Nyereség:
- Képes a zöldmosás fajtáinak felismerésére (bizonytalan, nem bizonyított, rejtett csere, eltúlzott jövő) és egy állítás mérhetővé, forrásolhatóvá és körbejárhatóvá tétele.
- Képes a járműnek átadandó adatok titkossági minősítésére, valamint az üzleti titkok és személyes adatok védelmére
- Képes a végpontok közötti minőségi kapu megvalósítására a meghatározástól az ellenőrzésig, és vállalni a végső felelősséget anélkül, hogy az „AI által mondott” védelemre hagyatkozna.
Ennek a modulnak minden egységében megismétlődött egy elv: a számnak forráson kell alapulnia, az állításnak bizonyítékon kell alapulnia. Ez az utolsó egység ezt az elvet integrálja. A mesterséges intelligencia legnagyobb kockázata a környezetben és az éghajlaton nem a téves számítás, hanem az, hogy hihető, de megalapozatlan történetet produkál. Ebben az egységben megtanulhatja, hogyan ismerheti fel és akadályozza meg a zöldmosást, hogyan biztosíthatja az adatok pontosságát, az etikát és a magánélet védelmét, valamint egy végponttól végpontig terjedő munkafolyamatot, amely egységesíti a teljes modult.
A zöldmosás anatómiája
Greenwashing az, amikor egy szervezet környezeti teljesítményét jobbnak látja, mint amilyen valójában. Mivel a mesterséges intelligencia nagyon jó a gördülékeny és meggyőző szövegek előállításában, nagyon hajlamos arra is, hogy tudtukon kívül zöldmosást hozzon létre. Főbb típusok:
Zöldmosó típus
hogy érted?
példa
homályos állítás
mérhetetlen, meghatározatlan szó
"Környezetbarát", "természetes", "zöld"
bizonyíték nélkül állítják
Szám/cél adat nélkül
„Szénsemlegesek vagyunk” (nincs dokumentáció)
titkos csere
A jó kiemelése és a nagy rossz elrejtése
"A csomagolás újrahasznosítható", de a termék nagyon környezetszennyező
irreleváns állítás
A már szükséges/lényegtelen erényként való bemutatása
"Nem tartalmaz tiltott anyagot"
hamis címke
Gyártott/ellenőrizetlen tanúsítvány megjelenése
Saját ötletű "zöld" logó
extravagáns jövő
Bizonyítékok nélkül menedéket találni egy távoli célpontban
"2050-ben semlegesek leszünk" (nincs átmeneti terv)
Tipp: A jó környezeti állításnak három jellemzője van: mérhető (szám), bizonyított (egy bizonyíték) és egyértelmű hatálya (világos, hogy mihez viszonyítanak mikor). Ha egy követelésből e három közül valamelyik hiányzik, hagyja abba a közzététel előtt.
Adatpontosság: a modul aranyszabálya
Az egyes egységekben tapasztalható verifikációs fegyelem egyetlen mondatban összefoglalható: A mesterséges intelligencia által előállított számok vagy tények nem válnak határozattá, jelentéssé vagy követeléssé anélkül, hogy független forrás megerősítené. Az emissziós tényezőt a hivatalos táblázat, a jogszabályi cikket az aktuális szövegből, a mérést a kalibrált készülékből, a számítást a végrehajtott kódból igazoljuk. Az AI felgyorsul; Ő az az ember, aki igazat mond.
Etika és magánélet
Etika: A környezeti adatok a nyilvánosságot és a jövő generációit érintik; az adatmasszírozás, a szelektív jelentéstétel vagy a bizonytalanság elrejtése etikai vétség. Ne kérje az AI-t, hogy "mutassa jobban a jelentést", hanem "mutassa pontosabban és érthetőbben a jelentést".
Titoktartás: Üzemi szintű termelési adatok, szállítói szerződések, nyilvánosságra nem hozott kibocsátási adatok üzleti titkok lehetnek; Az alkalmazottak utazási vagy tartózkodási helyére vonatkozó adatok személyes adatok lehetnek. Ellenőrizze a vállalati szabályzatot és az adatvédelmi szabályokat (pl. KVKK/GDPR), mielőtt nyilvános mesterségesintelligencia-eszközökbe illeszti be azokat; Lehetőség szerint anonimizálja, vagy használjon vállalati, adatbiztos eszközt.
