ಲಾಭಗಳು:
- ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಪರಿಸರದ ಕೆಲಸದ ಹರಿವಿನಲ್ಲಿ (ಖಾತೆ, ಮೇಲ್ವಿಚಾರಣೆ, ವರದಿ ಮಾಡುವಿಕೆ, ಅನುಸರಣೆ) ಸಮಯವನ್ನು ಎಲ್ಲಿ ಉಳಿಸುತ್ತದೆ ಮತ್ತು ಅಪಾಯದ ಮಟ್ಟವನ್ನು ಅವಲಂಬಿಸಿ ವಿಸರ್ಜನಾ ಅಂಶ, ವ್ಯಾಪ್ತಿ ಮತ್ತು ಹಕ್ಕು ನಿರ್ಧಾರಗಳನ್ನು ಮನುಷ್ಯರಿಗೆ ಬಿಡಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಗುರುತಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.
- ಘಟಕ, ಮೂಲ ಮತ್ತು ಸ್ವತಂತ್ರ ಪರಿಶೀಲನೆ ಹಂತಗಳೊಂದಿಗೆ ಪ್ರತಿ ಡಿಜಿಟಲ್ ಔಟ್ಪುಟ್ ಅನ್ನು ಪರಿಶೀಲಿಸುವ ಶಿಸ್ತನ್ನು ಅನ್ವಯಿಸುವ ಸಾಮರ್ಥ್ಯ
- ನಕಲಿ ಹೊರಸೂಸುವಿಕೆ ಅಂಶಗಳು, ಸ್ಕೋಪ್-ಯೂನಿಟ್ ಗೊಂದಲ ಮತ್ತು ಹಸಿರು ತೊಳೆಯುವ ಭಾಷೆ ಏಕೆ ಅಪಾಯಗಳಾಗಿವೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಈ ವೃತ್ತಿಗೆ ಮೊದಲಿನಿಂದಲೂ ಪರಿಗಣಿಸಬೇಕು.
ಪರಿಸರ ನಿರ್ವಹಣೆಯು ಗಾಳಿ, ನೀರು ಮತ್ತು ಮಣ್ಣಿನ ಮೇಲೆ ಸಂಸ್ಥೆಯು ಬಿಡುವ ಹೆಜ್ಜೆಗುರುತನ್ನು ಅಳೆಯುವ, ಕಡಿಮೆ ಮಾಡುವ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ದಾಖಲಿಸುವ ಕಾರ್ಯವಾಗಿದೆ. ಎಲ್ಲಕ್ಕಿಂತ ಕ್ರೂರ ನಿಯಮವೆಂದರೆ, ಸಂಖ್ಯೆಯು ತಪ್ಪಾಗಿದ್ದರೆ, ಹೊರಸೂಸುವಿಕೆಯ ಅಂಶವು ತಪ್ಪಾಗಿದ್ದರೆ ಅಥವಾ ಸಮರ್ಥನೆಯಿಲ್ಲದಿದ್ದಲ್ಲಿ, ಸಂಪೂರ್ಣ ವರದಿಯು ಕುಸಿಯುತ್ತದೆ - ಮತ್ತು ಈಗ ಆ ಕುಸಿತಕ್ಕೆ ಒಂದು ಹೆಸರಿದೆ: ಗ್ರೀನ್ವಾಶಿಂಗ್, ಸಂಸ್ಥೆಯು ತನ್ನ ಪರಿಸರದ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ನಿಜವಾಗಿರುವುದಕ್ಕಿಂತ ಉತ್ತಮವಾಗಿ ಕಾಣುವಂತೆ ಮಾಡಿದಾಗ. ಒಂದು ನಿಯಂತ್ರಕ ಪೆನಾಲ್ಟಿ, ಖ್ಯಾತಿ ಹಾನಿ, ಅಥವಾ ಹೂಡಿಕೆದಾರರ ಮೊಕದ್ದಮೆ ಒಂದೇ ದೃಢೀಕರಿಸದ ಸಂಖ್ಯೆಯಿಂದ ಉದ್ಭವಿಸಬಹುದು. ಅದಕ್ಕಾಗಿಯೇ ಪರಿಸರ ಮತ್ತು ಹವಾಮಾನ ವ್ಯವಹಾರಗಳಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) ಅನ್ನು ಬಳಸಲು ಶಿಸ್ತು ಅಗತ್ಯವಿದೆ.
ಈ ಘಟಕದಲ್ಲಿ, ನಾವು ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳು ಎಂದು ಕರೆಯುವ ಪರಿಕರಗಳು (LLM - "ಮುಂದಿನ ಬಹುಪಾಲು ಪದ" ಎಂಬ ತರ್ಕದೊಂದಿಗೆ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯವಾಗಿ ಪಠ್ಯವನ್ನು ಉತ್ಪಾದಿಸುವ AI ಪ್ರಕಾರ) ನಿಜವಾಗಿಯೂ ಪರಿಸರದ ಕೆಲಸದಲ್ಲಿ ಸಮಯವನ್ನು ಉಳಿಸುತ್ತದೆ, ಅಲ್ಲಿ ಅವು ಅಪಾಯಕಾರಿ, ಮತ್ತು ಪ್ರತಿ ಔಟ್ಪುಟ್ ಅನ್ನು ಹೇಗೆ ಪರಿಶೀಲಿಸುವುದು ಎಂಬುದನ್ನು ನೀವು ಕಲಿಯುವಿರಿ.
