در تقاطع نجات زمین و منطق بازار
عصر ما عصر بحران‌های اقلیمی، گرمایش جهانی و بحران انرژی است. عصری که بشریت و سیستم اقتصادی و اجتماعی او را با چالش‌های سرنوشت‌سازی روبه‌رو کرده است. در این دوره است که مسئله فناوری مقابله با تغییرات اقلیمی برای ما بسیار حائزاهمیت است. اما شاید نحوه بکارگیری فناوری و بستری که در آن به‌کار گرفته می‌شود، از اهمیت بیشتری برخوردار باشد. فناوری هوش‌مصنوعی به‌عنوان ابزاری نوین برای مقابله با این بحران‌ها مطرح می‌شود، اگرچه اتکای صرف به آن، علاجی برای عصر ما نخواهد بود، اما در بستر مناسب می‌تواند نور امیدی را برای مقابله با تغییرات اقلیم و امکان‌های تاب‌آوری در برابر آن، روشن نگه دارد. در روز ملی فناوری اطلاعات، به امکان‌ّهای تاثیرگذاری هوش‌مصنوعی بر حفاظت از محیط‌زیست و مقابله با تغییرات اقلیمی می‌پردازیم.
رنگ‌هایی با توان خنک‌سازی شهر
گرمایش جهانی و پدیده «جزیره حرارتی شهری (Urban Heat Island)» به یکی از معضلات جدی کلانشهرها تبدیل شده است. این پدیده باعث افزایش دما در مناطق شهری نسبت به مناطق روستایی اطراف می‌شود و نیاز به سیستم‌های خنک‌کننده را به‌شدت افزایش می‌دهد که به‌نوبه خود مصرف انرژی و انتشار گازهای گلخانه‌ای را بالا می‌برد. حالا، پژوهشگران با بهره‌گیری از هوش‌مصنوعی موفق شده‌اند، رنگ‌هایی نوین بسازند که قادر است دمای سطح ساختمان‌ها را بین ۵ تا ۲۰ درجه سانتیگراد کمتر از رنگ‌های معمولی نگاه دارد. این رنگ‌ها می‌تواند مصرف برق برای سیستم‌های تهویه را به‌طرز چشمگیری کاهش دهند و نقش مهمی در کاهش اثرات تغییرات اقلیمی ایفا کنند.
این پروژه، نمونه‌ای برجسته از همکاری علمی جهانی، با مشارکت پژوهشگران از دانشگاه‌های تگزاس (آستین)، شانگهای جیاوتونگ، دانشگاه ملی سنگاپور و دانشگاه اومئو در سوئد انجام شده و نتایج آن در نشریه علمی Nature منتشر شده است. این تیم با استفاده از یادگیری ماشین، موفق به طراحی رنگ‌هایی شده است که با انعکاس موثرتر نور خورشید و تابش حرارت، از داغ شدن بیش از حد سطوح جلوگیری می‌کنند. طبق یافته‌های این مطالعه، تنها با استفاده از این رنگ‌ها در پشت‌بام یک ساختمان چهارطبقه در اقلیم‌هایی چون ریو دو ژانیرو یا بانکوک، سالانه معادل ۱۵هزار و ۸۰۰ کیلووات‌ساعت صرفه‌جویی در برق ممکن است. این مقدار قابل‌توجه است، اما تاثیرگذاری واقعی زمانی آشکار می‌شود که بدانیم اگر این رنگ‌ها در هزار ساختمان اعمال شود، می‌تواند به‌اندازه تامین برق سالانه بیش از 10 هزار دستگاه کولر گازی صرفه‌جویی ایجاد کند.