Vigyázat: "Az AI azt mondta" nem védekezés. A hamis kibocsátási jelentésért, a megtévesztő reklámért vagy a kiszivárgott bizalmas adatokért az intézmény és az aláíró felelős. Az AI egy eszköz; Olyan ember, aki elszámoltatható.
Végpontok közötti munkafolyamat: állítsa össze a modult
Íme hat lépés a környezeti állítás vagy jelentés magabiztos elkészítéséhez az elejétől a végéig:
1. Határozza meg. Mit jelentenek/követelnek? Világos a hatály, mértékegység, szabvány, időszak?
2. Gyűjtse össze és erősítse meg az adatokat. Minden kérdésnek van nyomon követhető forrása? Hivatalosak a tényezők?
3. Számítsa ki és ellenőrizze. Végezze el a számtani kódot, és adja meg az eredményt mértékegységekkel és sorrendekkel.
4. Vázlat. Készítsen szövegvázat AI-val; Kösd össze az egyes mondatokat a bizonyítékokkal!
5. Engedje át a Greenwashing szűrőn. Távolítsa el a homályos, megalapozatlan, túlzó kijelentéseket.
6. Ellenőrizze és vállalja a felelősséget. Független biztosítás/szakértői ellenőrzés; a végső jóváhagyás az emberé.
három mini tok
1. eset – Folyékony, de megalapozatlan. Az egyik csapat az MI-vel fenntarthatósági tájékoztatót írt; A szöveg lenyűgöző volt, de tele van olyan nem számszerűsíthető kifejezésekkel, mint az „iparvezető fenntarthatóság”, „közel nulla hatás”. A zöldmosó szűrő alkalmazása (1. sablon lent) hét megalapozatlan állítást jelölt meg; mindegyiket vagy bevált számmal helyettesítették, vagy eltávolították. A jelentés rövidebb volt, de védhető.
2. eset – Kiszivárgott adatok. Egy elemző egy nyilvánosan elérhető mesterségesintelligencia-eszközbe illesztette be a létesítmények kibocsátásának még nyilvánosságra nem hozott adatait, és elemzést kért. A megfelelőségi csoport rájött, hogy ez üzleti titok, és lehetséges, hogy megsértette a jogszabályi közzétételt; a folyamatot leállították, az adatokat egy vállalati (szivárgásbiztos) eszközbe helyezték át. Tanulság: határozza meg az adatok osztályát (bizalmas?), mielőtt átadná az eszköznek.
3. eset – Érvényesítési lánc. Az egyik szervezet a teljes éves jelentéséhez vezetett egy „követelés-bizonyíték” táblázatot: minden mondatban minden számmal szemben a forrás szerepel. Amikor a könyvvizsgáló megérkezett, perceken belül nyomon tudták követni az egyes követeléseket; A biztosítási folyamat zökkenőmentesen zajlott. Ez a diszciplína volt a modul összes egységének magja, és időt és elismerést takarított meg a való világban.
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
Tegye lenyűgözőbbé fenntarthatósági üzenetünket.
Miért gyenge: A „lenyűgöző” vágya túlzásba és homályos dicséretbe taszítja az AI-t; zöldmosást termel.