ಮೊದಲನೆಯದಾಗಿ, ಒಂದು ವಿಮರ್ಶಾತ್ಮಕ ಪರಿಕಲ್ಪನೆ: AI ನಿಜವಲ್ಲದ ಮಾಹಿತಿಯನ್ನು ಪೂರ್ಣ ವಿಶ್ವಾಸದಿಂದ, ಅದು ನಿಜವೆಂಬಂತೆ ಉತ್ಪಾದಿಸಿದಾಗ ಭ್ರಮೆಯಾಗಿದೆ. ಪರಿಸರ ಕ್ಷೇತ್ರದಲ್ಲಿ, ಇದು; ನೀವು ತಯಾರಿಸಿದ ಹೊರಸೂಸುವಿಕೆ ಅಂಶ, ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಶಾಸನ, ತಪ್ಪಾದ ಘಟಕ (ಟನ್ಗಳ ಬದಲಿಗೆ ಕಿಲೋಗ್ರಾಂ) ಅಥವಾ ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ವೈಜ್ಞಾನಿಕ ಅಧ್ಯಯನದ ಉಲ್ಲೇಖದ ರೂಪದಲ್ಲಿ ಇದನ್ನು ಎದುರಿಸಬಹುದು. ನಿರ್ಣಾಯಕ ಅಂಶವೆಂದರೆ: LLM ಒಂದು ಕ್ಯಾಲ್ಕುಲೇಟರ್, ಅಳತೆ ಸಾಧನ ಅಥವಾ ನಿಯಂತ್ರಕ ಡೇಟಾಬೇಸ್ ಅಲ್ಲ. ಇದು ಪಠ್ಯ ಜನರೇಟರ್ ಆಗಿದ್ದು ಅದು ತರಬೇತಿ ಡೇಟಾದಲ್ಲಿ ನೋಡುವ ಪಠ್ಯಗಳನ್ನು ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯವಾಗಿ ಅನುಕರಿಸುತ್ತದೆ. ಇದು ಹೆಚ್ಚಿನ ಸಮಯವನ್ನು ಸಮಂಜಸವಾದ ಉತ್ಪಾದನೆಯನ್ನು ನೀಡುತ್ತದೆ; ಆದರೆ "ಸಮಂಜಸ" ಮತ್ತು "ಪರಿಶೀಲಿಸಿದ" ನಡುವಿನ ವ್ಯತ್ಯಾಸವು ಪರಿಸರ ವರದಿಯಲ್ಲಿ ಎಲ್ಲವೂ ಆಗಿದೆ.
ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಎಲ್ಲಿ ಕೆಲಸ ಮಾಡುತ್ತದೆ ಮತ್ತು ಪರಿಸರ ವ್ಯವಹಾರಗಳಲ್ಲಿ ಎಲ್ಲಿ ಕೆಲಸ ಮಾಡುವುದಿಲ್ಲ?
AI ಅನ್ನು ತ್ವರಿತ ಡ್ರಾಫ್ಟ್, ಡೇಟಾ ಕ್ಯುರೇಶನ್ ಮತ್ತು ವಿಶ್ಲೇಷಣಾ ಪಾಲುದಾರ ಎಂದು ಯೋಚಿಸಿ: ಮೌಲ್ಯಯುತವಾದ ಆದರೆ ಮೌಲ್ಯೀಕರಣಕ್ಕೆ ಅತ್ಯಗತ್ಯ. ಕೆಳಗಿನ ವ್ಯತ್ಯಾಸವು ಈ ಮಾಡ್ಯೂಲ್ನ ಬೆನ್ನೆಲುಬಾಗಿದೆ.
ಅನ್ವೇಷಣೆ
AI ನ ಕೊಡುಗೆ
ತಜ್ಞರ ಜವಾಬ್ದಾರಿ
ಇಂಗಾಲದ ಹೆಜ್ಜೆಗುರುತು ಲೆಕ್ಕಾಚಾರ
ಸೂತ್ರಗಳನ್ನು ಹೊಂದಿಸುತ್ತದೆ, ಪೈಥಾನ್ ಕೋಡ್ ಬರೆಯುತ್ತದೆ
ಮೂಲದಿಂದ ಹೊರಸೂಸುವಿಕೆಯ ಅಂಶವನ್ನು ದೃಢೀಕರಿಸುವುದು
ಉಪಗ್ರಹ/ಸಂವೇದಕ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ
ಡ್ರಾಫ್ಟ್ ಕೋಡ್ ಮತ್ತು ಕಾಮೆಂಟ್ಗಳನ್ನು ರಚಿಸುತ್ತದೆ
ಮಾಪನ ಮತ್ತು ಮಾಪನಾಂಕ ನಿರ್ಣಯದ ದೃಢೀಕರಣವನ್ನು ದೃಢೀಕರಿಸುವುದು
ESG ವರದಿ ಕರಡು
ಪಠ್ಯ ಮತ್ತು ಟೇಬಲ್ ಅಸ್ಥಿಪಂಜರವನ್ನು ರಚಿಸುತ್ತದೆ
ಪ್ರತಿ ಕ್ಲೈಮ್ ಅನ್ನು ಡೇಟಾದೊಂದಿಗೆ ಸಾಬೀತುಪಡಿಸುವುದು
