הימנעות משטיפה ירוקה, שלמות נתונים, אתיקה, פרטיות וזרימת עבודה מקצה לקצה

רווחים:

• יכולת לזהות סוגי שטיפה ירוקה (לא ודאית, לא מוכחת, החלפה נסתרת, עתיד מוגזם) ולהפוך את התביעה למדידה, מקורה והיקפית.
• יכולת לסווג את הנתונים שימסרו לרכב מבחינת סודיות ולהגן על סודות מסחריים ונתונים אישיים
• יכולת ליישם שער איכות מקצה לקצה מהגדרה ועד לאימות ולקחת אחריות סופית מבלי להסתמך על הגנת 'AI said'

היה עיקרון שחזר על עצמו בכל יחידה של מודול זה: המספר צריך להיות מבוסס על מקור, הטענה צריכה להתבסס על ראיות. יחידה סופית זו משלבת את העיקרון הזה. הסיכון הגדול ביותר של AI בסביבה ובאקלים אינו חישוב שגוי, אלא שהוא מייצר סיפור אמין אך לא מבוסס. ביחידה זו תלמדו כיצד לזהות ולמנוע שטיפה ירוקה, להבטיח דיוק נתונים, אתיקה ופרטיות, וזרימת עבודה מקצה לקצה המאחדת את המודול כולו.

אנטומיה של שטיפה ירוקה

Greenwashing הוא כאשר ארגון גורם לביצועים הסביבתיים שלו להיראות טובים יותר ממה שהם באמת. מכיוון שבינה מלאכותית כל כך טובה בהפקת טקסט שוטף ומשכנע, היא גם מאוד נוטה לייצר בלי מודע גרין שטיפה. סוגים עיקריים:

סוג שטיפה ירוקה

למה אתה מתכוון?

דוגמה

טענה מעורפלת

מילה בלתי מדידה, לא מוגדרת

"ידידותי לסביבה", "טבעי", "ירוק"

טענה ללא ראיות

מספר/יעד ללא נתונים

"אנחנו ניטרליים פחמן" (ללא תיעוד)

חילופי דברים סודיים

להדגיש את הטוב ולהסתיר את הרע הגדול

"האריזה ניתנת למיחזור" אך המוצר מזהם מאוד

טענה לא רלוונטית

הצגת מה שכבר נחוץ/לא חשוב כסגולה

"אינו מכיל חומר אסור"

תווית מזויפת

מראה תעודה מפוברק/לא מאומת

לוגו "ירוק" שהומצא בעצמו

עתיד אקסטרווגנטי

מוצאים מקלט ביעד רחוק ללא ראיות

"נהיה ניטרליים ב-2050" (ללא תוכנית ביניים)

טיפ: לטענה סביבתית טובה יש שלושה מאפיינים: מדידה (מספר), מוכחת (ראיה) וברורה בהיקפה (ברור מה משווים למתי). אם חסרה בתביעה אחת משלושת אלה, עצור לפני פרסום אותה.

דיוק נתונים: כלל הזהב של המודול

ניתן לסכם את דיסציפלינת האימות שאנו רואים בכל יחידה במשפט אחד: אף מספר או עובדה המיוצרים על ידי AI לא הופכים להחלטה, דוח או טענה מבלי לקבל אישור ממקור בלתי תלוי. גורם הפליטה מאושר מהטבלה הרשמית, מאמר החקיקה מאושר מהטקסט הנוכחי, המדידה מאושרת מהמכשיר המכויל, והחישוב מאושר מהקוד המבוצע. AI מאיץ; הוא האיש שהוא אמת.

אתיקה ופרטיות

אתיקה: נתונים סביבתיים נוגעים לציבור ולדורות הבאים; עיסוי נתונים, דיווח סלקטיבי או הסתרת אי ודאות הם הפרה אתית. אל תבקש מה-AI "להראות את הדוח טוב יותר", אלא "להראות את הדוח בצורה מדויקת ומובן יותר".