Erőteljes felszólítás:
Az Ön szerepköre: környezetvédelmi kommunikációs szerkesztő és zöldmosó auditor. Tedd az alábbi szöveget HELYESBEN és érthetőbbé, ne "fényessé". Minden állítás azt kérdezi: mérhető-e, származott-e, világos-e a hatálya? Jelölje meg a homályos („környezetbarát”), nem bizonyított („semleges”) és eltúlzott állításokat, és bizonyítékokon alapuló, kimért alternatívákat javasol. Távolítsa el a bizonyíték nélküli állítást. Szöveg: [itt]
Négy másolható sablon
1) Greenwashing szabályozó szűrő:
Az Ön szerepe: zöldmosó auditor. Táblázzon meg minden környezeti állítást az alábbi szövegben: (állítás | mérhető-e | van-e bizonyíték | bizonytalan-e | ítélet). Jelölje meg azokat, amelyek tisztázatlanok/nem bizonyítottak/túloznak, és mindegyikre javasoljon kimért, bizonyítékokon alapuló alternatívát. Szöveg: [itt]
2) A követelés-bizonyíték egyezési táblázat:
Távolítson el MINDEN számszerű és ténybeli állítást az alábbi jelentésszövegből. Hagyjon mindegyikhez egy „forrás” oszlopot. Jelölje meg a meg nem határozott forrású követeléseket "BIZONYÍTÁS SZÜKSÉGES"-ként. Szöveg módosítása; ellenőrizze.Szöveg: [itt]
3) Adatvédelmi előzetes ellenőrzés:
Az alábbi adatokat MI-eszközben történő feldolgozás előtt osztályozza: tartalmaz-e üzleti titkot (növénytermelés, beszállítói ár), személyes adatokat (név, hely) vagy nem nyilvános pénzügyi információkat? Jelölje meg a kockázatos területeket, és javasolja az anonimizálást/eltávolítást. Adatpélda: [itt]
4) Végtől-végig minőségi kapu:
Végezze el az alábbi környezetvédelmi jelentés/állítás végső ellenőrzését. Sorrendben: (1) tiszta-e a hatókör-egység-szabvány, (2) az egyes számok forrása-e, (3) ellenőrizték-e az aritmetikát, (4) van-e zöldmosás, (5) kiszivárogtak-e bizalmas/személyes adatok. Adja meg a megfelelést/nem teljesítést és az indoklást minden tételnél. Tartalom: [itt]
Gyakori hibák
- „Lenyűgözőt” szeretne. Ez a mesterséges intelligencia hiperbolába és zöldmosásba taszítja; Kérjen „pontos és érthető” kifejezést.
- Nem vette észre a homályos követelést. Az olyan kifejezések, mint a „környezetbarát”, mérhetetlenek és kockázatosak.
- Bizalmas adatok exportálása nyílt eszközbe. Először osztályozza az adatokat, és szükség esetén anonimizálja.
- A védekezés azzal, hogy "Az AI mondta." A felelősség mindig az embert terheli.
- Nem tartja karban az ellenőrzési láncot. Minden követelés forrásának ellenőrizhetőnek kell lennie.
Összefoglalva
A mesterséges intelligencia biztonságos környezeti és éghajlati használatának lényege egyetlen tudományág: minden forrásból származó szám, minden állítás bizonyított, minden besorolt eszközhöz betáplált adat, minden végső emberi döntés. A zöldmosás a folyékony nyelv csapdája; Ennek elkerülésének módja az, ha mérhető, forrásból származó és bizonyos hatókörrel rendelkező állításokat teszünk. AI; kalkulál, szkennel, vázol és rendszerez – de az illetékes szakértő az, aki ellenőrzi, dönt és elszámol. A nagy következményekkel járó környezetvédelmi munkák során az AI-kimenet nem helyettesíti a szakértői ellenőrzést és érvényesítést; csak felgyorsítja.
Pályázati feladat
Válasszon egy leszállítást, amelyet a modul során készített (kibocsátási összefoglaló, vízelemzés vagy ESG szakasz). Greenwashing audit először az 1. sablonnal, és javítsa ki a megalapozatlan állításokat, amelyeket talál. Ezután hozzon létre egy követelés-bizonyíték táblázatot a 2. sablonnal, és adja meg a fennmaradó számokat források nélkül. Végül alkalmazza a végponttól végpontig minőségi kaput a 4. sablonnal; Javítsa mindaddig, amíg meg nem kapja a „bérletet” mind az öt elemre.
ellenőrző lista
- [ ] Minden állítást mérhetővé, forrás- és hatókör-specifikusvá tettem.
- [ ] Zöldmosó szűrővel tisztáztam a homályos/túlzó nyelvezetet.
