سود:
- توانایی تشخیص اینکه هوش مصنوعی کجا در جریان کار محیطی در زمان صرفه جویی می کند (حساب، نظارت، گزارش، انطباق) و جایی که عوامل انتشار، دامنه و تصمیمات ادعایی بسته به سطح خطر به انسان واگذار می شود.
- امکان اعمال رشته ای که هر خروجی دیجیتال را با مراحل تایید واحد، منبع و مستقل بررسی می کند
- درک اینکه چرا عوامل انتشار جعلی، سردرگمی واحد محدوده و زبان شستشوی سبز خطراتی هستند که باید از همان ابتدا برای این حرفه مورد توجه قرار گیرند.
مدیریت زیست محیطی وظیفه اندازه گیری، کاهش و مستندسازی معتبر ردپایی است که یک سازمان بر روی هوا، آب و خاک بر جای می گذارد. بیرحمانهترین قانون این است که اگر یک عدد اشتباه باشد، یک عامل انتشار نادرست باشد، یا ادعایی بیاساس باشد، کل گزارش از بین میرود – و اکنون نامی برای آن فروپاشی وجود دارد: شستشوی سبز، زمانی که یک سازمان عملکرد زیستمحیطی خود را بهتر از آنچه هست نشان میدهد. یک جریمه نظارتی، آسیب به شهرت، یا دعوای حقوقی سرمایهگذار میتواند از یک عدد تایید نشده ناشی شود. به همین دلیل است که استفاده از هوش مصنوعی (AI) در امور محیطی و آب و هوایی مستلزم نظم و انضباط است.
در این بخش، میآموزید که ابزارهایی که ما آن را مدلهای زبان بزرگ مینامیم (LLM - نوعی هوش مصنوعی که متن را به صورت آماری تولید میکند، با منطق "احتمالترین کلمه بعدی") واقعاً در زمان کار محیطی صرفهجویی میکنند، کجا خطرناک هستند و چگونه هر خروجی را تأیید کنیم.
اول، یک مفهوم مهم: توهم زمانی است که هوش مصنوعی اطلاعاتی را تولید می کند که در واقع درست نیست، با اطمینان کامل، گویی درست است. در زمینه محیط زیست، این شما ممکن است به صورت یک عامل انتشار ساخته شده، یک قانون وجود ندارد، یک واحد نادرست (کیلوگرم به جای تن) یا ارجاع به یک مطالعه علمی ناموجود مواجه شوید. نکته مهم این است: LLM یک ماشین حساب، یک دستگاه اندازه گیری یا یک پایگاه داده نظارتی نیست. این یک تولید کننده متن است که از نظر آماری متن هایی را که در داده های آموزشی می بیند تقلید می کند. در بیشتر مواقع خروجی معقولی می دهد. اما تفاوت بین "معقول" و "تأیید شده" همه چیز در گزارش زیست محیطی است.
هوش مصنوعی کجا در امور محیط زیست کار می کند و کجا کار نمی کند؟
هوش مصنوعی را به عنوان یک شریک پیش نویس سریع، مدیریت داده و تجزیه و تحلیل در نظر بگیرید: ارزشمند اما برای اعتبارسنجی ضروری است. تمایز زیر ستون فقرات این ماژول است.
تلاش
سهم هوش مصنوعی
مسئولیت کارشناس
محاسبه ردپای کربن
فرمول ها را تنظیم می کند، کد پایتون می نویسد
تایید ضریب انتشار از منبع
تجزیه و تحلیل داده های ماهواره ای/حسگر
کد پیش نویس و نظرات را ایجاد می کند
تایید صحت اندازه گیری و کالیبراسیون
پیش نویس گزارش ESG
متن و اسکلت جدول را ایجاد می کند
اثبات هر ادعا با داده ها
خلاصه قانونگذاری
ساده کردن متن پیچیده
تایید مقاله از متن رسمی فعلی
سناریوی خطر آب و هوا
چارچوب سناریو را توصیه می کند
بررسی مفروضات و محدودیت های داده ها
بهینه سازی پسماند/آب
مدل و پیش نویس پیشنهاد را ارائه می دهد
بررسی کاربردی بودن فیلد
قانون سرانگشتی: از هوش مصنوعی برای یافتن مسیر شماره، نوشتن کد، سازماندهی داده ها و تولید پیش نویس ها استفاده کنید، نه خود شماره. هر نتیجه عددی و هر ادعای واقعی را از یک منبع مستقل و قابل اعتماد (پایگاه داده فاکتور انتشار، قوانین دولتی، اندازهگیری کالیبره شده) تأیید کنید.