סודיות: נתוני ייצור ברמת המפעל, הסכמי ספקים, נתוני פליטות בלתי נחשפים עשויים להיות סודות מסחריים; נתוני נסיעות או מיקום של עובדים עשויים להיות נתונים אישיים. בדוק את המדיניות הארגונית ואת כללי הגנת הנתונים (למשל KVKK/GDPR) לפני הדבקתם בכלי AI ציבוריים; אנונימי אם אפשר או השתמש בכלי ארגוני חסין נתונים.

זהירות: "ה-AI אמר זאת" אינו הגנה. המוסד והחותם אחראים לדוח פליטות כוזב, פרסום מטעה או נתונים סודיים שדלפו. AI הוא כלי; הוא אדם שנותן דין וחשבון.

זרימת עבודה מקצה לקצה: הרכיב את המודול

להלן שישה שלבים להפקת תביעה או דוח סביבתי בביטחון מתחילתו ועד סופו:

1. הגדירו. מה ידווח/יתבע? האם ההיקף, היחידה, התקן, התקופה ברורים?

2. איסוף ואשר נתונים. האם לכל סוגיה יש מקור שניתן לעקוב? האם הגורמים רשמיים?

3. חשב ואמת. בצע את החשבון בקוד וספק את התוצאה עם יחידות וסדרים.

4. סקיצה. בניית שלד טקסט עם AI; חבר כל משפט לראיות.

5. העבירו אותו דרך מסנן Greenwashing. הסר אמירות מעורפלות, לא מבוססות, מוגזמות.

6. אמת ולקחת אחריות. אבטחה עצמאית/בקרת מומחה; האישור הסופי נמצא בידי האדם.

שלושה מיני תיקים

מקרה 1 - שוטף אך מופרך. צוות אחד העביר לבינה מלאכותית לכתוב תקציר קיימות; הטקסט היה מרשים, אבל מלא בביטויים שאינם ניתנים לכימות כמו "קיימות מובילה בתעשייה", "השפעה כמעט אפסי". יישום מסנן הירוק (תבנית 1 להלן) סימן שבע טענות לא מבוססות; כל אחד הוחלף במספר מוכח או הוסר. הדו"ח היה קצר יותר אך בר הגנה.

מקרה 2 - דלפת נתונים. אנליסט הדביק נתוני פליטות של מתקנים שטרם נחשפו בכלי AI זמין לציבור וביקש ניתוח. צוות הציות הבין שמדובר בסוד מסחרי והפרה אפשרית של גילוי רגולטורי; התהליך הופסק, הנתונים הועברו לכלי תאגידי (עמיד בפני דליפות). שיעור: קבע את מחלקה (סודי?) של הנתונים לפני מסירתם לכלי.

מקרה 3 - שרשרת אימות. ארגון אחד שמר טבלת "תביעה-ראיות" לכל הדו"ח השנתי שלו: מול כל מספר בכל משפט נמצא המקור שלו. כשהגיע המבקר, הם הצליחו לעקוב אחר כל טענה בתוך דקות; תהליך ההבטחה עבר בצורה חלקה. דיסציפלינה זו הייתה הליבה של כל היחידות של המודול וחסכה זמן והכרה בעולם האמיתי.

הנחיה חלשה / הנחיה חזקה

הנחיה חלשה:

הפוך את מסר הקיימות שלנו למרשים יותר.

למה זה חלש: הרצון ל"מרשים" דוחף את הבינה המלאכותית להיפרבול ולשבחים עמומים; מייצר greenwashing.

