43% van de organisaties zich kan voorstellen zelf AI te gebruiken voor hun eigen klimaatinspanningen. Ze zien daarbij de meeste potentie in het meten en verminderen van emissies met de hulp van AI.

Ondervraagden benoemden onvoldoende expertise, beschikbaarheid en vertrouwen als obstakels voor het gebruik van AI. 67% van de leiders uit de privésector en 39% uit de openbare sector vindt mogelijk mede daarom dat de overheid meer moet doen om het gebruik van AI in dit domein te ondersteunen.

“Oplossingen als [XYZ]-AI zijn waardevol en belangrijk, maar [...] voor gebruiksvriendelijkheid moet de uitleg boven het technische uitstijgen en begrijpelijk zijn voor mensen zonder een diploma informatica.”
Anouk Mols, postdoctorale onderzoekster in onder andere AI, privacy, en surveillance aan de Erasmus-universiteit Rotterdam, tegen Technerds

Dus hoe bereid zijn overheden tot het implementeren van AI om de broeikasuitstoot te verminderen? Hoewel hier niet speciaal onderzoek naar is gedaan, zijn er wel verschillende initiatieven gelanceerd waaruit blijkt dat overheden bereid zijn om AI-systemen toe te passen om de CO₂-uitstoot te bestrijden.

De focus ligt op Europa’s initiatieven. Europa staat zelfs op de derde plaats van 's werelds grootste vervuilers – direct na Noord-Amerika en Azië.²⁵

In 2018 hebben alle 27 Europese lidstaten afgesproken om een AI-strategie op te stellen. Tot nu toe hebben echter slechts zes lidstaten een AI-strategie afgerond die is afgestemd op alle Europese Green Deal-prioriteiten.²⁶

Diagram die European Green Deal weergeeft — Afbeelding verkregen via de Europese Commissie

Het feit dat slechts zes lidstaten een complete AI-strategie hebben – waar wij als Nederland trouwens een van zijn – hoeft echter niet te betekenen dat overheden niet bereid zijn om AI in te zetten.

Veel overheden in de EU bevinden zich simpelweg niet in een situatie waarin ze het zich kunnen veroorloven om AI-oplossingen aan te schaffen, en personeel dat raad weet met AI ligt ook niet voor het oprapen.

“Bedrijven moeten kijken naar succesfactoren die verder gaan dan winstgevendheid.”
Helder Miguel Delgado, senior manager bij Stravillia Sustainability Hub, tegen Technerds

Een van de harde eisen voor de toepassing van AI op grote schaal, is dat de implementatie ervan gebruiksvriendelijk moet zijn, of het nu wordt ontwikkeld voor gebruik binnen bedrijven of overheden. Ze moeten gemakkelijk toegankelijk zijn, en duidelijke informatie geven om de gebruiker te helpen actie te ondernemen.

Wanneer dit haalbaar is, voorspellen we dat de bereidheid om AI in de strijd tegen het broeikaseffect te gebruiken verhoogt.

Naast het bedrijfsleven doet onze mening – die van de wereldburgers die zich niet hoog in een bedrijfsboom vinden – er ook toe. Gelukkig is daar ook onderzoek naar gedaan, onder andere door Vodafone Institute.²⁷

Hun onderzoek liet onder andere zien dat meer dan de helft van Europeanen (55%) bereid is om hun gegevens te delen om het milieu te helpen, maar doorgaans wel onder strikte voorwaarden van gegevensbescherming.

Gelukkig is al vastgesteld dat er minder ethische struikelblokken komen kijken qua het gebruik van onze persoonlijke gegevens bij de inzet van AI tegen klimaatverandering, dan bij andere domeinen (zie Cowls, J. et al. onderaan deze pagina). Denk hierbij aan gezondheidszorg en strafrecht.

Directe, op-de-mens-gerichte gegevens vormen in de strijd tegen klimaatverandering middels AI niet bepaald de kern van alle activiteiten die daarbij komen kijken, maar eerder een richtlijn in hoe men beleidsvorming en dergelijke het beste kan inrichten op een manier die de bevolking ook zint.

