國際趨勢

文章分類按鈕

減碳得力小幫手:人工智慧如何幫助減少碳排

 

 

人工智慧運用在各個不同的領域中,能夠有效幫助減少碳排。彭博綠色表示,人工智慧主要有5種應用:簡化並分析結果、優化複雜系統、加速科學研發、縮短氣候模型分析時間以及精確預測結果。例如新創公司Clir運用大數據及人工智慧,協助再生能源發電廠的發電效率優化、降低不確定性,使它們財務更加穩定。然而,人工智慧也是一體兩面,在其他科技運用上,也可能導致碳排量增加。

 

 

 

席捲全球的綠色旋風,提高了全民環保永續的意識。當人們提到氣候風險的相關解決辦法時,最先想到的不外乎是「電力化」、「回收利用」、「再生能源」或是「永續農業」等。但是「大數據」與「人工智慧」卻不常第一時間會聯想到,因為這些領域並沒有直接顯現它們對於氣候的重要貢獻。然而,他們默默的為全球永續、解決氣候變遷方面有所貢獻。

 

 

人工智慧協助減少碳排

 

根據彭博綠色(Bloomberg Green)表示,人工智慧主要有5種應用來幫助氣候:

 

1. 將雜亂的數據濃縮成為可見易懂的分析結果。

例如資料分析公司Kayrros運用衛星圖片以及機器學習,分析並指出有甲烷洩漏的地區。

 

2. 優化複雜的系統。

美德公司Fero Labs運用機器學習,協助水泥、鋼鐵、化學等碳密集的公司優化它們的能源使用效率。WeaveGrid公司則是運用人工智慧,幫助電力網絡營運商更好的整合電動汽車充電系統。

 

3. 加速相關科學研發。

新創公司Aionics運用人工智慧,幫助加速新電池材料的實驗進行。

 

4. 縮短氣候模型模擬分析時間。

氣候相關研究人員運用人工智慧技術,縮短運行龐大複雜模型的時間。

 

5. 精確預測結果。

新創公司Kettle運用神經網絡技術,優化預測野火風險的精確度。

 

 

 

再生能源發電廠發展困境,人工智慧來解決

 

然而在氣候風險解決辦法中,最常見的「再生能源」領域有一大缺點:發電的間歇性(並不能無時無刻24小時發電)。雖然再生能源發電的間歇性問題可以透過大型電力儲存站來協助過渡無法發電的時期,但是該缺點仍然會增加再生能源發電廠的不確定性,並進一步影響了它們的財務問題。

 

當它們面臨需要融資時,所提交的發電量及價格展望報告書中,不準確的預測結果會使銀行等金融機構面臨較大風險,進而增加貸款利率。若是遇到合併與收購案件時,也會因為它們的再生能源資產生產力的預估而提供相對應的籌碼。

 

新創公司Clir運用資料科學以及人工智慧,透過整合來自風能以及太陽能發電廠所有單元的海量數據,瞭解再生能源發電廠如何在不同環境條件下運作的。最後分析並幫助優化再生能源廠的發電效率,以及降低不確定性。也因為如此,Clir新創的技術使再生能源發電廠吸引更多投入資金,促進再生能源領域的商轉以及擴大發展。

 

 

人工智慧也會增加碳排

 

世界上沒有東西是完美的,人工智慧若運用得當,可以透過在不同領域的運用幫助減少碳排。然而,也會在一些領域的運用中,造成碳排的增加。

 

舉例來說,科技巨頭公司運用人工智慧方案,優化石油與天然氣的探勘與開採,進而增加化石燃料的生產量;零售業者透過智能推薦功能刺激大眾增加消費量;自駕車的發明未來可能極大程度的增加總駕駛距離。

 

以上例子,常人可能會下意識認為是一個新穎且便民的科技,但若再仔細深思便會發現,這些人工智慧所提供的科技,最後也可能帶來更多溫室氣體。

 

 

 

enlightened 圖片來源:Background vector created by starline - www.freepik.com

mail 資料來源:

Artificial Intelligence Could Dramatically Speed Up Climate Action

Fighting Climate Change With Big Data: Clir And SINAI Technologies

yes 編譯:台灣企業永續研訓中心 (CCS) / 冠豪