הנחיה עוצמתית:

תפקידך: עורך תקשורת סביבתית ומבקר שטיפת ירוקים. הפוך את הטקסט למטה ליותר נכון ומובן, לא "מבריק". כל טענה שואלת: האם היא ניתנת למדידה, האם היא מקורה, האם היקפו ברור? סגל הצהרות מעורפלות ("ידידותיות לסביבה"), חסרות ראיות ("נייטרליות"), ומוגזמות והצעת חלופות מדודות מבוססות ראיות. הסר את הטענה שאין לה הוכחות. טקסט: [כאן]

ארבע תבניות הניתנות להעתקה

1) מסנן בקרת שטיפת ירוק:

תפקידך: מבקר שטיפת ירוק. טבל כל טענה סביבתית בטקסט שלהלן: (טענה | האם ניתן למדוד אותה | האם יש ראיות | האם זה לא בטוח | פסק דין). סמן את אלה שאינם ברורים/לא מוכחים/מוגזמים והצע חלופה מדודה, מבוססת ראיות לכל אחד מהם. טקסט: [כאן]

2) טבלת התאמת ראיות תביעה:

הסר כל טענה מספרית ועובדתית מטקסט הדוח למטה. השאר עמודת "מקור" לכל אחד מהם. סמן כל טענה עם מקור לא מוגדר כ"נדרשת הוכחה". שנה טקסט; check.Text: [כאן]

3) בדיקת פרטיות מראש:

סווגו את הנתונים הבאים לפני עיבודם בכלי בינה מלאכותית: האם הם מכילים סודות מסחריים (ייצור צמחים, מחיר ספק), נתונים אישיים (שם, מיקום) או מידע פיננסי לא נחשף? סמן אזורים מסוכנים והמליץ ​​על אנונימיזציה/הסרה. דוגמה לנתונים: [כאן]

4) שער איכות מקצה לקצה:

בצע בדיקה אחרונה לדוח/תביעה הסביבתית להלן. לפי הסדר: (1) האם תקן ה-scope-unit-תקן ברור, (2) מקורו של כל מספר, (3) האם החשבון אומת, (4) האם יש ניקוי ירוק, (5) האם דלפו נתונים סודיים/אישיים. תן עובר/נכשל והצדקה לכל פריט. תוכן: [כאן]

טעויות נפוצות

• רוצה "מרשים". זה דוחף את הבינה המלאכותית להיפרבול ולשטיפה ירוקה; בקש "מדויק ומובן".
• לא שם לב לטענה המעורפלת. ביטויים כמו "ידידותי לסביבה" הם בלתי ניתנים למדידה ומסוכנים.
• ייצוא נתונים סודיים לכלי פתוח. תחילה סווגו את הנתונים ואנונימיים אותם במידת הצורך.
• הגנה עם "ה-AI אמר זאת." האחריות תמיד מוטלת על האדם.
• לא שומר על שרשרת האימות. המקור של כל טענה חייב להיות בר ביקורת.

לסיכום

המהות של שימוש בטוח בבינה מלאכותית בסביבה ובאקלים היא דיסציפלינה אחת: כל מספר שמקורו, כל טענה מוכחת, כל נתונים המוזנים לכל כלי מסווג, כל החלטה סופית אנושית. גרין שטיפה היא מלכודת השפה הקולחת; הדרך להימנע מכך היא להעלות טענות שהן מדידות, מקורן ובעלות היקף מסוים. AI; מחשב, סורק, מנסח ומארגן - אבל המומחה המוסמך הוא שמוודא, מחליט ונותן דין וחשבון. בעבודה סביבתית בעלת השלכות גבוהות, פלט AI אינו תחליף לאימות ואימות מומחים; זה רק מאיץ את זה.

משימת יישום

בחר תוצר אחד שיצרת לאורך המודול (סיכום פליטות, ניתוח מים או סעיף ESG). ביקורת Greenwashing עם תבנית 1 תחילה ותקן כל טענות לא מבוססות שתמצא. לאחר מכן צור טבלת ראיות תביעה עם התבנית השנייה והשלם את המספרים הנותרים ללא מקורות. לבסוף, החל את שער האיכות מקצה לקצה עם התבנית הרביעית; תקן עד שתקבל "מעבר" על כל חמשת הפריטים.