- [ ] Függetlenül ellenőriztem az AI által készített összes számot.
- [ ] Titoktartás céljából minősítettem/anonimizáltam az eszköznek átadott adatokat.
- [ ] Az aritmetikát kódoltam, és megadtam egységekkel és rangokkal.
- [ ] Vállaltam a végső felelősséget; Nem hagyatkoztam az "AI mondta" védelemre.
Modul vizsga
1. Az alábbiak közül melyik a legpontosabb helymeghatározás a mesterséges intelligencia számára a környezetben és az éghajlaton?
- A) A mesterséges intelligencia a kód, az adatok és a tervrajzok asszisztense; A tényezőkért, a terjedelemért, a bizonyítékokért és az etikai döntésekért az emberek felelőssége ✔
- B) A mesterséges intelligencia egy mérőeszköz, és az általa megadott emissziós értékek mindig pontosak.
- C) A mesterséges intelligencia csak riportírásnál hasznos, semmi köze a számvitelhez, monitoringhoz
- D) Mivel a mesterséges intelligencia pártatlanabb, mint az ember, minden környezetvédelmi döntést rá kell bízni.
Leírás: Mesterséges intelligencia; Ez egy asszisztens, amely kódot ír, adatokat rendez, piszkozatokat készít és összegez. A kibocsátási tényező, a terjedelem és a mértékegység pontosságának megerősítése, az állítások megalapozottsága és a végső felelősség azonban az illetékes szakértő feladata. A nagy nyelvi modell nem mérőeszköz, számológép vagy jogforrás; egy szöveggenerátor, amely előállítja a „következő legvalószínűbb szót”, és ennek ellenőrizetlen kimenete hamis jelentéshez vagy állításhoz vezethet.
2. Melyik megközelítés a helyes a „tevékenységi adatok × kibocsátási tényező” kiszámításához az üvegházhatású gázok nyilvántartásában?
- A) Használja azt a tényezőt, amelyre a mesterséges intelligencia emlékszik, és manuálisan végezze el az összesítést
- B) A faktor felvétele a hivatalos táblából országonként és évenként, és az összeg elkészítése végrehajtható kóddal ✔
- C) Az összes gázt CO₂-ként számoljuk, és kihagyjuk a GWP konverziót
- D) Az egyes országok alapértelmezett (pl. USA) rácstényezőjének használata
Leírás: A kibocsátási tényezők országonként, évenként és üzemanyagonként változnak; Az „emlékeztető” mesterséges intelligencia magában hordozza a gyártás kockázatát. A faktort mindig hivatalos táblázatból kell megerősíteni (IPCC, DEFRA/EPA, nemzeti jegyzék); A többsoros összesítést végrehajtható kóddal kell elvégezni, nem manuálisan. A metánt és az N2O-t szükségszerűen CO₂e-vé alakítják a megfelelő GWP-készlettel.
3. Az ÜHG Protokoll szerint milyen hatálya alá tartozik a vásárolt villamos energia termeléséből származó kibocsátás?
- A) Hatály 1
- B) Hatály 3
- C) 2. hatókör ✔
- D) Nem tartozik semmilyen hatókörbe, és nincs jelentve
Leírás: Az 1. hatókör a szervezet saját forrásaiból (kazán, céges jármű) származó közvetlen kibocsátások. A 2. hatókör a vásárolt energia (villamos energia, gőz, fűtés, hűtés) előállításából származó közvetett kibocsátások. A 3. hatókör az értéklánc minden egyéb közvetett kibocsátására vonatkozik (ellátás, utazás, termékhasználat).
4. Melyik a helyes, amikor az MACC (marginális csökkentési költség) mérséklő intézkedéseket rangsorol?
- A) Először mindig a legdrágább és legtechnológiásabb intézkedéseket kell megtenni
- B) Először meg kell vásárolni az ellentételezést, és „nettó nullának” nevezik, a csökkentést későbbre kell hagyni.