Desalniettemin zijn experts zich bewust van de struikelblokken die er wél zijn, en sommigen maken een ethische werkmethode ook hun prioriteit:

[...] Door AI-systemen vanaf het begin binnen dit ethische kader te trainen, kunnen we hun ontwikkeling sturen op een manier die duurzaamheid, gelijkheid en het welzijn van alle levensvormen respecteert en bevordert. Het ethisch gebruik van AI is niet alleen een keuze, maar een noodzaak voor een duurzame en inclusieve toekomst."
Ricardo Fernandez, duurzame-AI-ontwikkelaar bij Sustainable Karma, tegen Technerds

De keerzijden van AI

Dat kunstmatige intelligentie in staat is tot allerlei indrukwekkende manieren om klimaat te monitoren en veranderingen hierin te voorspellen én tegen te gaan, is duidelijk. Maar ieder voordeel heeft zijn nadeel, en dat geldt ook voor AI.

Klimaatneutraal? Nog lang niet

Het runnen van AI is vooralsnog niet energie-efficiënt genoeg om massale inzet hiervan te kunnen verantwoorden. Zo kostte het trainen van GPT-3, een van de iteraties van ChatGPT, een geschatte 190.000 kWh aan elektriciteit, wat gelijkstaat aan het verbruik van 68 Nederlandse huishoudens in één jaar – of 24.820 Nederlandse huishoudens in één dag.²⁸

Daarbovenop komt de huidige consensus dat het trainen van een enkel large language model (LLM) tussen de 225.000 kg en 300.000 kg aan CO₂-uitstoot veroorzaakt. Dat staat gelijk aan de uitstoot van 50 tot 85 auto’s in één jaar, of de gehele levensduur – van fabrikant tot de sloop – van ruim 5 auto’s.

Wat is een LLM? – Een large language model (LLM) valt onder de machine-learning-algoritmes – deep-learning-algoritmes in het specifiek. Dit zijn enorm uitgebreide kunstmatige-intelligentie-modellen die taal begrijpen en weten te structureren op een menselijke manier. ChatGPT is hier een bekend voorbeeld van.

Tot nu toe is de uitstoot enorm sterk toegenomen sinds de tijd dat machine learning (ML) in opkomst raakte, rond 2012. Daarbij is de rekenkracht met 300.000 keer toegenomen tussen 2012 en 2018, waarbij deze rekenkracht inmiddels elke 3,4 maanden verdubbelt.²⁹

Ook zouden datacentra verantwoordelijk zijn voor tussen de 0,6% tot 0,9% van de totale CO₂-uitstoot wereldwijd.³⁰ Nu worden datacentra niet alleen voor en door AI gebruikt, en exacte cijfers over hoeveel procent van de datacentra door AI wordt bezet, zijn vooralsnog niet verkrijgbaar.

Wél is duidelijk dat de vraag naar datacentra voor het trainen en huizen van AI alleen maar zal toenemen.³¹

Het draait hoe dan ook niet enkel om het trainen van die modellen, maar ook om het continu laten lopen van de getrainde modellen. Zo wordt ChatGPT haast continu over de hele wereld gebruikt.

Precieze cijfers zijn niet te vinden, enkel brede schattingen. Op basis daarvan zou het continue gebruik van ChatGPT in zijn korte levensspanne van minder dan 1 jaar evenveel stroom hebben gebruikt als tussen de 8.000 en 175.000 individuen – Denen, in het geval van het onderzoek waar deze guesstimate op is gebaseerd.³²

Gebrek aan transparantie over gebruik gedurende ontwikkeling

Een van de belangrijkste redenen dat AI minder efficiënt loopt dan mogelijk, is omdat ontwikkelaars zelden tot nooit gegevens omtrent het trainen van modellen met elkaar delen.

Dit is mogelijk het geval vanwege de competitieve aard van de markt, zoals in het geval van OpenAI (het bedrijf achter ChatGPT).³³ Dat betekent dat de reproduceability – herproduceerbaarheid – van AI en onderzoeken erover in de problemen komt.

Twee documenten op een houten tafel met verborgen informatie

Kort gezegd: iedere ontwikkelaar moet van begin af aan een eigen model opzetten en zelf moet uitvogelen hoe deze te trainen. Dit probleem doet zich ook voor onder academici – zelfs degenen die juist energie-efficiëntie en uitstoot van AI al getrainde willen testen.

Slechts een derde van de auteurs van 400 onderzochte artikelen die Cowls et al. hebben bekeken, waren bereid hun gegevens te delen.
6% deelde hun gebruikte code.
Onderzoekers van de helft van die 400 artikelen deelden onvoldoende informatie om hun onderzoek herhaalbaar te maken.

