מבוא לבינה מלאכותית בסביבה ובאקלים: תפקידים, גבולות, דיוק נתונים, שטיפה ירוקה ואתיקה

רווחים:

• היכולת להבחין היכן בינה מלאכותית חוסכת זמן בזרימת העבודה הסביבתית (חשבון, ניטור, דיווח, ציות) והיכן החלטות גורמי פליטה, היקף ותביעה נותרות לבני אדם, בהתאם לרמת הסיכון.
• יכולת ליישם דיסציפלינה הבודקת כל פלט דיגיטלי עם שלבי יחידה, מקור ושלבי אימות עצמאיים
• הבנה מדוע גורמי פליטה מזויפים, בלבול יחידת היקף ושפת ניקוי ירוק הם סיכונים שיש לקחת בחשבון עבור מקצוע זה כבר מההתחלה.

ניהול סביבתי הוא המשימה של מדידה, צמצום ותיעוד אמין של טביעת הרגל שארגון משאיר על האוויר, המים והאדמה. הכלל האכזרי מכולם הוא שאם מספר שגוי, גורם פליטה אינו מדויק, או טענה אינה מבוססת, הדו"ח כולו קורס - ועכשיו יש שם לקריסה הזו: שטיפה ירוקה, כאשר ארגון גורם לביצועים הסביבתיים שלו להיראות טובים יותר ממה שהם באמת. עונש רגולטורי, פגיעה במוניטין או תביעה משפטית של משקיע עלולים לנבוע ממספר אחד לא מאושר. זו הסיבה ששימוש בבינה מלאכותית (AI) בענייני סביבה ואקלים דורש משמעת.

ביחידה זו תלמדו היכן הכלים שאנו מכנים מודלים של שפות גדולות (LLM – סוג של AI שמייצר טקסט באופן סטטיסטי, עם ההיגיון של "המילה הבאה בסבירות גבוהה") באמת חוסכים זמן בעבודה סביבתית, היכן הם מסוכנים וכיצד לאמת כל פלט.

ראשית, מושג קריטי: הזיה היא כאשר בינה מלאכותית מייצרת מידע שאינו אמיתי בפועל, בביטחון מלא, כאילו הוא נכון. בתחום הסביבתי, זה; אתה עלול להיתקל בכך בצורה של גורם פליטה מורכב, חקיקה לא קיימת, יחידה שגויה (קילוגרם במקום טונות) או הפניה למחקר מדעי שלא קיים. הנקודה הקריטית היא זו: ה-LLM אינו מחשבון, מכשיר מדידה או מסד נתונים רגולטורי. זהו מחולל טקסטים שמחקה באופן סטטיסטי את הטקסטים שהוא רואה בנתוני ההדרכה. זה נותן תפוקה סבירה רוב הזמן; אבל ההבדל בין "סביר" ל"מאומת" הוא הכל בדיווח סביבתי.

היכן עובדת בינה מלאכותית ואיפה היא לא עובדת בענייני סביבה?

חשבו על בינה מלאכותית כעל טיוטה מהירה, שותף לאיסוף נתונים ולניתוח: בעל ערך אך חיוני לאימות. ההבחנה הבאה היא עמוד השדרה של מודול זה.

קווסט

תרומה של AI

אחריות המומחה

חישוב טביעת רגל פחמן

מגדיר נוסחאות, כותב קוד Python

אישור מקדם הפליטה מהמקור

ניתוח נתוני לווין/חיישנים

יוצר טיוטת קוד והערות

אישור האותנטיות של המדידה והכיול

טיוטת דו"ח ESG

יוצר טקסט ושלד טבלה

הוכחת כל טענה עם נתונים

תקציר חקיקתי

פשט טקסט מורכב

אישור מאמר מהטקסט הרשמי הנוכחי

תרחיש סיכון אקלים

ממליץ על מסגרת תרחיש

בדיקת הנחות ומגבלות של נתונים

אופטימיזציה של פסולת/מים

מספק מודל וטיוטת הצעה

אימות תחולת השדה

כלל אצבע: השתמש ב-AI כדי למצוא את הנתיב למספר, לכתוב קוד, לארגן נתונים וליצור טיוטות, לא את המספר עצמו; אמת כל תוצאה מספרית וכל טענה עובדתית ממקור בלתי תלוי ואמין (מסד נתונים של גורמי פליטה, חקיקה ממשלתית, מדידה מכוילת).

שלוש מלכודות קטלניות של AI בענייני סביבה

1. התאמת מקדם פליטה ומקדם. הבינה המלאכותית יכולה "למלא" גורם פליטה שאינו זוכר (כמות גזי החממה המשתחררת ליחידת דלק או פעילות) במספר שנראה הגיוני. עוצמת פחמן שגויה עבור קוט"ש אחד של חשמל תשבש את המלאי כולו.

