AI-teknik skulle, i teorin, kunna bidra till att lösa 134 av FN:s globala hållbarhetsmål (90% av miljömålen, 70% av de ekonomiska och 82% av de sociala målen.) Men AI kan också vara ett hinder för 59 av dem (Nature Communications, 2019).
Den kraft som krävs för att träna och köra AI-modeller är enorm, och många datacenter drivs fortfarande av traditionella energikällor. Storskalig användning av AI förväntas/förfasas kunna förbruka lika mycket el årligen som en mindre nation, till exempel Sveriges. Att kyla datacenter kräver också ofta stora mängder vatten, vilket förvärrar läget i redan torkdrabbade regioner (MIT Technology Review, 2024).
Träningen av stora språkmodeller som GPT-3 kräver miljontals liter färskvatten. Och bara för att besvara mellan 10 och 50 förfrågningar från modellen går det åt ungefär en halv liter vatten. Prognoser visar att AI-system kommer att konsumera upp till 6,6 miljarder kubikmeter vatten per år senast 2027, vilket motsvarar nästan hälften av Storbritanniens årliga vattenförbrukning (eller 500 miljarder koppar kaffe).
När AI kan drivs med förnybar energi, som sol, vind eller vatten, blir klimatpåverkan ett mindre problem, men så är ju inte fallet överallt. Microsoft har lovat att deras datacenter ska bli koldioxidnegativa till 2030, såklart en mycket viktig riktning för hela branschen att följa.
Samtidigt används AI redan i flera konkreta hållbarhetsinitiativ som påverkar både miljö, ekonomi och sociala aspekter positivt. Här kommer några exempel på både globala och lite mer lokala initiativ och företag som kanske kan inspirera till möjligheter.
AI-drivna lösningar används för optimering som minskar både driftkostnader och utsläpp för de organisationer och privatpersoner som använder dem. Att optimera värme, ventilation, luftkonditionering, belysning och användning av apparater, har stor potential att minska energiförbrukning.
Siemens smarta fabriker använder AI och digitala system för att övervaka och optimera produktionen i realtid. När de kopplar samman data från hela produktionskedjan kan fabrikerna minska energianvändning, öka effektiviteten och fatta självjusterande beslut som förbättrar både kvalitet på produkter och resursanvändning.
I Singapore har JTC, som ansvarar för utvecklingen av landets industriella infrastruktur, använt Microsoft Cloud för att övervaka, analysera och optimera byggnader. Genom att analysera sensordata kan de identifiera och åtgärda fel redan innan de händer för att minska reparationskostnader och stillestånd, och de får lägre driftskostnad genom optimerad energianvändning. Även kanadensiska BrainBox erbjuder AI-tjänster för att optimera värme, ventilation, luftkonditionering i byggnader med potential att minska energiförbrukningen med upp till 25%.
På Göteborgs universitet har man tagit fram maskininlärningsmodeller som testas och tränas för att känna igen marina arter, men även icke-biologiska former, som trålspår på havsbotten. Användaren laddar upp bilder eller videor till en server, och bildmaterialet analyseras. Tekniken kan användas för till exempel kartläggning av musselbankar i Östersjön eller storleksutvecklingen hos fisksamhällen. Du kan säkert komma på fem exempel till på rak arm. Det här gör det såklart möjligt att upptäcka förändringar i den marina miljön till en helt annan kostnad än tidigare.
I samma anda använder organisationen Rainforest Connection AI tillsammans med gamla mobiltelefoner för att upptäcka illegal avverkning (ljud från motorsågar) i realtid genom ljudanalys. Samma lösning används samtidigt också för att identifiera nya arter med hjälp av läten. Hittills har de upptäckt och identifierat över 4000 arter.
AI:s främsta styrka finns kanske i bearbetning och analys av massiva datamängder på kort tid, vilket till exempel öppnar upp nya möjligheter för att förstå och hantera klimatförändringar.
Inom jordbruket används AI för att analysera väderdata och jordmån för att kunna anpassa (minska) vattenförbrukning och gödsel. Precisionsjordbruk. Genom att simulera framtida vädermönster och bedöma markens förutsättningar kan tekniken även ge informerade råd om frösorter, planteringstider och alternativa odlingsplatser. Farmonaut har en prenumerationstjänst som används redan idag med verklig potential att förändra jordbrukets motståndskraft i utsatta regioner.
Med med hjälp av avancerad AI, drönarteknik och högupplösta kartor man också effektivisera miljöförvaltning. Dendras plattform, till exempel, används för att övervaka olika typer av ekosystem, visa på områden med erosion och ge underlag för restaurering.
Sjukvården har enorm potential i användandet av AI, framför allt i analys av patientdata från sensorer, bilder och journalsystem.
AI har såklart också potential att skapa smartare städer, optimera trafikflöden, minska trängsel och förbättrar kollektivtrafik. På svenska vägar testas AI i flera pilotprojekt:
Volvoprojektet AI AWARE använder historisk olycksdata, realtidsdata om trafikflöden, väder, vägförhållanden och data från karttjänster, fordon, vägmyndigheter och trafikledningssystem för att identifiera vägsträckor med högre olycksrisk och förebygga olyckor innan de händer. Och i Södertälje kommun har man kört AI i ett testprojekt för att styra busskapacitet utifrån efterfrågan.
AI kan också användas för att optimera användningen av förnybara energikällor. GridBeyond erbjuder AI-drivna lösningar för energihantering som hjälper företag att optimera användningen av sina energiresurser, som produktionsanläggningar, batterilagring och industriell last för att generera nya intäkter, minska kostnader och bidra till ett mer hållbart energisystem.
Genom att med smartare teknik förutsäga väder, energitillgång och efterfrågemönster kan vi minimera slöseri och ger en mer tillförlitlig energileverans. Superviktigt när världen övergår från fossila bränslen som bränns på efterfrågan till förnybara energikällor som sol och vind, som i sig är i sig varierande i sin produktion.
Även om tillgången till AI inte är jämlik över hela världen, finns initiativ som visar på lösningar för att minska sociala klyftor.
Hållbarhetens treenighet
Hållbarhet handlar om ekologiska, sociala OCH ekonomiska faktorer. Ingen lösning är hållbar om den skapar bättre förutsättningar för vissa faktorer men sänker andra. Generativ AI kan skapa biljoner dollar i ekonomiskt värde per år, men automatisering riskerar också att slå ut miljontals jobb. Det finns oändliga många idéer på ekologiskt hållbara lösningar men de måste ge ekonomiska fördelar om de ska adapteras på riktigt av företag.
För att vi ska få en rättvis AI-utveckling krävs satsningar på infrastruktur, utbildning och etiska ramar. AI Sweden, Sveriges nationella center för artificiell intelligens, får knappt 50 miljoner kronor från Tillväxtverket för att accelerera användningen av AI i svenska innovationsmiljöer och företag (motsvarande ungefär 3,5 Lidingövillor). Om AI verkligen ska hjälpa oss nå alla potentiella 134 hållbarhetsmål krävs investeringar, samarbete och mod från företag, beslutsfattare och innovatörer i en mycket större skala än så.
Kanske är du en av dem som ser potentialen och är modig nog att satsa?