ಶಾಸನ ಸಾರಾಂಶ
ಸಂಕೀರ್ಣ ಪಠ್ಯವನ್ನು ಸರಳಗೊಳಿಸಿ
ಪ್ರಸ್ತುತ ಅಧಿಕೃತ ಪಠ್ಯದಿಂದ ಲೇಖನ ದೃಢೀಕರಣ
ಹವಾಮಾನ ಅಪಾಯದ ಸನ್ನಿವೇಶ
ಸನ್ನಿವೇಶದ ಚೌಕಟ್ಟನ್ನು ಶಿಫಾರಸು ಮಾಡುತ್ತದೆ
ಡೇಟಾದ ಊಹೆಗಳು ಮತ್ತು ಮಿತಿಗಳನ್ನು ಪರಿಶೀಲಿಸಲಾಗುತ್ತಿದೆ
ತ್ಯಾಜ್ಯ/ನೀರಿನ ಆಪ್ಟಿಮೈಸೇಶನ್
ಮಾದರಿ ಮತ್ತು ಪ್ರಸ್ತಾಪದ ಕರಡನ್ನು ಒದಗಿಸುತ್ತದೆ
ಕ್ಷೇತ್ರದ ಅನ್ವಯಿಸುವಿಕೆಯನ್ನು ಪರಿಶೀಲಿಸಲಾಗುತ್ತಿದೆ
ಹೆಬ್ಬೆರಳಿನ ನಿಯಮ: ಸಂಖ್ಯೆಗೆ ಮಾರ್ಗವನ್ನು ಕಂಡುಹಿಡಿಯಲು, ಕೋಡ್ ಬರೆಯಲು, ಡೇಟಾವನ್ನು ಸಂಘಟಿಸಲು ಮತ್ತು ಡ್ರಾಫ್ಟ್ಗಳನ್ನು ರಚಿಸಲು AI ಅನ್ನು ಬಳಸಿ, ಸಂಖ್ಯೆಯೇ ಅಲ್ಲ; ಸ್ವತಂತ್ರ, ವಿಶ್ವಾಸಾರ್ಹ ಮೂಲದಿಂದ (ಹೊರಸೂಸುವಿಕೆ ಅಂಶದ ಡೇಟಾಬೇಸ್, ಸರ್ಕಾರಿ ಶಾಸನ, ಮಾಪನಾಂಕ ನಿರ್ಣಯ) ಪ್ರತಿ ಸಂಖ್ಯಾತ್ಮಕ ಫಲಿತಾಂಶ ಮತ್ತು ಪ್ರತಿ ವಾಸ್ತವಿಕ ಹಕ್ಕುಗಳನ್ನು ಪರಿಶೀಲಿಸಿ.
ಪರಿಸರ ವ್ಯವಹಾರಗಳಲ್ಲಿ AI ಯ ಮೂರು ಮಾರಕ ಬಲೆಗಳು
1. ಫಿಟ್ಟಿಂಗ್ ಎಮಿಷನ್ ಫ್ಯಾಕ್ಟರ್ ಮತ್ತು ಗುಣಾಂಕ. AI ತನಗೆ ನೆನಪಿಲ್ಲದ ಹೊರಸೂಸುವಿಕೆಯ ಅಂಶವನ್ನು "ಭರ್ತಿ" ಮಾಡಬಹುದು (ಇಂಧನ ಅಥವಾ ಚಟುವಟಿಕೆಯ ಪ್ರತಿ ಯೂನಿಟ್ ಹಸಿರುಮನೆ ಅನಿಲಗಳ ಪ್ರಮಾಣ) ಸಮಂಜಸವೆಂದು ತೋರುತ್ತದೆ. ಒಂದು kWh ವಿದ್ಯುತ್ಗೆ ತಪ್ಪಾದ ಇಂಗಾಲದ ತೀವ್ರತೆಯು ಸಂಪೂರ್ಣ ದಾಸ್ತಾನುಗಳನ್ನು ಅಡ್ಡಿಪಡಿಸುತ್ತದೆ.
2. ಘಟಕ ಮತ್ತು ವ್ಯಾಪ್ತಿ ಗೊಂದಲ. AI; ಕೆಜಿಯಿಂದ ಟನ್ಗಳು, CO₂ ನಿಂದ CO₂e (ಇಂಗಾಲದ ಡೈಆಕ್ಸೈಡ್ ಸಮಾನ - ವಿಭಿನ್ನ ಹಸಿರುಮನೆ ಅನಿಲಗಳ ತಾಪನ ಪರಿಣಾಮವು ಸಾಮಾನ್ಯ ಘಟಕವಾಗಿ ಪರಿವರ್ತನೆಯಾಗುತ್ತದೆ) ಸ್ಕೋಪ್ 1 ಮತ್ತು ವ್ಯಾಪ್ತಿ 3 ನಡುವೆ ಮೌನವಾಗಿ ಚಲಿಸಬಹುದು. ಫಲಿತಾಂಶವು ಸಂಖ್ಯಾತ್ಮಕವಾಗಿ ಸಮಂಜಸವೆಂದು ತೋರುತ್ತದೆ, ಆದರೆ ಅದು ತಪ್ಪು.
3. ಹಸಿರು ತೊಳೆಯುವಿಕೆಯನ್ನು ಉತ್ಪಾದಿಸುವ ಭಾಷೆ. "ಪರಿಸರ ಸ್ನೇಹಿ," "ಕಾರ್ಬನ್ ನ್ಯೂಟ್ರಲ್," "100% ಸಮರ್ಥನೀಯ" ನಂತಹ ಸಾಬೀತಾಗದ, ಹೈಪರ್ಬೋಲಿಕ್ ಹೇಳಿಕೆಗಳನ್ನು AI ಸುಲಭವಾಗಿ ಉತ್ಪಾದಿಸುತ್ತದೆ. ಈ ಹೇಳಿಕೆಗಳು ಈಗ ಅನೇಕ ದೇಶಗಳಲ್ಲಿ ಕಾನೂನು ಅಪಾಯವನ್ನು ಹೊಂದಿವೆ. ನಾವು ಇದನ್ನು ಘಟಕ 11 ರಲ್ಲಿ ಆಳವಾಗಿ ಕವರ್ ಮಾಡುತ್ತೇವೆ.