2. בלבול בין יחידה והיקף. AI; ק"ג לטון, CO₂ ל-CO₂e (שווה ערך לפחמן דו חמצני - אפקט החימום של גזי חממה שונים המומרים ליחידה משותפת) יכולים לנוע בשקט בין סקופ 1 לסקופ 3. התוצאה נראית סבירה מבחינה מספרית, אבל היא שגויה.

3. שפה המייצרת greenwashing. AI מייצר בקלות הצהרות היפרבוליות לא מוכחות כמו "ידידותי לסביבה", "נייטרלי פחמן", "100% בר קיימא". הצהרות אלו נושאות כעת סיכון משפטי במדינות רבות. נסקור זאת לעומק ביחידה 11.

טיפ: גש לכל פלט AI מספרי באמצעות שלוש שאלות: (1) מהי היחידה שלו (ק"ג, טון, CO₂ או CO₂e)? (2) האם המקור ידוע ועדכני? (3) כיצד אוכל לבדוק זאת באופן עצמאי? שלוש השאלות הללו תופסות את הרוב המכריע של טעויות סביבתיות.

צעד אחר צעד: זרימת עבודה בינה מלאכותית בטוחה לסביבה

1. הגדירו את המשימה עם היקפה ויחידתה. במקום "חשב את הפחמן שלי" אמור "חשב פליטות משריפת גז טבעי בהיקף 1 לשנת 2024 בטונות CO₂e עם צריכת מ"ר ומקדם פליטה רשמי."

2. ציינו את השיטה והתקן. לפי איזה פרוטוקול? פרוטוקול GHG או ISO 14064? אמירת התקן מבטיחה שהפלט ניתן לביקורת.

3. בקשו את המקור, אסרו בדיה. אמור במפורש ל-AI לספק לגורם הפליטה את המקור שלו, ואם הוא לא יודע, "אמת זאת ממקור רשמי".

4. אמת על ידי הפעלת הקוד. אשר את החשבון באמצעות קובץ הפעלה של Python. קוד דטרמיניסטי (תמיד נותן את אותה תוצאה מדויקת לאותו קלט) הוא הרבה יותר אמין מספירת העובדים של LLM.

5. אמת עובדות וטענות. גורמי פליטה, סעיפים רגולטוריים, ערכי יעד - אמת את כולם מהתייחסות אמינה (טבלאות גורמים של IPCC, DEFRA/EPA, עיתון רשמי).

שלושה מיני תיקים

מקרה 1 - גורם פליטה פיקטיבי. מומחה לקיימות ביקש מ-AI את מקדם הפליטה של ​​גז טבעי וקיבל את התשובה: "2.75 ק"ג CO₂e/m³. המומחה השווה את הערך לטבלה רשמית: הערך בפועל היה כ-2.02 ק"ג CO₂e/m³. ערך AI עלה ב-36%. עבור צריכה של 500,000 מ"ר, פירוש הדבר היה עודף דמיוני במלאי של כ-365 טון CO₂e. ללא אימות, הדיווח כולו יהיה שקרי. זמן אבוד: 4 דקות.

מקרה 2 - בלבול בהיקף. אנליסט ביקש מה-AI את טביעת הרגל הכוללת של החברה. בינה מלאכותית עירבבה חשמל נרכש (סקופ 2) ופליטות שרשרת האספקה ​​(סקופ 3) ל"סך הכל", ובכל זאת ספרה רק פריט אחד בהיקף 3. כשהאנליסט יישם את הפרדת ההיקף של פרוטוקול GHG, הוא הבין שהדוח היה צריך להראות כל היקף בנפרד וכי סקופ 3 חסר. תיקון היה תנאי מוקדם למעבר הביקורת.

מקרה 3 - אימות הציל את המוניטין. צוות תקשורת ביקש מ-AI עותק שיווקי עבור מוצר; בינה מלאכותית הציעה "נייטרלי פחמן לחלוטין ואפס השפעה על הסביבה." הצוות הבין שאין להם נתוני מחזור חיים ושום תיעוד קיזוז מאומת כדי להוכיח זאת; החליפו את ההצהרה במשפט עם ראיות כגון "הפחתנו את פליטת הייצור ב-18% עד 2023 (אימות עצמאי: X)". שינוי זה מנע מלכתחילה חקירת פרסום מטעה אפשרית.

הנחיה חלשה / הנחיה חזקה

הנחיה חלשה:

חשב את טביעת הרגל הפחמנית של החברה שלי.

למה זה חלש: אין היקף, יחידות, שיטות ונתונים. בינה מלאכותית משלימה את החסר עם ייצור; לא ניתן לשלוט על הפלט.

הנחיה עוצמתית:

תפקידך: מומחה למלאי גזי חממה. חשב היקף 1 לפי פרוטוקול GHG. נתונים: צריכת גז טבעי 480,000 מ"ק, סולר 12,000 ל'. אני אתן את מקדם הפליטה; אל תמציא את הגורם, השאר במקום זאת תווית [FACTOR] וכתוב מהיכן יש לקחת אותה. בצע את החישוב בטונות של CO₂e עם קוד Python בר הפעלה. תנו את התוצאות בצורה טבלה לפי דלק ובסך הכל.