یکی از نکات جالب این تحقیق، تغییر روش طراحی مواد است. اکنون دانشمندان می‌توانند ویژگی‌های موردنظر خود را به مدل هوش‌مصنوعی اعلام کرده و سپس فرمول ساخت آن ماده را دریافت کنند. این روند نه‌تنها زمان توسعه مواد را به‌طرزچشمگیری کاهش می‌دهد، بلکه امکان کشف موادی را فراهم می‌کند که پیش‌تر اصلا در ذهن بشر خطور نکرده بود و به روش‌های سنتی قابل‌دستیابی نبود. این پارادایم جدید، درهای جدیدی را به‌سوی نوآوری‌های مادی باز می‌کند. این رنگ‌های نوین می‌توانند علاوه بر ساختمان‌ها، در بخش‌های دیگر نیز به‌کار رود که از جمله آنها می‌توان به استفاده در پوشش خودروها و قطارها برای کاهش نیاز به سیستم‌های خنک‌کننده و در نتیجه کاهش مصرف سوخت، در تجهیزات الکترونیک برای محافظت در برابر گرما و افزایش طول عمر و کارآیی آنها و همین‌طور در زیرساخت‌های شهری برای کاهش دمای عمومی محیط، به‌ویژه در مناطق دارای آسفالت و بتن گسترده اشاره کرد.
تحولی در مواد صنعتی
پیشرفت در این زمینه محدود به رنگ‌های خنک‌کننده نیست. سال گذشته، شرکت بریتانیایی MatNex نیز با بهره‌گیری از هوش‌مصنوعی، نوعی آهن‌ربای دائمی برای موتورها طراحی کرد که بدون فلزات خاکی کمیاب ساخته می‌شود؛ عناصری که استخراج آنها آسیب محیط‌زیستی زیادی دارد.
تولید این آهن‌ربا با کاهش هزینه مواد تا ۲۰ درصد همراه بوده است. همچنین باعث کاهش ۷۰ درصد انتشار کربن مواد به‌ازای هر کیلوگرم نسبت به آهن‌رباهای سنتی مبتنی بر فلزات خاکی شده است. این پیشرفت یک نمونه برجسته از توانایی هوش‌مصنوعی در کشف سریع و مقرون‌به‌صرفه مواد جدید با اثربخشی صنعتی است. آهن‌ربای MagNex می‌تواند در چندین بازار حیاتی از جمله موتورهای الکتریکی در خودروهای برقی، توربین‌های بادی، رباتیک و درون‌ها کاربرد داشته باشد.
کاهش انتشار در حمل‌ونقل، انرژی و غذا
پژوهش دیگری که به‌تازگی منتشر شده به بررسی دقیق ظرفیت‌های هوش‌مصنوعی در کاهش گازهای گلخانه‌ای پرداخته و نتایجی ارائه داده است که در عین امیدبخش بودن، نکات هشداردهنده‌ای نیز در خود دارد. طبق این گزارش که به سرپرستی اقتصاددان بریتانیایی، نیکولاس استرن بوده، هوش‌مصنوعی می‌تواند در 3 حوزه کلیدی حمل‌ونقل، انرژی و غذا نقش چشمگیری در کاهش آلاینده‌ها ایفا کند. این 3 بخش در مجموع مسئول حدود نیمی از انتشار گازهای گلخانه‌ای در سطح جهانی است، بنابراین کاهش حتی جزئی در این زمینه‌ها تاثیر قابل‌توجهی بر پایداری محیط‌زیست خواهد داشت. برخی کاربردهای عملی و نویدبخش هوش‌مصنوعی در این زمینه شامل افزایش بهره‌وری انرژی‌های تجدیدپذیر است. الگوریتم‌های یادگیری ماشینی می‌تواند برای پیش‌بینی دقیق تولید برق از منابعی چون باد و خورشید مورداستفاده قرار گیرد. این پیش‌بینی‌ها به بهینه‌سازی توزیع انرژی در شبکه برق کمک کرده و از هدر رفتن انرژی جلوگیری می‌کند. از دیگر کاربردهای هوش‌مصنوعی در این‌باره باید به افزایش کیفیت گوشت‌های آزمایشگاهی اشاره کرد. هوش‌مصنوعی می‌تواند در شناسایی پروتئین‌های مناسب و بهینه‌سازی فرآیندهای تولید، به بهبود طعم و بافت گوشت‌های مصنوعی کمک کند. این امر می‌تواند وابستگی به دامپروری سنتی را کاهش داده و به کاهش انتشار متان و دیگر گازهای گلخانه‌ای مرتبط با این صنعت یاری رساند.