- C) A cselekvés sorrendje költségtől független; mindet egyszerre alkalmazták
- D) Először a negatív költség (megtakarítási) intézkedésekre kerül sor, a megszüntetés utoljára marad ✔
Leírás: A MACC az elkerült tonnánkénti költség (€/tonna) alapján rangsorolja az intézkedéseket. A negatív költségintézkedések (pl. energiahatékonyság) egyaránt csökkentik a kibocsátást és pénzt takarítanak meg; Ezeket előtérbe helyezik. A magas költségű opciók és az ellentételezés a végsőkig maradnak. Az eltávolítás nem helyettesíti a mérséklést, hanem kiegészíti az elkerülhetetlen maradékot.
5. Látta a műholdképen, hogy az egyik régióban az NDVI egy hónap alatt hirtelen csökkent. Mit kell először csinálni?
- A) Azonnal adjon „hirtelen erdőirtás” riasztást, és jelentse be a nyilvánosság számára
- B) A jel hitelességének tesztelése felhőmaszk alkalmazásával és a szomszédos dátumokkal való összehasonlítással ✔
- C) Egyetlen kép megtekintése és pontos százalékos veszteség jelentése
- D) A műholdas adatok mindig pontosak; nincs szükség további ellenőrzésekre
Magyarázat: A műholdadatok leggyakoribb hamis jele a felhő. Az NDVI-esés tényleges erdőveszteséget jelenthet, vagy az aznapi kép feletti felhő lehet. Először felhőmaszkot kell alkalmazni, és összehasonlítani kell a szomszédos felhőmentes dátumokkal; A változási állítást a trendre, nem pedig egyetlen dátumra kell alapozni, és lehetőség szerint alapos igazsággal kell igazolni.
6. Melyik a helyes megközelítés két gyár vízhatásának összehasonlításakor?
- A) Csak nézzük az abszolút litereket, és azt nyilvánítsuk a legrosszabbnak, amelyik a legtöbbet fogyaszt
- B) A vízhatás mindenhol ugyanaz; régió nem fontos
- C) A fogyasztás súlyozása regionális vízterheléssel és összehasonlítás a tényleges hatással ✔
- D) Zöld, kék és szürke víz hozzáadása egyetlen számhoz, és figyelmen kívül hagyva a stresszt
Magyarázat: A víz a szénnel ellentétben helyi eredetű; Ugyanaz a vízmennyiség sokkal súlyosabb környezetterhelést jelent a nagy vízterhelésű régióban. Ezért a vízhatást nem csak abszolút literben kell értékelni, hanem regionális vízterheléssel súlyozva. Egy olyan régióban található létesítmény, amely keveset fogyaszt, de nagyon száraz, kritikusabb lehet, mint egy olyan létesítmény, amely sokat fogyaszt, de sok víz van.
7. A hulladékgazdálkodásban a mesterséges intelligencia a vegyi hulladékot „nem veszélyes” kódba sorolta. Mi a helyes viselkedés?
- A) Közvetlenül a kódból való eltávolítása, mert a mesterséges intelligencia ezt mondja
- B) A hulladékkódok nem fontosak; mindegyiket egyformán ártalmatlanítják
- C) A szennyezettség és a veszélyességi osztály figyelmen kívül hagyása és a begyűjtött mennyiség bejelentése
- D) Az osztály megerősítése a biztonsági adatlappal (SDS) és a jogszabályokkal, a mesterséges intelligencia javaslat véglegesnek nem fogadása ✔
Leírás: A veszélyes hulladékok helytelen besorolása és nyilvántartásba vétele a legszigorúbban szankcionált környezetvédelmi bűncselekmények közé tartozik. Az AI hulladékkódjavaslat csak egy kezdeti tervezet; A veszélyességi osztályt minden esetben meg kell erősíteni az anyag biztonsági adatlapjával (SDS) és a vonatkozó hulladékra vonatkozó előírásokkal. Az AI-kimenetet soha nem használják végső hulladékkódként.
8. Egy létesítmény 20%-kal csökkentette a verem kibocsátását. Miért helytelen azt mondani, hogy „a környék levegőjét 20%-kal megtisztították”?
