Αλλά πολλοί από αυτούς τους ισχυρισμούς, όπως αποδεικνύεται, έχουν πολύ λίγες –αν και καθόλου– πραγματικές αποδείξεις πίσω τους.
Ο Joshi είναι ο συγγραφέας μιας νέας έκθεσης, που κυκλοφόρησε τη Δευτέρα με την υποστήριξη πολλών περιβαλλοντικών οργανώσεων, η οποία επιχειρεί να ποσοτικοποιήσει ορισμένους από τους ισχυρότερους ισχυρισμούς σχετικά με το πώς η τεχνητή νοημοσύνη θα σώσει τον πλανήτη. Ο έκθεση εξετάζει περισσότερους από 150 ισχυρισμούς από εταιρείες τεχνολογίας, ενώσεις ενέργειας και άλλους σχετικά με το πώς “το AI θα χρησιμεύσει ως καθαρό όφελος για το κλίμα“. Η ανάλυση του Joshi διαπιστώνει ότι μόλις το ένα τέταρτο αυτών των ισχυρισμών υποστηρίχθηκαν από ακαδημαϊκή έρευνα, ενώ περισσότερο από το ένα τρίτο δεν ανέφερε δημόσια κανένα στοιχείο.
«Οι άνθρωποι κάνουν ισχυρισμούς σχετικά με το είδος των κοινωνικών επιπτώσεων της τεχνητής νοημοσύνης και τις επιπτώσεις στο ενεργειακό σύστημα – αυτοί οι ισχυρισμοί συχνά στερούνται αυστηρότητας», λέει ο Jon Koomey, ένας ερευνητής ενέργειας και τεχνολογίας που δεν συμμετείχε στην έκθεση του Joshi. “Είναι σημαντικό να μην παίρνετε στην ονομαστική τους αξία τους ιδιοτελείς ισχυρισμούς. Μερικοί από αυτούς τους ισχυρισμούς μπορεί να είναι αληθινοί, αλλά πρέπει να είστε πολύ προσεκτικοί. Νομίζω ότι υπάρχουν πολλοί άνθρωποι που κάνουν αυτές τις δηλώσεις χωρίς ιδιαίτερη υποστήριξη.”
Ένα άλλο σημαντικό θέμα που διερευνά η έκθεση είναι τι είδος της τεχνητής νοημοσύνης, ακριβώς, μιλάνε οι εταιρείες τεχνολογίας όταν μιλούν για την τεχνητή νοημοσύνη που σώζει τον πλανήτη. Πολλοί τύποι τεχνητής νοημοσύνης είναι λιγότερο ενεργοβόροι από τα μοντέλα παραγωγής, με επίκεντρο τον καταναλωτή που κυριαρχούν στα πρωτοσέλιδα τα τελευταία χρόνια, τα οποία απαιτούν τεράστια ποσά υπολογισμού και ισχύος για την εκπαίδευση και τη λειτουργία τους. Η μηχανική μάθηση αποτελεί βασικό στοιχείο πολλών επιστημονικών κλάδων για δεκαετίες. Αλλά είναι η μεγάλης κλίμακας τεχνητή νοημοσύνη που δημιουργείται – ειδικά εργαλεία όπως το ChatGPT, ο Claude και το Google Gemini – που είναι το επίκεντρο του κοινού για τη δημιουργία υποδομών πολλών εταιρειών τεχνολογίας. Η ανάλυση του Joshi διαπίστωσε ότι σχεδόν όλοι οι ισχυρισμοί που εξέτασε συνδύαζαν πιο παραδοσιακές, λιγότερο ενεργοβόρες μορφές τεχνητής νοημοσύνης με τη γενετική τεχνητή νοημοσύνη που εστιάζει στον καταναλωτή που οδηγεί σε μεγάλο μέρος της δημιουργίας κέντρων δεδομένων.
Ο David Rolnick είναι επίκουρος καθηγητής επιστήμης υπολογιστών στο Πανεπιστήμιο McGill και πρόεδρος της Climate Change AI, μιας μη κερδοσκοπικής οργάνωσης που υποστηρίζει τη μηχανική μάθηση για την αντιμετώπιση κλιματικών προβλημάτων. Ανησυχεί λιγότερο από τον Joshi για την προέλευση των εταιρειών Big Tech για τον αντίκτυπο της τεχνητής νοημοσύνης στο κλίμα, δεδομένου του πόσο δύσκολο είναι, λέει, να αποδειχθεί ποσοτικά ο αντίκτυπος σε αυτόν τον τομέα. Αλλά για τον Rolnick, η διάκριση μεταξύ των τύπων εταιρειών τεχνολογίας τεχνητής νοημοσύνης που διαφημίζουν ως ουσιαστικούς είναι ένα βασικό μέρος αυτής της συζήτησης.
«Το πρόβλημά μου με τους ισχυρισμούς που γίνονται από μεγάλες εταιρείες τεχνολογίας σχετικά με την τεχνητή νοημοσύνη και την κλιματική αλλαγή δεν είναι ότι δεν έχουν ποσοτικοποιηθεί πλήρως, αλλά ότι βασίζονται σε υποθετική τεχνητή νοημοσύνη που δεν υπάρχει τώρα, σε ορισμένες περιπτώσεις», λέει. «Πιστεύω ότι ο όγκος των εικασιών σχετικά με το τι μπορεί να συμβεί στο μέλλον με τη γενετική τεχνητή νοημοσύνη είναι τρομερός».
Ο Rolnick επισημαίνει ότι από τεχνικές για την αύξηση της αποτελεσματικότητας στο δίκτυο, μέχρι μοντέλα που μπορούν να βοηθήσουν στην ανακάλυψη νέων ειδών, η βαθιά μάθηση χρησιμοποιείται ήδη σε μυριάδες τομείς σε όλο τον κόσμο, συμβάλλοντας στη μείωση των εκπομπών και στην καταπολέμηση της κλιματικής αλλαγής αυτή τη στιγμή. “Αυτό είναι διαφορετικό, ωστόσο, από το “Κάποια στιγμή στο μέλλον, αυτό μπορεί να είναι χρήσιμο”, λέει. Επιπλέον, «υπάρχει αναντιστοιχία μεταξύ της τεχνολογίας που εργάζονται από μεγάλες εταιρείες τεχνολογίας και των τεχνολογιών που τροφοδοτούν πραγματικά τα οφέλη που ισχυρίζονται ότι υποστηρίζουν». Ορισμένες εταιρείες μπορεί να διαλαλούν παραδείγματα αλγορίθμων που, για παράδειγμα, βοηθούν στην καλύτερη ανίχνευση πλημμυρών, χρησιμοποιώντας τα ως παραδείγματα τεχνητής νοημοσύνης για να διαφημιστούν για τα μεγάλα γλωσσικά μοντέλα τους—παρά το γεγονός ότι οι αλγόριθμοι που βοηθούν στην πρόβλεψη πλημμυρών δεν είναι ο ίδιος τύπος τεχνητής νοημοσύνης με ένα chatbot που απευθύνεται σε καταναλωτές.
VIA: popsci.com