همچنین هوش‌مصنوعی این امکان را می‌دهد که هزینه‌های خودروهای برقی کاهش پیدا کرده و از جذابیت بیشتری برخوردار شود. از طریق تحلیل داده‌های مربوط به باتری‌ها و یافتن مکان‌های بهینه برای ایستگاه‌های شارژ، هوش‌مصنوعی می‌تواند زیرساخت خودروهای برقی را بهبود بخشد و استفاده از آنها را برای مصرف‌کنندگان جذاب‌تر و مقرون‌به‌صرفه‌تر کند. این امر به کاهش انتشار کربن از وسایل نقلیه سوخت فسیلی منجر می‌شود.
براساس تخمین این پژوهش، استفاده گسترده از هوش‌مصنوعی در 3 بخش حمل‌ونقل، غذا و انرژی می‌تواند تا سال ۲۰۳۵ منجر به کاهش ۳.۲ تا ۵.۴ میلیارد تن دی‌اکسیدکربن شود. این مقدار معادل حدود ۲۵ درصد از کل انتشار این بخش‌ها است. اگرچه عدد «۵.۴ میلیارد تن کاهش» وابسته به پذیرش گسترده فناوری، سیاست‌گذاری حمایتی و سرمایه‌گذاری‌های گسترده است. در نتیجه نباید این ارقام را قطعی دانست، بلکه تنها باید آن را به‌عنوان یک سناریوی ممکن در نظر گرفت. نکته قابل‌توجه اینجا است که حتی در سناریوی محافظه‌کارانه، استفاده از هوش‌مصنوعی می‌تواند تا سال ۲۰۳۵ حدود ۳.۲ میلیارد تن دی‌اکسیدکربن را کاهش دهد؛ رقمی که طبق برخی برآوردها، بیش از ردپای کربن فعلی مراکز داده و سیستم‌های هوش‌مصنوعی در سطح جهانی است. این موضوع، ظرفیت خالص و مثبت AI در مسیر کاهش تغییرات اقلیمی را برجسته می‌کند؛ البته به‌شرط توسعه مسئولانه این فناوری در بستر اقتصادی که همسو با رفاهیات اجتماعی و حفاظت محیط‌زیست باشد. شرکت DeepMind، زیرمجموعه گوگل، موفق شده است با استفاده از هوش‌مصنوعی ارزش انرژی تولیدی توسط توربین‌های بادی را حدود ۲۰ درصد افزایش دهد. این دستاورد به‌معنای بهره‌وری بیشتر از منابع تجدیدپذیر و کاهش نیاز به سوخت‌های فسیلی است. همچنین، با استفاده از الگوریتم‌های پیشرفته، مصرف انرژی در مراکز داده گوگل برای سیستم‌های خنک‌کننده تا ۴۰ درصد کاهش یافته که نمونه‌ای بارز از ظرفیت هوش‌مصنوعی در بهینه‌سازی مصرف انرژی در مقیاس وسیع است. مدل AlphaFold یک سیستم هوش‌مصنوعی پیشرفته است که توسط شرکت DeepMind توسعه یافته و هدف اصلی آن پیش‌بینی ساختار سه‌بعدی پروتئین‌ها از روی توالی آمینواسیدی‌شان است. این مدل توانسته ساختار میلیون‌ها پروتئین را پیش‌بینی کند؛ موفقیتی که می‌تواند انقلابی در زمینه تولید غذاهای جایگزین مانند گوشت‌های گیاهی و آزمایشگاهی ایجاد کند. این پیشرفت‌ها نه‌تنها در آزمایشگاه‌ها محدود نمانده، بلکه به‌سرعت در حال یافتن راه خود به دنیای واقعی و ایجاد تاثیرات ملموس محیط‌زیستی است. اما در کنار امیدواری‌ها و فرصت‌هایی که هوش‌مصنوعی ارائه می‌دهد، برخی واقعیت‌های نگران‌کننده و چالش‌های جدی نیز وجود دارد که نباید از آنها غافل شد. نخست اینکه بسیاری از پروژه‌های مبتنی بر هوش‌مصنوعی که در محیط آزمایشگاهی موفق بوده، در دنیای واقعی با چالش‌های فراوانی مواجه است. برای