- A) A kibocsátás és a koncentráció különbözik; Az időjárás változásai külön mérést és modellezést igényelnek ✔
- B) A kibocsátás és a koncentráció ugyanaz; A csökkenés közvetlenül tükröződik a levegőben
- C) A kéménymérés mindig pontos környezeti időjárást ad
- D) A meteorológia nem befolyásolja a levegő minőségét, így az állítás jogos
Magyarázat: Az emisszió (a forrásból kilépő mennyiség) és a koncentráció (levegőben mért sűrűség) különböző dolgok. A szél, a hőmérséklet és a topográfia ugyanazt a kibocsátást okozza, és nagyon eltérő koncentrációkat eredményez. Még ha a köteg kibocsátás csökkenése valós is, a levegőben lévő koncentráció állítása csak kalibrált méréssel és megfelelő diszperziós modellel igazolható; egyébként megalapozatlan és félrevezető.
9. Az ESG jelentésekben van egy mondat: „15%-kal csökkentettük a vízfogyasztásunkat” egy mesterséges intelligencia által készített szövegben. Mi a legfontosabb ellenőrzés?
- A) Ha megnézzük, milyen lenyűgöző és gördülékeny a mondat
- B) Ellenőrizze, hogy a szám nyomon követhető forráshoz van-e kötve (számla, mérőóra, mérés) ✔
- C) Tegyük fel, hogy a szám helyes, mert a mesterséges intelligencia állítja elő
- D) A százalékos arány felfelé kerekítése, hogy a szám határozottabbnak tűnjön
Magyarázat: Az ESG-jelentés értéke a leggyengébb adatainak nyomon követhetősége, és a független megbízhatósági auditorok megvizsgálják a szám mögött meghúzódó bizonyítékláncot. Lehet, hogy a mesterséges intelligencia egy olyan számot hozott létre, amely a korábbi szövegekből „ésszerűnek” tűnt, de követhetetlen. Nem minden digitális követelésnek kell beírnia a jelentést anélkül, hogy a számla/mérőóra/tanúsítvány alapján nyomon követhető forráshoz lenne kapcsolva.
10. Miért használnak több forgatókönyvet az éghajlati kockázatértékelésben, nem pedig egyetlen jövőt?
- A) A forgatókönyvek dekoráció; Egy pontos jövőbeli előrejelzés elég
- B) Mivel a mesterséges intelligencia pontos százalékos arányban tudja megadni a jövőbeli árvizek valószínűségét, elég egy forgatókönyv
- C) A fizikai és átmeneti kockázat a forgatókönyvektől függően kedvezőtlen lehet; A cél az állóképesség próbája ✔
- D) A fizikai és az átmeneti kockázat ugyanaz, nincs szükség külön forgatókönyvekre
Magyarázat: A fizikai kockázat (éghajlati hatások, például árvizek, aszályok) és az átmeneti kockázat (szén-dioxid ára, jogszabályok, technológiaváltás) gyakran ellentétes irányba mozdul el: ha a világ gyors mérséklést hajt végre, az átmenet kockázata nő, a fizikai kockázat csökken; Ha lassan cselekszik, az ellenkezője történik. Ezért legalább egy alacsony (1,5-2°C) és egy magas (3°C+) felmelegedési forgatókönyvet tesztelnek. A cél nem a jövő megjóslása, hanem az állóképesség próbája.
11. Megkérdezte az AI-t, hogy vonatkozik-e Önre egy szabályozás (pl. CBAM) és annak határideje. Hogyan kell viselkedni?
- A) Tervezés közvetlenül a mesterséges intelligencia által megadott dátumok és tételek szerint
- B) A hatályos döntést az AI általános értelmezésére alapozni, nem a hivatalos kódlistát nézni
- C) A megfelelés egyszeri; Ha egyszer megkérdezi, nem kell folyamatosan figyelemmel kísérni a jogszabályokat
- D) Tekintse a kimenetet vázlatnak, és erősítse meg a cikket, a dátumot, a küszöböt és a hatályt a jelenlegi hivatalos szövegből ✔
Leírás: A szabályozási ismeretek gyorsan elavulnak; Változnak a cikkek, elhalasztják a dátumokat, bővülnek a körök. A mesterséges intelligencia képzési adatai egy bizonyos időpontban lefagynak, és előfordulhat, hogy nem naprakészek; Sőt, az anyag olyan kritikus tényeket gyárthat, mint a történelem és a küszöb. A hatályos döntést a hivatalos termék-/kódlista, az összes dátumot és határértéket a hatályos hivatalos szövegnek kell megerősítenie; A kritikus megfelelőségi döntéseknél felhatalmazott/szakértői véleményt kell beszerezni.