Dit maakt het exact inschatten van de carbon footprint – koolstofvoetafdruk – van AI een complexe zaak. Het delen van deze informatie is echter cruciaal, omdat het onderzoekers in staat stelt resultaten te reproduceren zonder een lang en ecologisch kostbaar proces van trial-and-error.

Inefficiënte hardware

Hoewel het gissen is naar de exacte hardware die organisaties gebruiken om hun machine-learning-modellen te trainen, is één ding wel duidelijk: de hardware die de kern vormt van AI, en dan vooral GPU’s (graphics processing units) ontwikkelen minder snel dan AI zelf. 🐌

Dat betekent dat GPU’s met ieder nieuw model van een bepaalde AI langer en harder moeten werken om geavanceerde AI te tunen en te trainen, wat tot meer uitstoot leidt.

Daarnaast kunnen we op basis van de gevaren koers in het verleden ook ervan uitgaan dat zelfs efficiëntere hardware niet direct zou betekenen dat AI minder energie zal verslinden.

Het zogeheten rebound effect omvat de neiging die we hebben om – in dit geval – efficiëntere apparatuur meer te belasten, omdat ‘het toch niet zo veel energie verbruikt’. Een bekender voorbeeld hiervan is de neiging om benzine-zuinige auto’s vaker mee op pad te nemen in plaats van te voet te gaan, omdat ‘deze auto toch niet zo veel verbruikt’.

Tel daarbij op dat experts inschatten dat AI-datacentra over enkele jaren zeker 10% van de beschikbare energie nodig hebben om goed te lopen, en dan lopen we tegen een volgend probleem aan: er is simpelweg niet genoeg elektriciteit voor deze eis.

De mogelijke uitkomsten hiervan zijn of marktwerking, waarbij stroom naar de hoogste bieder gaat, of een rem op AI-ontwikkeling. Er is echter wel een sprankje hoop aan de horizon: op het moment van schrijven kun je jezelf al op de wachtlijst zetten voor AI die efficiënter functioneert, en wel op een kleinere server in je eigen huis!

Zo heeft Alpaca, een large language model gebaseerd op ChatGPT’s traindata, een stuk minder energie nodig.³⁴

Misschien vraag je je nu af: “Ik dacht dat ontwikkelaars zo weinig met elkaar deelden over hun AI?” Dat klopt nog steeds. Alpaca gebruikt één van de modellen waarop ChatGPT loopt, meer niet. Het loopt daarbij op veel simpelere, toegankelijkere hardware. Je zou het op commerciële apparatuur – een kleine home server – van onder de $ 600 thuis kunnen draaien.

Nu is dit (vooralsnog?) hoogstwaarschijnlijk ongeschikt voor de ambitieuze klimaatsdoeleinden die we voor ogen hebben, maar het uitzicht op zuinigere hardware die gaandeweg tot steeds meer in staat is, bestaat tenminste.

Waterverbruik

De huidige datacentra waarop AI lopen moeten goed worden gekoeld, omdat de hardware enorm veel hitte produceert. Die hitte moet ergens heen – weg van de dure chips waar AI afhankelijk van is.

Een GPU op een videokaart in een doorsnee computer heeft meestal genoeg aan luchtkoeling: een koeltoren met eventueel een of twee ventilatoren erop om koele lucht aan te trekken, en warme lucht af te voeren. Dat is lang niet genoeg om een datacentrum te koelen, waarin zich tientallen tot honderden GPU’s bevinden.

Hiervoor gebruikt men waterkoeling, en om je een voorbeeld te geven van hoeveel: het geschatte waterverbruik van het trainen van GPT-3, de vorige versie van GPT, bedroeg 3,5 miljoen liter water. Sta daar maar even bij stil …

Resultaten van tunen staan niet in verhouding tot kosten

… en laten we het daarna hebben over het verschil tussen het tunen en trainen van een model. Vergelijk het wederom met een auto: een tune-up is een onderhoudsbeurt, en het trainen omslaat de productie van een nieuwe auto, van begin tot eind.

Bij tunen worden enkele parameters (details in het model) aangepast, waarna het algoritme nogmaals los wordt gelaten op de aangepaste data.³⁵

De ontwikkelaars vergelijken de uitkomst vervolgens met een al gecontroleerde en gevalideerde dataset, en beoordelen vervolgens of de nieuwe, aangepaste data beter is dan de data die het algoritme produceerde vóór de tune-up.