ಸಲಹೆ: ಮೂರು ಪ್ರಶ್ನೆಗಳೊಂದಿಗೆ ಪ್ರತಿ ಸಂಖ್ಯಾತ್ಮಕ AI ಔಟ್ಪುಟ್ ಅನ್ನು ಸಮೀಪಿಸಿ: (1) ಅದರ ಘಟಕ ಯಾವುದು (ಕೆಜಿ, ಟನ್ಗಳು, CO₂ ಅಥವಾ CO₂e)? (2) ಮೂಲ ತಿಳಿದಿದೆಯೇ ಮತ್ತು ನವೀಕೃತವಾಗಿದೆಯೇ? (3) ನಾನು ಇದನ್ನು ಸ್ವತಂತ್ರವಾಗಿ ಹೇಗೆ ಪರಿಶೀಲಿಸುವುದು? ಈ ಮೂರು ಪ್ರಶ್ನೆಗಳು ಬಹುಪಾಲು ಪರಿಸರ ದೋಷಗಳನ್ನು ಮೊಳಕೆಯಲ್ಲಿ ಹಿಡಿಯುತ್ತವೆ.
ಹಂತ ಹಂತವಾಗಿ: ಪರಿಸರ ಸುರಕ್ಷಿತ AI ವರ್ಕ್ಫ್ಲೋ
1. ಕಾರ್ಯವನ್ನು ಅದರ ವ್ಯಾಪ್ತಿ ಮತ್ತು ಘಟಕದೊಂದಿಗೆ ವ್ಯಾಖ್ಯಾನಿಸಿ. "ನನ್ನ ಕಾರ್ಬನ್ ಅನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ" ಬದಲಿಗೆ "2024 ಕ್ಕೆ 1 ನೈಸರ್ಗಿಕ ಅನಿಲದ ದಹನದಿಂದ ಹೊರಸೂಸುವಿಕೆಯನ್ನು ಟನ್ಗಳಲ್ಲಿ CO₂e m³ ಬಳಕೆ ಮತ್ತು ಅಧಿಕೃತ ಹೊರಸೂಸುವಿಕೆ ಅಂಶದೊಂದಿಗೆ ಲೆಕ್ಕಹಾಕಿ" ಎಂದು ಹೇಳಿ.
2. ವಿಧಾನ ಮತ್ತು ಮಾನದಂಡವನ್ನು ತಿಳಿಸಿ. ಯಾವ ಪ್ರೋಟೋಕಾಲ್ ಪ್ರಕಾರ? GHG ಪ್ರೋಟೋಕಾಲ್ ಅಥವಾ ISO 14064? ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಅನ್ನು ಹೇಳುವುದು ಔಟ್ಪುಟ್ ಅನ್ನು ಲೆಕ್ಕಪರಿಶೋಧಕವಾಗಿದೆ ಎಂದು ಖಚಿತಪಡಿಸುತ್ತದೆ.
3. ಮೂಲವನ್ನು ಕೇಳಿ, ತಯಾರಿಕೆಯನ್ನು ನಿಷೇಧಿಸಿ. ಅದರ ಮೂಲದೊಂದಿಗೆ ಹೊರಸೂಸುವಿಕೆಯ ಅಂಶವನ್ನು ಒದಗಿಸಲು AI ಗೆ ಸ್ಪಷ್ಟವಾಗಿ ತಿಳಿಸಿ ಮತ್ತು ಅದು ತಿಳಿದಿಲ್ಲದಿದ್ದರೆ, "ಇದನ್ನು ಅಧಿಕೃತ ಮೂಲದಿಂದ ಪರಿಶೀಲಿಸಿ".
4. ಕೋಡ್ ಅನ್ನು ಚಲಾಯಿಸುವ ಮೂಲಕ ಪರಿಶೀಲಿಸಿ. ಪೈಥಾನ್ ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದಾದ ಖಾತೆಯನ್ನು ದೃಢೀಕರಿಸಿ. ಒಂದು ನಿರ್ಣಾಯಕ (ಯಾವಾಗಲೂ ಒಂದೇ ಇನ್ಪುಟ್ಗೆ ಅದೇ ನಿಖರ ಫಲಿತಾಂಶವನ್ನು ನೀಡುತ್ತದೆ) ಕೋಡ್ LLM ನ ತಲೆ ಎಣಿಕೆಗಿಂತ ಹೆಚ್ಚು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿರುತ್ತದೆ.
5. ಸತ್ಯ ಮತ್ತು ಹಕ್ಕುಗಳನ್ನು ಪರಿಶೀಲಿಸಿ. ಹೊರಸೂಸುವಿಕೆ ಅಂಶಗಳು, ನಿಯಂತ್ರಕ ಷರತ್ತುಗಳು, ಗುರಿ ಮೌಲ್ಯಗಳು - ಅವೆಲ್ಲವನ್ನೂ ವಿಶ್ವಾಸಾರ್ಹ ಉಲ್ಲೇಖದಿಂದ ಪರಿಶೀಲಿಸಿ (IPCC, DEFRA/EPA ಅಂಶ ಕೋಷ್ಟಕಗಳು, ಅಧಿಕೃತ ಗೆಜೆಟ್).
ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು
ಪ್ರಕರಣ 1 - ಕಾಲ್ಪನಿಕ ಹೊರಸೂಸುವಿಕೆಯ ಅಂಶ. ಸುಸ್ಥಿರತೆ ತಜ್ಞರು ನೈಸರ್ಗಿಕ ಅನಿಲದ ಹೊರಸೂಸುವಿಕೆಯ ಅಂಶಕ್ಕಾಗಿ AI ಅನ್ನು ಕೇಳಿದರು ಮತ್ತು ಉತ್ತರವನ್ನು ಪಡೆದರು: "2.75 kg CO₂e/m³". ತಜ್ಞರು ಅಧಿಕೃತ ಕೋಷ್ಟಕದೊಂದಿಗೆ ಮೌಲ್ಯವನ್ನು ಹೋಲಿಸಿದ್ದಾರೆ: ನಿಜವಾದ ಮೌಲ್ಯವು ಸರಿಸುಮಾರು 2.02 ಕೆಜಿ CO₂e/m³ ಆಗಿತ್ತು. AI ಮೌಲ್ಯವು 36% ಹೆಚ್ಚಾಗಿದೆ. 500,000 m³ ಬಳಕೆಗೆ, ಇದು ಅಂದಾಜು 365 ಟನ್ಗಳ CO₂e ದಾಸ್ತಾನುಗಳಲ್ಲಿ ಕಾಲ್ಪನಿಕ ಹೆಚ್ಚುವರಿ ಎಂದರ್ಥ. ಪರಿಶೀಲನೆ ಇಲ್ಲದಿದ್ದರೆ ಸಂಪೂರ್ಣ ವರದಿ ಸುಳ್ಳಾಗುತ್ತದೆ. ಕಳೆದುಹೋದ ಸಮಯ: 4 ನಿಮಿಷಗಳು.
