Maar veel van deze beweringen blijken weinig of geen echt bewijs te bevatten.
Joshi is de auteur van een nieuw rapport, dat maandag is vrijgegeven met steun van verschillende milieuorganisaties, en dat een aantal van de meest spraakmakende beweringen wil kwantificeren over hoe AI de planeet zal redden. Dat rapport verder kijken dan de beweringen van technologiebedrijven, energieverenigingen en anderen over hoe “AI netto klimaatvoordelen zal opleveren.” Uit Joshi’s analyse bleek dat slechts een kwart van de beweringen werd ondersteund door academisch onderzoek, terwijl meer dan een derde niet openlijk enig bewijs aanhaalde.
“Mensen doen uitspraken over de sociale impact van AI en de impact ervan op het energiesysteem – die uitspraken schieten vaak tekort”, zegt Jon Koomey, een energie- en technologieonderzoeker die niet betrokken was bij Joshi’s rapport. “Het is belangrijk om beweringen die op eigen kracht gericht zijn niet voor de gek te houden. Sommige daarvan kunnen waar zijn, maar je moet heel voorzichtig zijn. Ik denk dat er veel mensen zijn die deze uitspraken doen zonder veel steun.”
Een ander belangrijk onderwerp dat in dit rapport wordt onderzocht, is wat Goed over AI, precies, dat is waar technologiebedrijven het over hebben als ze het hebben over AI die de planeet redt. Veel soorten AI zijn minder energie-intensief dan de consumentgerichte generatieve modellen die de afgelopen jaren de krantenkoppen hebben gedomineerd, en die enorme hoeveelheden rekenkracht (en kracht) vereisen om te trainen en te functioneren. Machine learning is al tientallen jaren een belangrijk onderdeel van veel wetenschappelijke disciplines. Maar het is grootschalige generatieve AI (vooral tools als ChatGPT, Claude en Google Gemini) die de publieke focus vormen van de infrastructuurconstructies van de meeste technologiebedrijven. Uit Joshi’s analyse bleek dat bijna alle door hem onderzochte beweringen meer traditionele, minder energie-intensieve vormen van AI combineerden met de consumentgerichte generatieve AI die veel datacenterconstructies aanstuurt.
David Rolnick is assistent-professor computerwetenschappen aan McGill University en voorzitter van Climate Change AI, een non-profitorganisatie die pleit voor machinaal leren om klimaatproblemen aan te pakken. Hij maakt zich minder zorgen dan Joshi over waar grote technologiebedrijven vandaan komen als ze weten wat de impact van AI op het klimaat is, gegeven hoe moeilijk het is, zegt hij, om de impact op dit gebied kwantitatief te bewijzen. Maar voor Rolnick is het onderscheid tussen de soorten AI-technologiebedrijven die als belangrijk worden beschouwd een belangrijk onderdeel van deze discussie.
“Mijn probleem met de beweringen van grote technologiebedrijven over AI en klimaatverandering is niet dat ze niet volledig meetbaar zijn, maar dat ze vertrouwen op hypothetische AI die in sommige gevallen vandaag de dag niet bestaat”, zei hij. “Ik denk dat de hoeveelheid speculatie over wat er in de toekomst zou kunnen gebeuren met generatieve AI absurd is.”
Rolnick wijst erop dat deep learning al in verschillende sectoren over de hele wereld wordt gebruikt, van technieken om de efficiëntie van het elektriciteitsnet te verbeteren tot modellen die kunnen helpen bij het ontdekken van nieuwe soorten, om de uitstoot te verminderen en de klimaatverandering te bestrijden. “Maar dit is anders dan ‘Op een bepaald punt in de toekomst kan dit nuttig zijn’, zei hij. Bovendien “is er een discrepantie tussen de technologieën die door grote technologiebedrijven worden ontwikkeld en de technologieën die daadwerkelijk de voordelen bieden die zij claimen.” Sommige bedrijven kunnen voorbeelden aandragen van algoritmen die bijvoorbeeld helpen overstromingen beter te detecteren, en gebruiken deze als voorbeelden van AI om reclame te maken voor hun grote taalmodellen – ondanks het feit dat de algoritmen die helpen bij het voorspellen van overstromingen niet hetzelfde type AI zijn als de chatbots die consumenten gebruiken.