רשימת בדיקה

• [ ] הפכתי כל טענה למדידה, מקורה וספציפית להיקף.
• [ ] ניקיתי שפה מעורפלת/מוגזמת עם מסנן ירוק שטיפה.
• [ ] אימתתי באופן עצמאי כל מספר המיוצר על ידי AI.
• [ ] סיווגתי/אנונימי את הנתונים שמסרתי לכלי לצורך סודיות.
• [ ] קידדתי את החשבון וסיפקתי לו יחידות ודרגות.
• [ ] לקחתי אחריות סופית; לא סמכתי על ההגנה של "AI said".

מבחן מודול

1. איזה מהבאים הוא המיקום המדויק ביותר לבינה מלאכותית בסביבה ובאקלים?

• א) בינה מלאכותית היא עוזרת של קוד, נתונים ושרטוטים; האחריות לגורמים, היקף, ראיות והחלטות אתיות מוטלת על בני האדם ✔
• ב) בינה מלאכותית היא מכשיר מדידה וערכי הפליטה שהיא נותנת תמיד מדויקים.
• ג) בינה מלאכותית שימושית רק בכתיבת דוחות, אין לה שום קשר לחשבונאות ולניטור
• ד) מכיוון שהבינה המלאכותית היא יותר חסרת פניות מבני האדם, יש להשאיר לה את כל ההחלטות הסביבתיות.

תיאור: בינה מלאכותית; זהו עוזר שכותב קוד, מארגן נתונים, מייצר טיוטות ומסכם. עם זאת, אישור מקדם הפליטה, היקף ודיוק היחידה, ביסוס הטענות והאחריות הסופית מוטלים על המומחה המוסמך. מודל השפה הגדול אינו מכשיר מדידה, מחשבון או מקור חקיקה; הוא מחולל טקסט שמייצר את 'המילה הבאה בסבירות גבוהה' והפלט הלא מאומת שלה עלול להוביל לדיווח או טענה כוזבים.

2. איזו גישה נכונה לחישוב 'נתוני פעילות × מקדם פליטה' במלאי גזי חממה?

• א) שימוש בגורם שהבינה המלאכותית זוכרת ושהוא יעשה את הסכום באופן ידני
• ב) הוצאת הפקטור מהטבלה הרשמית לפי מדינה ושנה וביצוע הסכום עם קוד הפעלה ✔
• ג) ספירת כל הגזים כ-CO₂ ודילוג על המרת ה-GWP
• ד) שימוש במקדם הרשת המוגדר כברירת מחדל (למשל ארה"ב) עבור כל מדינה

תיאור: גורמי הפליטה משתנים לפי מדינה, שנה ודלק; 'תזכורת' בינה מלאכותית מציגה את הסיכון של ייצור. תמיד יש לאשר את הגורם מטבלה רשמית (IPCC, DEFRA/EPA, מלאי לאומי); סיכומים מרובי שורות צריכים להיעשות עם קוד הפעלה, לא באופן ידני. מתאן ו-N₂O מומרים בהכרח ל-CO₂e עם ערכת ה-GWP הנכונה.

3. לפי פרוטוקול GHG, איזה היקף כולל פליטות הנובעות מייצור חשמל קנוי?

• א) היקף 1
• ב) היקף 3
• ג) היקף 2 ✔
• ד) הוא אינו כלול בשום היקף ואינו מדווח

תיאור: היקף 1 הוא פליטות ישירות ממקורות הארגון עצמו (דוד, רכב חברה). היקף 2 הוא פליטות עקיפות מהפקת אנרגיה קנויה (חשמל, קיטור, חימום, קירור). היקף 3 מכסה את כל הפליטות העקיפות האחרות בשרשרת הערך (אספקה, נסיעות, שימוש במוצר).

4. מה נכון כשמתעדפים צעדי הפחתה על ידי MACC (עלות הפחתה שולית)?