Nu is het zo dat het tunen van een model onredelijk veel energie vraagt, waardoor we ons kunnen – of misschien zelfs moeten – afvragen of het de energie wel waard is.³⁶

Mogelijk wordt dit een ander verhaal als de hardware een stuk efficiënter is, maar ook dan moeten we vooral niet te pas en te onpas modellen blijven tunen als we middels efficiëntere hardware het milieu ook echt willen besparen. Zie onze bespreking over het rebound effect. 😉

Hoe dan ook blijft het feit dat tunen nodig is om modellen (kortgezegd) kleine tussentijdse updates te geven. Gebeurt dit niet, dan gaat het ten koste van de nauwkeurigheid en snelheid/efficiëntie van het model.

De vraag is echter waar de gouden middenweg ligt – wanneer is een model genoeg getuned zonder disproportioneel grote gevolgen op de CO₂-uitstoot? Daar zijn zelfs de experts nog niet over uit.

Onnauwkeurigheden in voorspellingen

Onderzoek heeft aangetoond dat veel AI-modellen onnauwkeurigheden bevatten, en wel om twee redenen.

Historische data

Als we AI inzetten om klimaattrends te voorspellen, moet deze naar bestaande data kijken en op basis hiervan een voorspelling doen. Hierin ondervinden we echter meteen een probleem: het merendeel van de bestaande data komt uit tijden waarin men voor het merendeel kon spreken van ‘natuurlijke’ klimaatverandering – zonder de extreme inbreng van de mens die nu van toepassing is.

Wetenschappers zien het begin van de 19e eeuw als het begin van de menselijke invloed op het klimaat, terwijl we in Nederland rond 1705 begonnen met het bijhouden van het weer.³⁷³⁸

Dat betekent dat AI in zijn voorspellingen ook zou uitgaan dat de mens nog steeds niet echt een rol speelt in klimaatverandering, en daarom ook geen rekening zou houden met de invloed die de mens vandaag de dag heeft op het klimaat.

Biased programmers, biased training data

Bias, ofwel ‘vooroordelen’, is ook vaker aanwezig in AI dan je misschien denkt. Code kan geen bias vertonen en is 100% objectief, toch? Fout. Predictive AI – zoals AI die zou worden ingezet om klimaatverandering te voorspellen – kán bias bevatten.³⁹

Man in geruit hemd zit achter net bureau met drie schermen erop te programmeren

Nu heeft klimaatveranderingsdata en predictive AI niet niets te maken met bias in de zin van discriminatie. Bias kan daarmee te maken hebben, maar in deze zin van het woord kun je beter denken aan bijvoorbeeld availability bias.

Dit is de neiging om keuzes en voorspellingen enkel te baseren op informatie die direct tot je beschikbaar is, in plaats van eventuele gebreken in kennis te identificeren en dit gegeven mee te nemen in de analyse.⁴⁰

Aangezien enkele machine-learning-technieken het menselijke denkpatroon proberen te simuleren, waaronder neural networks, zou ik er niet raar van opkijken als AI soortgelijke denkfouten zouden maken.

Goed, dat is biased data. Daarnaast spreken onderzoekers over biased programmers, ofwel programmeurs die hun vooroordelen in hun code verwerken. Hoewel men bias in AI vaak als een computer-science-probleem ziet, wordt AI (in ieder geval vooralsnog 😉) door mensen gemaakt.

Die mensen werken in organisaties die ze blootstellen aan training, overtuigingen, cultuur, enzovoorts, wat eventueel blijft plakken bij de programmeur en via hem of haar in een algoritme terechtkomt.

Het kan al iets simpels zijn als een overtuiging van een collega die zich laat horen over zijn overtuiging dat methode A beter is dan methode B.

Misschien sluit deze in de praktijk minder goed aan op het beoogde doeleinde, zoals het opzetten van een baanbrekend machine-learning-model om klimaatdata te gebruiken voor nieuwe voorspellingen. Tóch ga je mee met die collega, omdat hij zijn collega’s achter zich heeft staan, en jij je uiteindelijk ook overtuigd voelt. Enfin: bias!

Wegen de voordelen op tegen de nadelen?

Dat blijft een meningskwestie, waarbij – naar onze mening – de meningen van de experts het zwaarste zullen wegen. Zo laat Helder Miguel Delgado, senior manager bij Stravillia Sustainability Hub, ons weten dat er meer investering en onderzoek nodig is in gebieden die AI integreren, alsook onderzoek naar en investering in duurzaamheid, om AI zelf tot een duurzaam hulpmiddel te maken.

