Климатические преимущества ИИ пока не доказаны

От прогнозов к проверке

В 2024 году генеральный директор OpenAI Сэм Альтман заявил, что ИИ принесёт «поразительные достижения», в том числе поможет «решить проблему изменения климата». Годом ранее руководительница отдела устойчивого развития Google и её соавтор написали в колонке, что к 2030 году ИИ может сократить мировые выбросы на 5–10%.

В прошлом году рецензируемое исследование, проведённое под руководством учёных Грантемского исследовательского института при Лондонской школе экономики и компании Systemiq, оценило потенциальное ежегодное сокращение выбросов к 2035 году в 3,2–5,4 млрд тонн CO₂. Верхняя оценка примерно равна годовым выбросам энергетического сектора США. Большая часть возможного эффекта приходится на энергетику, производство мяса и молочной продукции, а также транспорт.

Авторы нынешнего анализа проверили, внедряют ли крупнейшие компании этих отраслей ИИ теми способами, которые лежат в основе расчётов. Они изучили публичные сведения о компаниях с помощью ИИ, а результаты проверил второй автор материала. Многие компании объявляли о первых проектах с ИИ, однако немногие сообщали о применении конкретных способов сокращения выбросов, заложенных в исследовании. Ещё меньше заявляли о заметном климатическом эффекте.

Энергетика: один подтверждённый пример

В энергетике расчёт возможной пользы ИИ опирается на наиболее конкретный механизм. Более точное прогнозирование предложения и спроса на электричество может увеличить до 20% объём возобновляемой энергии от уже построенных солнечных и ветровых электростанций, поступающей в сеть. По оценке исследования, это позволило бы ежегодно предотвращать выбросы 1,8 млрд тонн.

Однако среди изученных операторов электросетей в Китае, США и Европе анализ выявил только одну известную действующую программу такого типа. Национальный оператор энергосистемы Великобритании National Grid ESO вместе с Open Climate Fix вдвое сократил ошибку прогноза выработки солнечной энергии. Речь идёт о разнице между прогнозируемым количеством солнечного света и тем, которое в действительности достигает панелей. По данным анализа, проект позволил избежать выбросов сотен тысяч тонн CO₂ в год.

В публичных материалах других операторов сетей в ЕС, США и Китае почти не нашлось примеров внедрения ИИ, соответствующего сценарию исследования.

Альтернативные белки: разработки и слабый спрос

Чтобы добиться прогнозируемого сокращения выбросов в мясной и молочной промышленности, ИИ должен помочь уменьшить разницу в цене и вкусе между привычными продуктами и альтернативами — например, растительными или выращенными в лаборатории бургерами и заменителями молока.

Один из наиболее заметных проектов ведут компания NotCo, работающая на стыке ИИ и пищевых технологий, и Kraft Heinz. Они создали совместное предприятие и применяют платформу Giuseppe. Она анализирует молекулярные данные растений, чтобы находить сочетания, способные воспроизвести вкус, текстуру и запах продуктов животного происхождения.

По результатам анализа, у немногих других производителей альтернативных белков есть столь глубоко встроенное применение ИИ при разработке продуктов. При этом отрасль сталкивается и с более фундаментальными трудностями: потребители медленно переходят на такие продукты, а финансирование сокращается. Инвестиции венчурного капитала в культивируемое мясо упали с пиковых 989 млн долларов в 2021 году примерно до 83 млн долларов в прошлом году.

Транспорт: результаты в батареях и поездках

В транспортной отрасли есть примеры применения ИИ, которые ближе к сценариям исследования. Они относятся прежде всего к производству батарей и платформам совместных поездок.

CATL, которой принадлежит около 40% мирового рынка аккумуляторов для электромобилей, запустила систему ИИ, обученную на более чем 100 000 проектов батарей и 600 терабайтах испытательных данных. По заявлению компании, система сократила время отбора перспективных материалов в сто раз.

Независимые исследователи также установили, что платформа совместных поездок Didi Chuxing с помощью маршрутизации, оптимизированной ИИ для сокращения объездов, уменьшила средние выбросы на одну поездку на 16%.

Ископаемое топливо и затраты самого ИИ

Климатические последствия ИИ зависят не только от того, как его используют для развития чистой энергетики. Нефтегазовые компании также заинтересованы в этих инструментах, в том числе ради увеличения добычи ископаемого топлива. Технологическим компаниям, ранее заявлявшим о климатических целях, следует объяснять, как их разработки могут помогать и чистой энергетике, и старой углеводородной отрасли.

Само внедрение ИИ — лишь первый шаг. Пока неясно, насколько технология ускорит нужные отрасли улучшения и разработки. Она не сокращает обычные сроки сертификации, получения разрешений, строительства, упаковки, продвижения и продажи новых продуктов, объектов или услуг.

Анализ выполнили с помощью Claude Code от Anthropic, а его выводы сверили с публичными документами и сообщениями СМИ. Возможно, некоторые компании и коммунальные предприятия уже используют ИИ в проектах, подходящих под сценарии исходного исследования, но пока не раскрыли эту информацию.

Более широкое и адресное внедрение ИИ, а также повышение эффективности в трёх отраслях могут приблизить прогнозы на 2035 год к реальности. Для этого потребуются целенаправленные и постоянные усилия, чтобы экологическая польза ИИ превышала причиняемый им вред.

Тем временем быстрое распространение моделей ИИ и строительство центров обработки данных резко увеличили потребление энергии и выбросы. Microsoft, Google и другие крупные технологические компании из-за этого заметно отстают от собственных климатических целей. По базовому прогнозу Международного энергетического агентства, выбросы, связанные с мировыми центрами обработки данных, которые обслуживают как задачи ИИ, так и другие вычисления, могут превысить 300 млн тонн в год к 2035 году. Поэтому пока сомнительно, что отрасль сможет свести свои климатические выбросы к нулю.

Отраслевые руководители должны внедрять ИИ там, где он способен сильнее всего сократить выбросы. Корпоративным заказчикам следует выбирать модели с наименьшим воздействием на окружающую среду и разработчиков, которые активнее сокращают собственный климатический след. Государствам и регионам нужно расширять меры стимулирования или требования, побуждающие компании работать ответственнее.

Мэри Николс — заслуженный советник юридической школы Калифорнийского университета в Лос-Анджелесе и бывшая председательница Совета по воздушным ресурсам Калифорнии. Джереми Таманини — основатель Dual Citizen, исследовательской и консультационной компании в области устойчивого развития.

По оценке Dataist, приведённые примеры показывают, что ИИ уже может помогать отдельным задачам в энергетике и транспорте, но пока не подтверждают масштаб сокращения выбросов из прогнозов. При этом рост энергопотребления центров обработки данных и возможность использовать ИИ для расширения добычи ископаемого топлива усложняют климатический баланс технологии.