ಪ್ರಕರಣ 2 - ವ್ಯಾಪ್ತಿ ಗೊಂದಲ. ಕಂಪನಿಯ ಒಟ್ಟು ಹೆಜ್ಜೆಗುರುತನ್ನು ವಿಶ್ಲೇಷಕರು AI ಗೆ ಕೇಳಿದರು. AI ಮಿಶ್ರ ಖರೀದಿಸಿದ ವಿದ್ಯುಚ್ಛಕ್ತಿ (ವ್ಯಾಪ್ತಿ 2) ಮತ್ತು ಪೂರೈಕೆ ಸರಪಳಿ ಹೊರಸೂಸುವಿಕೆಗಳನ್ನು (ವ್ಯಾಪ್ತಿ 3) ಒಂದೇ "ಒಟ್ಟು" ಗೆ ಸೇರಿಸಿದೆ, ಆದರೆ ಸ್ಕೋಪ್ 3 ರ ಒಂದು ಐಟಂ ಅನ್ನು ಮಾತ್ರ ಎಣಿಕೆ ಮಾಡಿದೆ. GHG ಪ್ರೋಟೋಕಾಲ್ನ ವ್ಯಾಪ್ತಿ ಪ್ರತ್ಯೇಕತೆಯನ್ನು ವಿಶ್ಲೇಷಕರು ಅನ್ವಯಿಸಿದಾಗ, ವರದಿಯು ಪ್ರತಿ ಸ್ಕೋಪ್ ಅನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ತೋರಿಸಬೇಕು ಮತ್ತು ಸ್ಕೋಪ್ 3 ಕಾಣೆಯಾಗಿದೆ ಎಂದು ಅವರು ಅರಿತುಕೊಂಡರು. ಲೆಕ್ಕಪರಿಶೋಧನೆಯಲ್ಲಿ ಉತ್ತೀರ್ಣರಾಗಲು ತಿದ್ದುಪಡಿಯು ಪೂರ್ವಾಪೇಕ್ಷಿತವಾಗಿತ್ತು.
ಪ್ರಕರಣ 3 - ಪರಿಶೀಲನೆ ಉಳಿಸಿದ ಖ್ಯಾತಿ. ಒಂದು ಸಂವಹನ ತಂಡವು ಉತ್ಪನ್ನಕ್ಕೆ ಮಾರ್ಕೆಟಿಂಗ್ ನಕಲನ್ನು AI ಕೇಳಿತು; "ಪರಿಸರದ ಮೇಲೆ ಸಂಪೂರ್ಣವಾಗಿ ಇಂಗಾಲದ ತಟಸ್ಥ ಮತ್ತು ಶೂನ್ಯ ಪರಿಣಾಮ" ಎಂದು AI ಸೂಚಿಸಿದೆ. ಇದನ್ನು ಸಾಬೀತುಪಡಿಸಲು ಅವರು ಯಾವುದೇ ಜೀವನಚಕ್ರ ಡೇಟಾವನ್ನು ಹೊಂದಿಲ್ಲ ಮತ್ತು ಪರಿಶೀಲಿಸಿದ ಆಫ್ಸೆಟ್ ದಸ್ತಾವೇಜನ್ನು ಹೊಂದಿಲ್ಲ ಎಂದು ತಂಡವು ಅರಿತುಕೊಂಡಿತು; "ನಾವು 2023 ರ ವೇಳೆಗೆ ಉತ್ಪಾದನಾ ಹೊರಸೂಸುವಿಕೆಯನ್ನು 18% ರಷ್ಟು ಕಡಿಮೆಗೊಳಿಸಿದ್ದೇವೆ (ಸ್ವತಂತ್ರ ಪರಿಶೀಲನೆ: X)" ಎಂಬಂತಹ ಪುರಾವೆಯೊಂದಿಗೆ ಹೇಳಿಕೆಯನ್ನು ವಾಕ್ಯದೊಂದಿಗೆ ಬದಲಾಯಿಸಲಾಗಿದೆ. ಈ ಬದಲಾವಣೆಯು ಸಂಭವನೀಯ ತಪ್ಪುದಾರಿಗೆಳೆಯುವ ಜಾಹೀರಾತು ತನಿಖೆಯನ್ನು ಪ್ರಾರಂಭದಿಂದಲೂ ತಡೆಯಿತು.
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:
ನನ್ನ ಕಂಪನಿಯ ಇಂಗಾಲದ ಹೆಜ್ಜೆಗುರುತನ್ನು ಲೆಕ್ಕಹಾಕಿ.
ಇದು ಏಕೆ ದುರ್ಬಲವಾಗಿದೆ: ವ್ಯಾಪ್ತಿ, ಘಟಕಗಳು, ವಿಧಾನಗಳು ಮತ್ತು ಡೇಟಾ ಇಲ್ಲ. AI ಫ್ಯಾಬ್ರಿಕೇಶನ್ನೊಂದಿಗೆ ಅಂತರವನ್ನು ತುಂಬುತ್ತದೆ; ಔಟ್ಪುಟ್ ಅನ್ನು ನಿಯಂತ್ರಿಸಲಾಗುವುದಿಲ್ಲ.
ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:
ನಿಮ್ಮ ಪಾತ್ರ: ಹಸಿರುಮನೆ ಅನಿಲ ದಾಸ್ತಾನು ತಜ್ಞ. GHG ಪ್ರೋಟೋಕಾಲ್ ಪ್ರಕಾರ ಸ್ಕೋಪ್ 1 ಅನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ. ಡೇಟಾ: ನೈಸರ್ಗಿಕ ಅನಿಲ ಬಳಕೆ 480,000 m³, ಡೀಸೆಲ್ 12,000 L. ನಾನು ಹೊರಸೂಸುವ ಅಂಶವನ್ನು ನೀಡುತ್ತೇನೆ; ಅಂಶವನ್ನು ರೂಪಿಸಬೇಡಿ, ಬದಲಿಗೆ [FACTOR] ಲೇಬಲ್ ಅನ್ನು ಬಿಡಿ ಮತ್ತು ಅದನ್ನು ಎಲ್ಲಿಂದ ತೆಗೆದುಕೊಳ್ಳಬೇಕು ಎಂದು ಬರೆಯಿರಿ. ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದಾದ ಪೈಥಾನ್ ಕೋಡ್ನೊಂದಿಗೆ ಟನ್ಗಳಷ್ಟು CO₂e ಲೆಕ್ಕಾಚಾರವನ್ನು ಮಾಡಿ. ಇಂಧನ ಮತ್ತು ಒಟ್ಟಾರೆಯಾಗಿ ಫಲಿತಾಂಶಗಳನ್ನು ಕೋಷ್ಟಕ ರೂಪದಲ್ಲಿ ನೀಡಿ.
ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್ಗಳು
1) ವ್ಯಾಪ್ತಿ ಮತ್ತು ಘಟಕದ ಸ್ಪಷ್ಟತೆಯೊಂದಿಗೆ ಲೆಕ್ಕಾಚಾರ:
ನಿಮ್ಮ ಪಾತ್ರ: ಇಂಗಾಲದ ದಾಸ್ತಾನು ತಜ್ಞ. ಕೆಳಗಿನ ಚಟುವಟಿಕೆಯನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ: [ಚಟುವಟಿಕೆ]. ಪ್ರಮಾಣಿತ: GHG ಪ್ರೋಟೋಕಾಲ್. ವ್ಯಾಪ್ತಿ (1/2/3) ಸ್ಪಷ್ಟವಾಗಿ ತಿಳಿಸಿ.ಘಟಕ: ಟನ್ CO₂e. ನಾನು ಹೊರಸೂಸುವಿಕೆಯ ಅಂಶವನ್ನು ನೀಡುತ್ತೇನೆ ಅಥವಾ ನೀವು ಮೂಲವನ್ನು ಹೇಳಬಹುದು ಮತ್ತು [FACTOR] ಟ್ಯಾಗ್ ಅನ್ನು ಬಿಡಬಹುದು; ಫಿಟ್ಟಿಂಗ್. ಎಕ್ಸಿಕ್ಯೂಟಬಲ್ ಪೈಥಾನ್ ಕೋಡ್ನೊಂದಿಗೆ ಲೆಕ್ಕಾಚಾರವನ್ನು ಪರಿಶೀಲಿಸಿ.
2) ಅಂಶ/ಡೇಟಾ ದೃಢೀಕರಣ:
[ಇಂಧನ/ಚಟುವಟಿಕೆ] ಗಾಗಿ ಹೊರಸೂಸುವಿಕೆ ಅಂಶ ಮತ್ತು ಘಟಕವನ್ನು ಬರೆಯಿರಿ. ಮೂಲವನ್ನು ತಿಳಿಸಿ (ಉದಾ. IPCC, DEFRA, ಸ್ಥಳೀಯ ಅಧಿಕೃತ ಕೋಷ್ಟಕ) ಮತ್ತು ವರ್ಷ. ನಿಮಗೆ ನಿಖರವಾದ ಮೌಲ್ಯ ತಿಳಿದಿಲ್ಲದಿದ್ದರೆ, "ಅಧಿಕೃತ ಕೋಷ್ಟಕದಿಂದ ಪರಿಶೀಲಿಸಿ" ಎಂದು ಹೇಳಿ ಮತ್ತು ಹೊಂದಿಕೆಯಾಗಬೇಡಿ. ವಿಭಿನ್ನ ಮೂಲಗಳಿಂದ ಮೌಲ್ಯವು ಬದಲಾಗಿದ್ದರೆ, ಇದನ್ನು ತಿಳಿಸಿ.