Ricardo Fernandez weidt daarover uit:

"Als de AI-toepassingen significant bijdragen aan de verduurzaming van het systeem, dan kan het energieverbruik gerechtvaardigd zijn. [...] Energie-efficiëntie in AI-systemen is onmiskenbaar cruciaal, maar het is slechts een onderdeel van een groter geheel. Het ware potentieel van AI ligt in het vermogen om het ontwerp van baanbrekende technologieën te katalyseren.

[...] Deze samenwerking moet echter worden ondersteund door een sterke toewijding aan duurzaamheid. We moeten onze AI-algoritmen vanaf het begin trainen om zich te richten op het creëren van systemen die beter zijn voor onze planeet en al haar bewoners.

[...] Door de kracht van AI op een bewuste en duurzame manier in te zetten, kunnen we een weg banen naar een toekomst waarin technologische vooruitgang en milieubehoud hand in hand gaan."
Ricardo Fernandez, duurzame-AI-ontwikkelaar bij Sustainable Karma, tegen Technerds

Enkele van de huidige aanbevelingen uit onze verschillende bronnen om AI in de strijd tegen klimaatverandering in te zetten, zonder het milieu verder (en vooral niet onnodig) te belasten, zijn als volgt:

Stimuleer een wereldwijd toonaangevend initiatief om bewijs en geleerde lessen te loggen van AI die wereldwijd anno 2024 dient om klimaatverandering tegen te gaan.
Zet beleidsvormen en richtlijnen op om de onderliggende infrastructuur (o.a. datacentra) op energiebeheer- en uitstootbeperkingsstrategieën te beoordelen en te verbeteren.
Ontwikkel uitstootbeoordelings- en openbaarmakingsnormen voor AI om transparantie van onderzoek te vergroten.
Stimuleer energie-efficiënt en groen onderzoek door EU-financiering afhankelijk te maken van de metingen en rapportages van (geschat) energieverbruik en uitstoot door degenen die financiering willen ontvangen. De hoeveelheid ontvangen financiering kan worden gebaseerd op de geleverde inspanningen om belasting op het milieu te minimaliseren.
Beoordeel bestaande capaciteiten en mogelijkheden voor de toekomst en speel daarop in, en maximaliseer daarbij het potentieel van AI op het gebied van klimaatverandering. Zet bijvoorbeeld AI in om de effecten van bepaalde industrieën op klimaatverandering en vice versa te analyseren, of de impact van ecologische beleidsinterventies te beoordelen middels voorspellende data-analyse.

Conclusie

Het mag duidelijk zijn dat dit een complex onderwerp is. Zowel voorgaand onderzoek als experts laten ons zien dat het gebruik van AI tegen klimaatverandering een zeer goede optie is, maar op het moment zijn de keerzijden van AI niet te onderschatten.

De honderdduizenden kilo's aan CO₂-uitstoot en het grootschalige energieverbruik wekken de vraag of de voordelen van AI in deze race tegen de klok wel opwegen tegen het verbruik.

Het merendeel denkt van wél, maar niet zonder voorwaarden. Zo moet de overheid regels opzetten omtrent het gebruik van AI, zowel binnen als buiten de context van de strijd tegen klimaatverandering, en moeten onderzoekers en ontwikkelaars veel meer gegevens over hun AI-modellen onderling met elkaar delen.

Ook moeten bedrijven toegang krijgen tot de nodige kennis om AI in hun eigen beleidsvoering te verwerken, met het oog op het verduurzamen van hun bedrijf.

Daarbij is het een fijne gedachte dat energie-efficiëntere hardware aan de horizon ligt. Zodra dit toegankelijk is voor AI-ontwikkelaars en server-providers, is de hoop dat datacentra waarop AI lopen, minder energie zullen verbruiken en minder uitstoot zullen produceren.

Wat denk jij? Wegen de voordelen op tegen de nadelen in jouw optiek? We horen het graag van je via het formulier hieronder!

Was dit artikel behulpzaam?

Laat het ons weten, zo worden onze artikelen beter.

Bronnen

Luca Nowak

Auteur

Luca is onze head of content en afgestudeerd psycholoog, en spendeert zijn vrije tijd aan zijn favoriete games en programmeercursussen. Zijn werk en studie hebben hem tot nu toe al het nodige over grammatica, syntax en het onderzoeken van allerlei onderwerpen geleerd – en deze skills ontwikkelt hij al doende verder bij Technerds!

Kan AI Klimaatverandering Tegengaan? De Feiten zijn Minder Rooskleurig dan Je Denkt