• א) האמצעים היקרים והטכנולוגיים ביותר ננקטים תמיד קודם
• ב) ראשית, הקיזוז נרכש ונקרא 'נטו אפס', ההפחתה נשארת לאחר מכן.
• ג) סדר התביעה אינו תלוי בעלות; כולם מיושמים בו זמנית
• ד) אמצעי עלות שליליים (חיסכון) ננקטים תחילה, חיסול נשאר אחרון ✔

תיאור: MACC מדרג את המדדים לפי עלות לטון שנמנע (€/טון). אמצעי עלות שליליים (למשל יעילות אנרגטית) גם מפחיתים את הפליטות וגם חוסכים כסף; אלה מובאים לקדמת הבמה. אפשרויות בעלות גבוהה וקיזוז נשארים עד האחרון. ההסרה אינה תחליף להפחתה, אלא השלמה לשארית הבלתי נמנעת.

5. ראית בתמונת הלוויין ש-NDVI באזור אחד ירד פתאום תוך חודש אחד. מה כדאי לעשות קודם?

• א) יש להפעיל מיד אזעקת 'כרית יערות פתאומית' ולהכריז על כך לציבור
• ב) בדיקת האותנטיות של האות על ידי החלת מסכת ענן והשוואתה לתאריכים שכנים ✔
• ג) הסתכלות על תמונה בודדת ודיווח על אחוזי הפסד מדויקים
• ד) נתוני לוויין תמיד מדויקים; אין צורך בבדיקות נוספות

הסבר: האות המזויף הנפוץ ביותר של נתוני לווין הוא ענן. ירידת NDVI יכולה להיות אובדן ממשי של יער, או שזה יכול להיות ענן מעל התמונה באותו יום. יש צורך להחיל תחילה מסכת ענן ולהשוות עם תאריכים נטולי ענן שכנים; טענת השינוי צריכה להתבסס על המגמה, לא על תאריך אחד, ואם אפשר, יש לאמת אותה באמיתות היסוד.

6. איזו גישה נכונה כאשר משווים את השפעת המים של שני מפעלים?

• א) רק להסתכל על ליטרים מוחלטים ולהכריז על זה שצורך הכי הרבה כגרוע ביותר
• ב) אפקט המים זהה בכל מקום; האזור לא חשוב
• ג) שקלול הצריכה לפי מתח מים אזורי והשוואה להשפעה בפועל ✔
• ד) הוספת מים ירוקים, כחולים ואפורים למספר בודד והתעלמות מלחץ

הסבר: מים, בניגוד לפחמן, הם מקומיים; אותה כמות מים פירושה השפעה סביבתית חמורה הרבה יותר באזור עם לחץ מים גבוה. לכן, יש להעריך את השפעת המים לא רק בליטר מוחלט אלא לשקלל לפי לחץ מים אזורי. מתקן באזור שצורך מעט אך יבש מאוד עשוי להיות קריטי יותר ממתקן שצורך הרבה אבל יש בו הרבה מים.

7. בניהול פסולת, בינה מלאכותית סיווגה פסולת כימית לקוד 'לא מסוכן'. מהי התנהגות נכונה?

• א) ביטול זה ישירות מהקוד הזה כי הבינה המלאכותית אומרת זאת
• ב) קודי פסולת אינם חשובים; כולם מסולקים באותו אופן
• ג) התעלמות ממחלקת זיהום ומפגע ודיווח על הכמות שנאספה
• ד) אישור המעמד עם גיליון נתוני הבטיחות (SDS) והחקיקה, אי קבלת הצעת הבינה המלאכותית כסופית ✔

תיאור: סיווג שגוי ופינוי לא רשום של פסולת מסוכנת הם בין הפשעים הסביבתיים הכבדים ביותר. הצעת קוד פסולת בינה מלאכותית היא רק טיוטה ראשונית; דרגת המפגע חייבת להיות מאושרת תמיד על ידי גיליון נתוני הבטיחות (SDS) של החומר ותקנות הפסולת החלות. פלט AI לעולם אינו משמש כקוד פסולת סופי.

8. מתקן הפחית את פליטת הערימה שלו ב-20%. מדוע לא נכון לומר 'האוויר בשכונה נוקה ב-20%'?