3) ಗ್ರೀನ್ ವಾಶಿಂಗ್ ಫಿಲ್ಟರ್:
ಕೆಳಗಿನ ಪರಿಸರ ಹಕ್ಕುಗಳನ್ನು ಪರಿಶೀಲಿಸಿ. ಪ್ರತಿ ವಾಕ್ಯಕ್ಕೆ, ಕೇಳಿ: (1) ಇದು ಅಳೆಯಬಹುದೇ? (2) ಪುರಾವೆ/ಡೇಟಾ ಇದೆಯೇ? (3) ಇದು ಅಸ್ಪಷ್ಟವಾಗಿದೆಯೇ ("ಪರಿಸರ ಸ್ನೇಹಿ"ಯಂತೆ)? ಪುರಾವೆಗಳ ಕೊರತೆಯಿರುವ ಅಥವಾ ಉತ್ಪ್ರೇಕ್ಷಿತವಾಗಿರುವ ಫ್ಲ್ಯಾಗ್ ಹೇಳಿಕೆಗಳು ಮತ್ತು ಸಾಕ್ಷ್ಯಾಧಾರಿತ, ಅಳತೆಯ ಪರ್ಯಾಯವನ್ನು ಸೂಚಿಸುತ್ತವೆ. ಹಕ್ಕು: [ಇಲ್ಲಿ]
4) ನನ್ನ ಸ್ವಂತ ಖಾತೆಯನ್ನು ಪರಿಶೀಲಿಸಲಾಗುತ್ತಿದೆ:
ನನ್ನ ಹೊರಸೂಸುವಿಕೆಯ ಲೆಕ್ಕಾಚಾರವನ್ನು ಕೆಳಗೆ ನೀಡಲಾಗಿದೆ. ಪ್ರತಿ ಹಂತ, ಘಟಕ ಮತ್ತು ಸ್ಕೋಪ್ ವರ್ಗವನ್ನು ಪರಿಶೀಲಿಸಿ. ಘಟಕದ ಸ್ಥಿರತೆ (kg↔ton, CO₂↔CO₂e) ಮತ್ತು ಅಂಶದ ಸಮಂಜಸತೆಯನ್ನು ಪರಿಶೀಲಿಸಿ. ದೋಷವಿದ್ದರೆ, ಯಾವ ಸಾಲು ಮತ್ತು ಏಕೆ ಎಂಬುದನ್ನು ತೋರಿಸಿ. ಹೊಸ ಖಾತೆಯನ್ನು ರಚಿಸುವುದು; ಗಣಿ ಪರಿಶೀಲಿಸಿ: [ಇಲ್ಲಿ]
ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು
- ಹೊರಸೂಸುವಿಕೆಯ ಅಂಶದ AI ಅನ್ನು "ಜ್ಞಾಪಿಸುವುದು". ದೇಶ, ವರ್ಷ ಮತ್ತು ಇಂಧನದಿಂದ ಅಂಶಗಳು ಬದಲಾಗುತ್ತವೆ; ಯಾವಾಗಲೂ ಮೇಜಿನಿಂದ ಚಿತ್ರವನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ.
- ಮಿಶ್ರಣ ವ್ಯಾಪ್ತಿಗಳು. ಸ್ಕೋಪ್ 1 (ನೇರ), ಸ್ಕೋಪ್ 2 (ಖರೀದಿಸಿದ ಶಕ್ತಿ) ಮತ್ತು ಸ್ಕೋಪ್ 3 (ಮೌಲ್ಯ ಸರಪಳಿ) ಪ್ರತ್ಯೇಕವಾಗಿ ವರದಿ ಮಾಡಬೇಕು.
- CO₂ ಅನ್ನು CO₂e ನೊಂದಿಗೆ ಸಮೀಕರಿಸುವುದು. ಮೀಥೇನ್ ಮತ್ತು ನೈಟ್ರಸ್ ಆಕ್ಸೈಡ್ನಂತಹ ಅನಿಲಗಳು CO₂ ಗಿಂತ ಹೆಚ್ಚು ಪ್ರಬಲವಾಗಿವೆ; ಎಲ್ಲವನ್ನೂ CO₂e ಗೆ ಪರಿವರ್ತಿಸಬೇಕು.
- ಪಠ್ಯದಲ್ಲಿ ಪುರಾವೆಗಳಿಲ್ಲದೆ ಹಕ್ಕು ಹಾಕುವುದು. "ಕಾರ್ಬನ್ ನ್ಯೂಟ್ರಲ್" ನಂತಹ ನುಡಿಗಟ್ಟುಗಳು ಪರಿಶೀಲಿಸಿದ ಡೇಟಾ ಮತ್ತು ದಸ್ತಾವೇಜನ್ನು ಇಲ್ಲದೆ ಕಾನೂನು ಅಪಾಯಗಳಾಗಿವೆ.
- ಸಂಖ್ಯೆಯನ್ನು ಚಾಲನೆ ಮಾಡದೆಯೇ ಸ್ವೀಕರಿಸುವುದು. LLM ಹಿಂತಿರುಗಿಸಿದ ಮೊತ್ತವನ್ನು ಯಾವಾಗಲೂ ಕೋಡ್ ಮೂಲಕ ಅಥವಾ ಹಸ್ತಚಾಲಿತವಾಗಿ ಒದಗಿಸಿ.
ಎಚ್ಚರಿಕೆ: ಪರಿಸರ ದತ್ತಾಂಶವು ಸಾಮಾನ್ಯವಾಗಿ ವೈಯಕ್ತಿಕ ಅಥವಾ ವ್ಯಾಪಾರ ರಹಸ್ಯಗಳನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ; ಆದರೆ ಪೂರೈಕೆದಾರ ಒಪ್ಪಂದಗಳು, ಸಸ್ಯ ಮಟ್ಟದ ಉತ್ಪಾದನಾ ಅಂಕಿಅಂಶಗಳು ಮತ್ತು ಗ್ರಾಹಕರ ಡೇಟಾ ಗೌಪ್ಯವಾಗಿರಬಹುದು. ಇವುಗಳನ್ನು ಸಾರ್ವಜನಿಕ AI ಪರಿಕರಗಳಲ್ಲಿ ಅಂಟಿಸುವ ಮೊದಲು ನಿಮ್ಮ ಎಂಟರ್ಪ್ರೈಸ್ ನೀತಿಯನ್ನು ಪರಿಶೀಲಿಸಿ. ನಾವು ಘಟಕ 11 ರಲ್ಲಿ ಗೌಪ್ಯತೆಯ ಸಮಸ್ಯೆಯನ್ನು ಒಳಗೊಳ್ಳುತ್ತೇವೆ.