12. Az alábbi környezetvédelmi állítások közül melyikben a legkisebb a zöldmosás kockázata?
- A) „2023-ra 18%-kal csökkentettük gyártási kibocsátásunkat (független ellenőrzéssel)” ✔
- B) „Termékeink teljesen környezetbarátak és természetesek”
- C) „Cégünk szén-dioxid-semleges” (dokumentumok vagy adatok megadása nélkül)
- D) „Mi vagyunk a leginkább fenntartható és közel nulla hatású vállalat az iparágban”
Magyarázat: A jó környezeti állítás mérhető (számot tartalmaz), bizonyított (bizonyítékokon alapul), és hatókörében specifikus (világos, hogy mire és mikor hasonlítják össze). „2023-ra 18%-kal csökkentettük a termelés kibocsátását (független ellenőrzéssel)” ez a három jellemző. Az olyan kifejezések, mint a „környezetbarát”, „természetes”, „szén-semleges” (tanúsítvánnyal nem rendelkező) nem számszerűsíthetők vagy megalapozatlanok, és a zöldmosás kockázatával járnak.
13. Miért kockázatos a nem nyilvános létesítmények kibocsátási adatait egy nyilvánosan elérhető mesterségesintelligencia-eszközbe illeszteni elemzés céljából?
- A) Nincs kockázat; a környezeti adatok mindig nyilvánosak
- B) üzleti titkok, nyilvánosságra nem hozott adatok és személyes adatok kiszivároghatnak; először besorolás és anonimizálás szükséges ✔
- C) A kockázat csupán számítási hiba, semmi köze az adatvédelemhez
- D) Amint az adatokat megkapta a jármű, a felelősség átszáll a mesterséges intelligencia-szolgáltatóra
Nyilvánosságra hozatal: A telephelyszintű termelési és kibocsátási adatok üzleti titkok lehetnek, és a nyilvánosságra nem hozott pénzügyi/környezetvédelmi adatok sérthetik a jogszabályi közzétételi szabályokat; Az alkalmazottak tartózkodási helyére/utazására vonatkozó adatok személyes adatok. Mielőtt az ilyen típusú adatokat egy nyílt eszközbe adná, szükséges azokat osztályozni, szükség esetén anonimizálni, vagy intézményi (adatmentes) eszközt használni. Az 'AI azt mondta' nem védekezés; A felelősség az intézményt és az egyént terheli.
14. Milyen fogalmat használnak az üvegházhatású gázok, például a metán (CH₄) CO₂e-vé alakításakor, és miért fontos ez?
- A) AQI (levegőminőségi index); meghatározza a levegőben lévő gáz színét
- B) NDVI (vegetációs index); méri a gáz talajra gyakorolt hatását
- C) GWP (globális felmelegedési potenciál); ha kihagyjuk, a metán/N₂O hatást erősen alábecsüljük ✔
- D) Nincs szükség együtthatóra; A metán 1-től 1-ig számít közvetlenül, mint a CO₂
Leírás: A GWP (Global Warming Potential) az az együttható, amely a különböző üvegházhatású gázok fűtőhatását egy közös egységgé alakítja a CO₂-hoz viszonyítva. A metán 100 éves GWP-je megközelítőleg 28; Tehát 1 tonna metán körülbelül 28 tonna CO₂e-t jelent. Ha a GWP-t kihagyjuk, az erős gázok, például a metán és az N2O hatását nagymértékben alábecsüljük, és a leltár teljesen pontatlan lesz; Azt is meg kell adni, hogy melyik GWP-készletet (pl. IPCC AR6, 100 év) használják.