• א) פליטה וריכוז שונים; שינויים במזג האוויר דורשים מדידות נפרדות ומידול ✔
• ב) פליטה וריכוז הם אותו דבר; הירידה משתקפת ישירות באוויר
• ג) מדידת ארובה תמיד נותנת מזג אוויר מדויק בשכונה
• ד) המטאורולוגיה אינה משפיעה על איכות האוויר, ולכן הטענה תקפה

הסבר: פליטה (כמות שיוצאת מהמקור) וריכוז (צפיפות נמדדת באוויר) הם דברים שונים. רוח, טמפרטורה וטופוגרפיה גורמים לאותה פליטה לגרום לריכוזים שונים מאוד. גם אם הפחתת פליטת הערימה היא אמיתית, ניתן להוכיח את הטענה של ריכוז באוויר רק על ידי מדידה מכוילת ומודל פיזור מתאים; אחרת זה לא מבוסס ומטעה.

9. בדיווח ESG, יש משפט 'הורדנו את צריכת המים שלנו ב-15%' בטקסט שהופק על ידי בינה מלאכותית. מהי הבקרה הכי חשובה?

• א) מסתכלים עד כמה המשפט מרשים וקולח
• ב) ודא שהמספר מקושר למקור שניתן לעקוב (חשבונית, מד, מדידה) ✔
• ג) בהנחה שהמספר נכון כי הבינה המלאכותית מייצרת אותו
• ד) עיגול האחוז כלפי מעלה כדי שהמספר ייראה אסרטיבי יותר

הסבר: הערך של דוח ESG הוא המעקב אחר הנתונים החלשים ביותר שלו, ומבקרי הבטחה בלתי תלויים בוחנים את שרשרת הראיות מאחורי המספר. ייתכן שה-AI יצר מספר שנראה 'סביר' מטקסטים קודמים אך לא ניתן היה לאתר אותו. לא כל תביעה דיגיטלית צריכה להיכנס לדוח מבלי להיות מקושרת למקור שניתן לעקוב על סמך החשבונית/מד/תעודה.

10. מדוע משתמשים במספר תרחישים בהערכת סיכוני אקלים ולא בעתיד אחד?

• א) תרחישים הם קישוט; מספיקה תחזית עתיד מדויקת אחת
• ב) מכיוון שבינה מלאכותית יכולה לתת את ההסתברות לשיטפונות עתידיים באחוזים מדויקים, די בתרחיש אחד
• ג) סיכון פיזי ומעבר עשוי להיות שלילי בהתאם לתרחישים; המטרה היא לבדוק סיבולת ✔
• ד) סיכון פיזי ומעבר הם אותו דבר, אין צורך בתרחישים נפרדים

הסבר: סיכון פיזי (השפעות אקלים כגון שיטפונות, בצורת) וסיכון מעבר (מחיר פחמן, חקיקה, שינוי טכנולוגיה) נעים לעתים קרובות בכיוונים מנוגדים: אם העולם עושה מיתוג מהיר, סיכון המעבר גדל, הסיכון הפיזי יורד; אם הוא פועל לאט, קורה ההיפך. לכן, נבדק לפחות תרחיש התחממות נמוך (1.5-2 מעלות צלזיוס) ואחד גבוה (3 מעלות צלזיוס). המטרה היא לא לחזות את העתיד, אלא לבחון סיבולת.

11. שאלת את ה-AI אם תקנה (למשל CBAM) חלה עליך ועל המועדים שלה. איך כדאי להתנהג?

• א) תכנון ישירות לפי התאריכים והפריטים שניתנו על ידי בינה מלאכותית
• ב) ביסוס החלטת ההיקף על הפרשנות הכללית של AI, לא להסתכל על רשימת הקודים הרשמית
• ג) הציות היא חד פעמית; ברגע ששואלים, אין צורך לפקח כל הזמן על החקיקה
• ד) שקול את הפלט כטיוטה ואשר את המאמר, התאריך, הסף וההיקף מהטקסט הרשמי הנוכחי ✔

תיאור: ידע רגולטורי מיושן במהירות; מאמרים משתנים, תאריכים נדחים, היקפים מתרחבים. נתוני האימון של ה-AI מוקפאים בתאריך מסוים וייתכן שלא יהיו מעודכנים; יתרה מכך, החומר יכול להמציא עובדות קריטיות כמו היסטוריה וסף. החלטת ההיקף צריכה להיות מאושרת על ידי רשימת המוצר/קוד הרשמי, כל התאריכים והסף על ידי הטקסט הרשמי בתוקף; יש לקבל חוות דעת מורשית/מומחה בהחלטות ציות קריטיות.