ಸಾರಾಂಶದಲ್ಲಿ
ಪರಿಸರ ಮತ್ತು ಹವಾಮಾನದಲ್ಲಿ AI; ಕೋಡ್ ಬರೆಯುವ, ಡೇಟಾವನ್ನು ಸಂಘಟಿಸುವ, ಡ್ರಾಫ್ಟ್ಗಳನ್ನು ರಚಿಸುವ ಮತ್ತು ಸಾರಾಂಶ ಮಾಡುವ ಪ್ರಬಲ ಸಹಾಯಕ - ಆದರೆ ಇದು ಅಳತೆ ಸಾಧನ, ಕ್ಯಾಲ್ಕುಲೇಟರ್ ಅಥವಾ ನಿಯಂತ್ರಕ ಸಂಪನ್ಮೂಲವಲ್ಲ. ಹೊರಸೂಸುವಿಕೆ ಅಂಶಗಳ ದೃಢೀಕರಣ, ವ್ಯಾಪ್ತಿ ಮತ್ತು ಘಟಕದ ನಿಖರತೆ, ಹಕ್ಕುಗಳ ಸಮರ್ಥನೆ ಮತ್ತು ಹಸಿರು ತೊಳೆಯುವಿಕೆಯನ್ನು ತಪ್ಪಿಸುವುದು ಸಮರ್ಥ ತಜ್ಞರ ಜವಾಬ್ದಾರಿಯಾಗಿದೆ. ಪ್ರತಿಯೊಂದು ಸಂಖ್ಯೆಯು ಮೂಲವನ್ನು ಆಧರಿಸಿರಬೇಕು, ಪ್ರತಿ ಹಕ್ಕು ಸಾಕ್ಷ್ಯವನ್ನು ಆಧರಿಸಿರಬೇಕು.
ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ
ನಿಮ್ಮ ಸ್ವಂತ ಸಂಸ್ಥೆಯಿಂದ (ಅಥವಾ ಕಾಲ್ಪನಿಕ ಉದಾಹರಣೆ) ಪರಿಸರ ಚಟುವಟಿಕೆಯನ್ನು ಆರಿಸಿಕೊಳ್ಳಿ-ಉದಾಹರಣೆಗೆ, ಸೌಲಭ್ಯದ ಮಾಸಿಕ ನೈಸರ್ಗಿಕ ಅನಿಲ ಬಳಕೆ. ಮೇಲಿನ ಟೆಂಪ್ಲೇಟ್ 1 ಅನ್ನು ಬಳಸಿಕೊಂಡು AI ಅನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ, ಆದರೆ ಹೊರಸೂಸುವಿಕೆಯ ಅಂಶವನ್ನು ಖಾಲಿ ಬಿಡಿ. ನಂತರ ಅಧಿಕೃತ ಕೋಷ್ಟಕದಿಂದ ಅಂಶವನ್ನು ಹುಡುಕಿ ಮತ್ತು ಅದನ್ನು ಬದಲಿಸಿ. ಅಂತಿಮವಾಗಿ, 3 ನೇ ಟೆಂಪ್ಲೇಟ್ನೊಂದಿಗೆ, ಈ ಚಟುವಟಿಕೆಗಾಗಿ ನೀವು ಬರೆಯುವ ಒಂದು-ವಾಕ್ಯದ ಸಂವಹನ ಪಠ್ಯವನ್ನು ಗ್ರೀನ್ವಾಶಿಂಗ್ಗಾಗಿ ಪರಿಶೀಲಿಸಲಾಗಿದೆ. ಒಂದು ಪುಟದಲ್ಲಿ ಎಲ್ಲಾ ಮೂರು ಮುದ್ರಣಗಳನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ.
ಪರಿಶೀಲನಾಪಟ್ಟಿ
- [ ] ನಾನು ಕಾರ್ಯವನ್ನು ವ್ಯಾಪ್ತಿ (1/2/3) ಮತ್ತು ಘಟಕ (ಟನ್ಗಳಷ್ಟು CO₂e) ಮೂಲಕ ವ್ಯಾಖ್ಯಾನಿಸಿದ್ದೇನೆ.
- [ ] ನಾನು AI ಅನ್ನು ಹೊರಸೂಸುವಿಕೆಯ ಅಂಶಕ್ಕೆ ಸರಿಹೊಂದುವಂತೆ ಮಾಡಲಿಲ್ಲ; ನಾನು ಅದನ್ನು ಮೂಲದಿಂದ ಖಚಿತಪಡಿಸಿದೆ.
- [ ] ನಾನು ಖಾತೆಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದಾದ ಕೋಡ್ ಮೂಲಕ ಅಥವಾ ಹಸ್ತಚಾಲಿತವಾಗಿ ಒದಗಿಸಿದೆ.
- [ ] ನಾನು CO₂ ಮತ್ತು CO₂e ಮತ್ತು ಕೆಜಿ ಮತ್ತು ಟನ್ಗಳ ನಡುವೆ ಸರಿಯಾದ ವ್ಯತ್ಯಾಸವನ್ನು ಮಾಡಿದ್ದೇನೆ.
- [ ] ನಾನು ಪಠ್ಯದಲ್ಲಿನ ಪ್ರತಿ ಕ್ಲೈಮ್ ಅನ್ನು ಸಾಕ್ಷ್ಯದೊಂದಿಗೆ ಹೊಂದಿಸಿದ್ದೇನೆ, ಉತ್ಪ್ರೇಕ್ಷಿತ ಭಾಷೆಯನ್ನು ಸ್ವಚ್ಛಗೊಳಿಸಿದೆ.
- [ ] ನಾನು ರಹಸ್ಯ ಡೇಟಾವನ್ನು ತೆರೆದ AI ಉಪಕರಣಕ್ಕೆ ಅಂಟಿಸುವುದಕ್ಕೂ ಮುನ್ನ ನೀತಿಯನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.