سه تله مرگبار هوش مصنوعی در امور زیست محیطی
1. برازش فاکتور و ضریب انتشار. هوش مصنوعی میتواند فاکتور انتشاری را که به خاطر نمیآورد (مقدار گازهای گلخانهای آزاد شده در واحد سوخت یا فعالیت) را با عددی که معقول به نظر میرسد، پر کند. شدت کربن نادرست برای یک کیلووات ساعت برق کل موجودی را مختل می کند.
2. سردرگمی واحد و محدوده. هوش مصنوعی کیلوگرم به تن، CO2 به CO2 (معادل دی اکسید کربن - اثر حرارتی گازهای گلخانه ای مختلف تبدیل به یک واحد مشترک) می تواند بی سر و صدا بین محدوده 1 و محدوده 3 حرکت کند. نتیجه از نظر عددی منطقی به نظر می رسد، اما اشتباه است.
3. زبانی که باعث شستشوی سبز می شود. هوش مصنوعی به راحتی عبارات اثبات نشده و هذلولی مانند "دوستانه با محیط زیست"، "کربن خنثی"، "100% پایدار" را تولید می کند. این اظهارات اکنون در بسیاری از کشورها خطر قانونی دارد. در بخش 11 به طور عمیق به این موضوع خواهیم پرداخت.
نکته: هر خروجی AI عددی را با سه سوال بررسی کنید: (1) واحد آن (کیلوگرم، تن، CO2 یا CO2e) چیست؟ (2) آیا منبع شناخته شده و به روز است؟ (3) چگونه می توانم این را مستقل بررسی کنم؟ این سه سوال اکثریت قریب به اتفاق خطاهای محیطی را در جوانه می گیرند.
گام به گام: گردش کار هوش مصنوعی ایمن برای محیط زیست
1. وظیفه را با محدوده و واحد آن تعریف کنید. به جای «کربن من را محاسبه کنید» بگویید «محاسبه انتشارات حاصل از احتراق گاز طبیعی در محدوده 1 برای سال 2024 بر حسب تن CO₂e با مصرف مترمکعب و ضریب انتشار رسمی».
2. روش و استاندارد را بیان کنید. طبق کدام پروتکل؟ پروتکل GHG یا ISO 14064؟ گفتن استاندارد تضمین می کند که خروجی قابل ممیزی است.
3. منبع را جویا شوید، از جعل منع کنید. صریحاً به هوش مصنوعی بگویید ضریب انتشار را با منبع خود ارائه دهد و اگر نمی داند، "این را از یک منبع رسمی تأیید کنید".
4. با اجرای کد تأیید کنید. حساب را با یک فایل اجرایی پایتون تایید کنید. یک کد قطعی (همیشه همان نتیجه دقیق را به همان ورودی می دهد) بسیار قابل اعتمادتر از تعداد سر LLM است.
5. حقایق و ادعاها را تأیید کنید. فاکتورهای انتشار، بندهای نظارتی، مقادیر هدف - همه آنها را از یک مرجع قابل اعتماد تأیید کنید (جدول فاکتورهای IPCC، DEFRA/EPA، روزنامه رسمی).