ארבע תבניות הניתנות להעתקה

1) חישוב עם היקף ובהירות יחידה:

תפקידך: מומחה למלאי פחמן. חשב את הפעילות הבאה: [פעילות]. תקן: פרוטוקול GHG. ציין בבירור את ההיקף (1/2/3). יחידה: טון CO₂e. אני אתן את מקדם הפליטה או שאתה יכול להגיד את המקור ולהשאיר את התג [FACTOR]; FITTING.אמת את החישוב עם קוד Python בר הפעלה.

2) אישור גורם/נתונים:

כתוב את מקדם הפליטה והיחידה עבור [דלק/פעילות]. ציינו את המקור (למשל IPCC, DEFRA, טבלה רשמית מקומית) והשנה. אם אינך יודע את הערך המדויק, אמור "אמת מהטבלה הרשמית" ו-DO NOT FIT. אם הערך משתנה ממקורות שונים, ציינו זאת.

3) מסנן Greenwashing:

בדוק את הטענה הסביבתית למטה. עבור כל משפט, שאל: (1) האם זה ניתן למדידה? (2) האם יש ראיות/נתונים? (3) האם זה מעורפל (כמו "ידידותי לסביבה")? סמן הצהרות חסרות ראיות או מוגזמות ומציעות חלופה מדודה מבוססת ראיות. טענה: [כאן]

4) בדיקת החשבון שלי:

להלן חישוב הפליטה שלי. בדוק כל שלב, יחידה ומחלקת היקף. בדוק את עקביות היחידה (ק"ג↔טון, CO₂↔CO₂e) ואת סבירות הגורם. אם יש שגיאה, הראה איזו שורה ומדוע. יצירת חשבון חדש; בדוק את שלי: [כאן]

טעויות נפוצות

• "מזכיר" ל-AI את גורם הפליטה. הגורמים משתנים לפי מדינה, שנה ודלק; תמיד לקחת את התמונה מהשולחן.
• ערבוב היקפים. יש לדווח בנפרד על סקופ 1 (ישיר), Scope 2 (אנרגיה נרכשת) ו- Scope 3 (שרשרת ערך).
• השוואת CO₂ ל-CO₂e. גזים כמו מתאן ותחמוצת חנקן הם הרבה יותר חזקים מ-CO₂; יש להמיר את כולם ל-CO₂e.
• הכנסת טענה ללא ראיות לטקסט. ביטויים כמו "פחמן ניטרלי" הם סיכונים משפטיים ללא נתונים ותיעוד מאומתים.
• קבלת המספר מבלי להפעיל אותו. ספק תמיד את סך ה-LLM המוחזר באמצעות קוד או באופן ידני.

זהירות: נתונים סביבתיים לרוב אינם מכילים סודות אישיים או מסחריים; אך הסכמי ספקים, נתוני ייצור ברמת המפעל ונתוני לקוחות עשויים להיות חסויים. בדוק את המדיניות הארגונית שלך לפני שתדביק אותם בכלי AI ציבוריים. נסקור את נושא הפרטיות ביחידה 11.

לסיכום

AI בסביבה ובאקלים; הוא עוזר רב עוצמה שכותב קוד, מארגן נתונים, יוצר טיוטות ומסכם - אבל הוא אינו מכשיר מדידה, מחשבון או משאב רגולטורי. אישור גורמי הפליטה, היקף ודיוק היחידה, ביסוס טענות והימנעות משטיפה ירוקה הם באחריות המומחה המוסמך. כל מספר חייב להיות מבוסס על מקור, כל טענה חייבת להתבסס על ראיות.

משימת יישום

בחר פעילות סביבתית מהארגון שלך (או דוגמה היפותטית) - לדוגמה, צריכת גז טבעי חודשית של מתקן. בקש מה-AI לחשב באמצעות תבנית 1 לעיל, אך השאר את מקדם הפליטה ריק. לאחר מכן מצא את הגורם מטבלה רשמית והחלף אותו. לבסוף, עם התבנית השלישית, בדוק את טקסט התקשורת בן המשפט האחד שתכתוב עבור פעילות זו. השווה את כל שלושת התדפיסים בעמוד אחד.

רשימת בדיקה

• [ ] הגדרתי את המשימה לפי היקף (1/2/3) ויחידה (טונות של CO₂e).
• [ ] לא גרמתי ל-AI להתאים לגורם הפליטה; אישרתי את זה מהמקור.
• [ ] הקצאתי את החשבון באמצעות קוד הפעלה או באופן ידני.
• [ ] עשיתי את ההבחנה הנכונה בין CO₂ ו-CO₂e לבין ק"ג וטונות.
• [ ] התאמתי לכל טענה בטקסט ראיות, ניקיתי שפה מוגזמת.
• [ ] בדקתי את המדיניות לפני שהדבקתי את הנתונים הסודיים בכלי ה-AI הפתוח.