12. לאיזו מהטענות הסביבתיות הבאות יש את הסיכון הנמוך ביותר לשטיפה ירוקה?

• א) 'הורדנו את פליטת הייצור שלנו ב-18% עד 2023 (עם אימות בלתי תלוי)' ✔
• ב) 'המוצרים שלנו הם לגמרי ידידותיים לסביבה וטבעיים'
• ג) 'החברה שלנו היא פחמן ניטראלית' (ללא לספק מסמכים או נתונים כלשהם)
• ד) 'אנחנו החברה הכי קיימא וכמעט אפס השפעה בתעשייה'

הסבר: טענה סביבתית טובה ניתנת למדידה (מכילה מספר), מוכחת (על סמך ראיות), וספציפית בהיקפה (ברור מה משווים למתי). "הפחתנו את פליטת הייצור ב-18% עד 2023 (עם אימות עצמאי)" יש שלוש התכונות הללו. ביטויים כמו 'ידידותי לסביבה', 'טבעי', 'נייטרלי פחמן' (ללא אישור) אינם ניתנים לכימות או לא מבוססים וטומנים בחובם סיכון של שטיפה ירוקה.

13. מדוע זה מסוכן להדביק נתוני פליטות מתקנים לא נחשפים לתוך כלי AI זמין לציבור לניתוח?

• א) אין סיכון; נתונים סביבתיים תמיד זמינים לציבור
• ב) סודות מסחריים, נתונים לא נחשפים ונתונים אישיים עלולים להיות דלפים; סיווג ואנונימיזציה נדרשים תחילה ✔
• ג) הסיכון הוא רק טעות חישוב, אין לו שום קשר לפרטיות הנתונים
• ד) לאחר מסירת הנתונים לרכב, האחריות עוברת לספק הבינה המלאכותית

חשיפה: נתוני ייצור ופליטות ברמת האתר עשויים להיות סודות מסחריים ונתונים פיננסיים/סביבתיים לא נחשפים עשויים להפר את כללי הגילוי הרגולטוריים; נתוני מיקום/נסיעות של עובדים הם נתונים אישיים. לפני מתן נתונים מסוג זה לכלי פתוח, יש צורך לסווג אותם, להפוך אותו לאנונימי במידת הצורך, או להשתמש בכלי מוסדי (ללא נתונים). 'AI אמר' אינו הגנה; האחריות היא על המוסד ועל הפרט.

14. באיזה מושג משתמשים בהמרת גז חממה כמו מתאן (CH₄) ל-CO₂e ומדוע זה חשוב?

• א) AQI (מדד איכות האוויר); קובע את צבע הגז באוויר
• ב) NDVI (מדד צמחייה); מודד את השפעת הגז בקרקע
• ג) GWP (פוטנציאל התחממות כדור הארץ); אם מושמט, אפקט מתאן/N₂O יזלזל מאוד ✔
• ד) אין צורך במקדמים; מתאן סופר 1 עד 1 ישירות כמו CO₂

תיאור: GWP (Global Warming Potential) הוא המקדם הממיר את השפעת החימום של גזי חממה שונים ליחידה משותפת ביחס ל-CO₂. ה-GWP ל-100 שנים של מתאן הוא כ-28; אז טון אחד של מתאן אומר בערך 28 טון של CO₂e. אם מושמט GWP, ההשפעה של גזים חזקים כמו מתאן ו-N₂O תהיה מועטה מאוד והמלאי יהיה לא מדויק לחלוטין; כמו כן, יש לציין באיזה ערכת GWP (למשל IPCC AR6, 100 שנים) נעשה שימוש.