سه کیف کوچک
مورد 1 - عامل انتشار ساختگی. یک کارشناس پایداری از هوش مصنوعی ضریب انتشار گاز طبیعی پرسید و پاسخ را دریافت کرد: "2.75 کیلوگرم CO₂e/m³". کارشناس این مقدار را با یک جدول رسمی مقایسه کرد: مقدار واقعی تقریباً 2.02 کیلوگرم CO₂e/m³ بود. ارزش هوش مصنوعی 36 درصد افزایش یافته بود. برای مصرف 500000 متر مکعب، این به معنای مازاد خیالی موجودی تقریباً 365 تن CO2 بود. بدون تأیید، کل گزارش نادرست خواهد بود. زمان تلف شده: 4 دقیقه
مورد 2 - سردرگمی محدوده. یک تحلیلگر از هوش مصنوعی ردپای کل شرکت را پرسید. هوش مصنوعی الکتریسیته خریداری شده (حوزه 2) و انتشارات زنجیره تامین (حوزه 3) را در یک "کل" واحد ترکیب کرد، اما تنها یک مورد از محدوده 3 را شمارش کرد. هنگامی که تحلیلگر تفکیک دامنه پروتکل GHG را اعمال کرد، متوجه شد که گزارش باید هر محدوده را جداگانه نشان می داد و محدوده 3 وجود ندارد. اصلاح شرط لازم برای قبولی در حسابرسی بود.
مورد 3 - اعتبار حفظ شده است. یک تیم ارتباطی از هوش مصنوعی خواست تا نسخه بازاریابی یک محصول را ارائه کند. هوش مصنوعی "کاملاً کربن خنثی و تاثیر صفر بر محیط زیست" را پیشنهاد کرد. تیم متوجه شد که آنها هیچ داده چرخه حیات و هیچ سند افست تأیید شده ای برای اثبات این موضوع ندارند. این بیانیه را با جمله ای با شواهدی مانند "ما تا سال 2023 انتشارات تولید را 18٪ کاهش داده ایم (تأیید مستقل: X) جایگزین کرد. این تغییر از همان ابتدا از تحقیقات تبلیغاتی گمراه کننده احتمالی جلوگیری کرد.
اعلان ضعیف / اعلان قوی
اعلان ضعیف:
ردپای کربن شرکت من را محاسبه کنید.
چرا ضعیف است: بدون محدوده، واحد، روش و داده. هوش مصنوعی شکاف ها را با ساخت پر می کند. خروجی قابل کنترل نیست.
اعلان قدرتمند:
نقش شما: متخصص موجودی گازهای گلخانه ای. محدوده 1 را طبق پروتکل GHG محاسبه کنید. داده ها: مصرف گاز طبیعی 480000 m³، دیزل 12000 L. من ضریب انتشار را می دهم. فاکتور را تشکیل ندهید، به جای آن یک برچسب [FACTOR] بگذارید و بنویسید که از کجا باید گرفته شود. محاسبه را بر حسب تن CO₂e با کد پایتون قابل اجرا انجام دهید. نتایج را به صورت جدولی بر اساس سوخت و در مجموع ارائه دهید.
چهار قالب قابل کپی
1) محاسبه با وضوح محدوده و واحد:
نقش شما: کارشناس موجودی کربن. فعالیت زیر را محاسبه کنید: [فعالیت]. استاندارد: پروتکل GHG. محدوده (1/2/3) را به وضوح بیان کنید. واحد: تن CO₂e. من ضریب انتشار را میدهم یا میتوانید منبع را بگویید و تگ [FACTOR] را بگذارید. FITTING.محاسبه را با کد پایتون اجرایی تأیید کنید.
2) تایید فاکتور/داده:
ضریب انتشار و واحد [سوخت/فعالیت] را بنویسید. منبع (به عنوان مثال IPCC، DEFRA، جدول رسمی محلی) و سال را ذکر کنید. اگر مقدار دقیق آن را نمی دانید، بگویید "تأیید از جدول رسمی" و DO NOT FIT. اگر مقدار از منابع مختلف متفاوت است، این را بیان کنید.