نمونه، پژوهشی از شرکت Meta که هدف آن جذب کربن از جو بود، به‌دلیل کمبود دقت علمی و مشکلات در مقیاس‌پذیری موردانتقاد قرار گرفت. این نشان می‌دهد که موفقیت‌های آزمایشگاهی همیشه به‌معنای کاربرد گسترده و موثر در مقیاس واقعی نیست. دوم آنکه، هوش‌مصنوعی تنها در خدمت محیط‌زیست نیست. این فناوری قدرتمند می‌تواند در جهات متضاد با اهداف محیط‌زیستی نیز به کار گرفته شود. شرکت‌های نفتی بزرگی از جمله Aramco اعلام کرده‌اند که از هوش‌مصنوعی برای بهینه‌سازی عملیات استخراج نفت و گاز استفاده می‌کنند. این کاربردها، اگرچه از نظر اقتصادی برای این شرکت‌ها سودآور است، اما در تضاد کامل با اهداف کاهش انتشار کربن و گذار به انرژی‌های پاک قرار می‌گیرد. این دوگانگی در کاربرد، یک چالش اساسی در مسیر بهره‌برداری صحیح از هوش‌مصنوعی برای منافع سیاره است. مسئله سوم نبود انگیزه‌های اقتصادی در بستر تولیدی سرمایه‌دارانه است که مانعی اساسی در بهره‌گیری گسترده از هوش‌مصنوعی برای مقابله با تغییرات اقلیمی قلمداد می‌شود. توسعه سامانه‌های هوش‌مصنوعی برای شرکت‌های بزرگ نفتی که به‌دنبال افزایش بهره‌وری در استخراج سوخت‌های فسیلی هستند، اغلب سودآورتر از توسعه این فناوری برای شرکت‌های برق در بازارهای نوظهور است؛ حتی اگر مورد دوم از نظر محیط‌زیستی تاثیرگذارتر و حیاتی‌تر باشد. این عدم‌تطابق بین سودآوری و تاثیر محیط‌زیستی، یک چالش عمده برای جذب سرمایه‌ها و امکان‌ها به‌سمت پروژه‌های سبز هوش‌مصنوعی است. مثالی در این زمینه، تجربه جک کلی، مهندس سابق DeepMind است که در سال ۲۰۱۷ پروژه‌ای برای همکاری با شبکه برق بریتانیا با هدف افزایش استفاده از انرژی‌های تجدیدپذیر را آغاز کرد. اگرچه این پروژه در ابتدا نویدبخش بود و ظرفیت بالایی را نشان می‌داد، اما به دلایلی نامعلوم متوقف شد. در واقع با وجود اینکه هر لحظه در حال از دست دادن زمان برای جلوگیری از تغییرات هولناک اقلیمی هستیم، فناوری‌هایی که می‌تواند به کمک ما بیاید، قربانی رقابت‌های اقتصادی و منافع شرکت‌ها می‌شود. هوش‌مصنوعی مانند دیگر فناوری‌ها در چارچوب نظام سرمایه‌داری عمل می‌کند که اساسا بر انباشت سود و رشد اقتصادی بی‌پایان متمرکز است. این منطق غالبا باعث می‌شود هوش‌مصنوعی در خدمت افزایش بهره‌وری و سودآوری صنایع و شرکت‌ها قرار گیرد، نه در خدمت اهداف پایدار محیط‌زیستی. بنابراین، فناوری‌های هوش‌مصنوعی ممکن است بدون تغییر در ساختارهای اقتصادی و اجتماعی، نتواند به کاهش واقعی تخریب محیط‌زیستی کمک کند. از طرف دیگر، هرچند هوش‌مصنوعی می‌تواند بهره‌وری را افزایش دهد و مصرف منابع را کاهش دهد، اما به‌صورت‌کلی باعث ارزان‌تر شدن و تسهیل تولید و مصرف می‌شود. این امر ممکن است موجب افزایش کلی مصرف انرژی و منابع طبیعی شود، به‌گونه‌ای‌که صرفه‌جویی‌های جزئی در فناوری توسط مصرف افزایشی خنثی شود یا حتی از بین برود.
هوش‌مصنوعی در سیستم‌های پیچیده مانند اکوسیستم‌ها یا مدل‌های تغییر اقلیم، ممکن است پیامدهای غیرمنتظره و ناخواسته‌ای ایجاد کند. عدم‌شفافیت کامل مدل‌ها و پیش‌بینی‌ناپذیری اثرات آن می‌تواند منجر به تصمیم‌گیری‌های نادرست و آسیب‌زایی‌های گسترده شود. همچنین فناوری‌های هوش‌مصنوعی پیشرفته، به‌ویژه مدل‌های بزرگ، نیازمند مصرف گسترده انرژی (برای مثال در مراکز داده) و منابع نادر است که خود می‌تواند به افزایش آلودگی و استخراج معادن و تخریب محیط‌زیست منجر شود. در نتیجه، استفاده بی‌رویه و بدون مدیریت هوشمندانه از هوش‌مصنوعی می‌تواند خود یکی از منابع بحران‌های محیط‌زیستی باشد.
علاوه بر این موارد باید به تمرکز فناوری و نابرابری‌های اجتماعی در این زمینه اشاره کرد. دسترسی به فناوری‌های هوش‌مصنوعی معمولا محدود به کشورهای پیشرفته و شرکت‌های بزرگ است که می‌تواند نابرابری‌های اجتماعی و اقتصادی را تشدید کرده و بر توزیع نامتناسب منابع و آسیب‌های محیط‌زیستی بیافزاید. فناوری به‌تنهایی بدون توجه به عدالت‌اجتماعی، نمی‌تواند بحران‌های محیط‌زیستی را حل کند. ضمن اینکه نگاه به هوش‌مصنوعی و فناوری به‌عنوان «نجات‌دهنده» می‌تواند موجب نوعی بی‌تفاوتی نسبت به تغییرات ساختاری در سبک زندگی، الگوهای مصرف و سیاست‌گذاری شود. این نگرش، پیشرفت واقعی در حفاظت از محیط‌زیست را به‌تعویق می‌اندازد. توسعه و کاربرد هوش‌مصنوعی نیازمند چارچوب‌های اخلاقی و نظارتی دقیق است تا از سوءاستفاده‌ها و عواقب منفی آن جلوگیری شود. نبود یا ضعف این چارچوب‌ها می‌تواند منجر به کاربردهای مخرب فناوری در حوزه‌های محیط‌زیستی و اجتماعی شود. همچنین نباید غافل بود که نظام سودمحور اقتصادی با کنترل دستاوردهای علمی و کالایی‌سازی آنها، دسترسی به تازه‌ترین پیشرفت‌های بشری را محدود می‌کند و تحت‌کنترل قرار می‌دهد،چراکه دستاوردهای علمی و فناوری به‌جای اینکه به صورت آزادانه و عمومی در دسترس همه قرار بگیرد، به کالا تبدیل می‌شود و مالکیت آنها در اختیار شرکت‌ها یا افراد خاص باقی می‌ماند. این مالکیت انحصاری باعث می‌شود که دسترسی به این پیشرفت‌ها محدود شود و برنامه‌ریزی‌های زمانی برای ارائه آنها در فواصل مختلف انجام بگیرد. ضمن اینکه تنها کسانی که توان مالی دارند، می‌توانند از آنها بهره‌مند شوند. برای مثال در بسیاری از نقاط جهان، شرکت‌های بزرگ فناوری مانند گوگل، اپل یا استارلینک فناوری‌های پیشرفته ارتباطی مانند اینترنت ماهواره‌ای، گوشی‌های هوشمند نسل جدید یا شبکه‌های ۵G را در اختیار دارند. این شرکت‌ها با ثبت اختراعات، کنترل تولید و تعیین قیمت، عرضه این فناوری‌ها را به‌شکل مرحله‌ای و محدودشده در بازار جهانی برنامه‌ریزی و در بازار ارائه می‌کنند.
سخن پایانی
هوش‌مصنوعی، با تمام توان و پیچیدگی‌های فنی‌اش، نمی‌تواند به‌تنهایی ناجی زمین باشد. همان‌طور که در این گزارش دیده شد، این فناوری در بستر مناسب می‌تواند ابزار توانمندی برای کاهش مصرف انرژی، بهبود بهره‌وری و نوآوری در مواد و روش‌ها باشد. اما بهره‌برداری از آن برای حفاظت محیط‌زیست، تنها در صورتی ممکن است که در چارچوبی عدالت‌محور، اخلاقی و برنامه‌ریزی‌شده قرار گیرد. فناوری، ذاتا خنثی است؛ این انسان‌ها و ساختارهای اجتماعی و اقتصادی هستند که به آن جهت می‌دهند.