3) فیلتر شستشوی سبز:
ادعای زیست محیطی زیر را بررسی کنید. برای هر جمله، بپرسید: (1) آیا قابل اندازه گیری است؟ (2) آیا شواهد/داده هایی وجود دارد؟ (3) آیا مبهم است (مانند "دوستانه محیط زیست")؟ عباراتی را که فاقد شواهد هستند یا اغراق آمیز هستند علامت گذاری کنید و جایگزینی مبتنی بر شواهد و اندازه گیری شده را پیشنهاد کنید. ادعا: [اینجا]
4) بررسی حساب شخصی من:
در زیر محاسبه انتشار من است. هر مرحله، واحد و کلاس محدوده را بررسی کنید. قوام واحد (kg↔ton، CO2↔CO2e) و معقول بودن فاکتور را بررسی کنید. اگر خطایی وجود دارد، نشان دهید کدام خط و چرا. ایجاد یک حساب کاربری جدید؛ بررسی من: [اینجا]
اشتباهات رایج
- "یادآوری" هوش مصنوعی فاکتور انتشار. عوامل بسته به کشور، سال و سوخت متفاوت است. همیشه عکس را از روی میز بگیرید
- دامنه های اختلاط. محدوده 1 (مستقیم)، محدوده 2 (انرژی خریداری شده) و محدوده 3 (زنجیره ارزش) باید به طور جداگانه گزارش شود.
- معادل سازی CO2 با CO2e. گازهایی مانند متان و اکسید نیتروژن بسیار قوی تر از CO2 هستند. همه باید به CO₂e تبدیل شوند.
- قرار دادن ادعای بدون مدرک در متن. عباراتی مانند "کربن خنثی" خطرات قانونی بدون داده ها و اسناد تایید شده هستند.
- پذیرش شماره بدون اجرای آن. همیشه کل LLM برگشتی را از طریق کد یا دستی ارائه دهید.
احتیاط: داده های محیطی اغلب حاوی اسرار شخصی یا تجاری نیستند. اما توافقات تامین کننده، ارقام تولید در سطح کارخانه و داده های مشتری ممکن است محرمانه باشد. قبل از چسباندن آنها به ابزارهای هوش مصنوعی عمومی، خط مشی سازمانی خود را بررسی کنید. در واحد 11 به موضوع حریم خصوصی خواهیم پرداخت.
به طور خلاصه
هوش مصنوعی در محیط و آب و هوا؛ یک دستیار قدرتمند است که کد می نویسد، داده ها را سازماندهی می کند، پیش نویس ها را تولید می کند و خلاصه می کند - اما یک دستگاه اندازه گیری، ماشین حساب یا منبع نظارتی نیست. تایید فاکتورهای انتشار، محدوده و دقت واحد، اثبات ادعاها و اجتناب از شستشوی سبز بر عهده کارشناس ذیصلاح می باشد. هر عددی باید بر اساس یک منبع باشد، هر ادعایی باید بر اساس شواهد باشد.
وظیفه کاربردی
یک فعالیت زیست محیطی را از سازمان خود (یا یک مثال فرضی) انتخاب کنید - به عنوان مثال، مصرف ماهانه گاز طبیعی یک تأسیسات. AI را با استفاده از الگوی 1 بالا محاسبه کنید، اما ضریب انتشار را خالی بگذارید. سپس فاکتور را از یک جدول رسمی پیدا کنید و آن را جایگزین کنید. در نهایت، با الگوی سوم، متن ارتباطی تک جمله ای را که برای این فعالیت می نویسید، از نظر greenwashing بررسی کنید. هر سه چاپ را در یک صفحه مقایسه کنید.
چک لیست
- [ ] من کار را بر اساس محدوده (1/2/3) و واحد (تن CO2) تعریف کردم.
- [ ] من هوش مصنوعی را با فاکتور انتشار مناسب نکردم. من از منبع تایید کردم.
- [ ] من حساب را از طریق کد اجرایی یا دستی تهیه کردم.
- [ ] من تمایز درستی بین CO2 و CO2e و کیلوگرم و تن قائل شدم.
- [ ] من هر ادعایی را در متن با شواهد تطبیق دادم و زبان اغراق آمیز را پاک کردم.
- [ ] من قبل از چسباندن داده های مخفی در ابزار باز هوش مصنوعی، خط مشی را بررسی کردم.