Ieguvumi:
- Spēja atšķirt, kur mākslīgais intelekts ietaupa laiku vides darbplūsmā (konts, uzraudzība, ziņošana, atbilstība) un kur atkarībā no riska līmeņa tiek atstāti lēmumi par emisijas faktoru, apjomu un pretenzijām.
- Spēja pielietot disciplīnu, kas pārbauda katru digitālo izvadi ar vienību, avotu un neatkarīgiem verifikācijas soļiem
- Izpratne par to, kāpēc viltoti emisijas faktori, tvēruma vienību apjukums un zaļās mazgāšanas valoda ir riski, kas šai profesijai būtu jāņem vērā jau no paša sākuma.
Vides pārvaldība ir uzdevums izmērīt, samazināt un ticami dokumentēt nospiedumu, ko organizācija atstāj gaisā, ūdenī un augsnē. Visnežēlīgākais noteikums ir tāds, ka, ja skaitlis ir nepareizs, emisiju faktors ir neprecīzs vai apgalvojums ir nepamatots, viss ziņojums sabrūk — un tagad šim sabrukumam ir nosaukums: zaļā mazgāšana, kad organizācija padara savu ekoloģisko sniegumu labāku, nekā tas patiesībā ir. No viena neapstiprināta skaitļa var rasties normatīvais sods, kaitējums reputācijai vai ieguldītāja tiesas prāva. Tāpēc mākslīgā intelekta (AI) izmantošana vides un klimata lietās prasa disciplīnu.
Šajā nodaļā jūs uzzināsiet, kur rīki, kurus mēs saucam par lielajiem valodu modeļiem (LLM — mākslīgā intelekta veids, kas statistiski veido tekstu, ar "nākamā visticamākā vārda" loģiku) patiešām ietaupa laiku vides darbā, kur tie ir bīstami un kā pārbaudīt katru rezultātu.
Pirmkārt, kritisks jēdziens: halucinācijas ir tad, kad AI rada informāciju, kas patiesībā nav patiesa, ar pilnu pārliecību, it kā tā būtu patiesa. Vides jomā šis; Jūs varat saskarties ar to kā izdomātu emisijas koeficientu, neesošu tiesību aktu, nepareizu mērvienību (kilograms tonnu vietā) vai atsauci uz neesošu zinātnisku pētījumu. Kritiskais punkts ir šāds: LLM nav kalkulators, mērierīce vai normatīvā datubāze. Tas ir teksta ģenerators, kas statistiski atdarina tekstus, ko redz apmācības datos. Lielāko daļu laika tas nodrošina saprātīgu rezultātu; bet atšķirība starp “saprātīgu” un “pārbaudītu” ir viss vides ziņojumos.
Kur mākslīgais intelekts strādā un kur nedarbojas vides lietās?
Padomājiet par AI kā ātru projektu, datu pārvaldīšanas un analīzes partneri: tas ir vērtīgs, taču būtisks validācijai. Sekojoša atšķirība ir šī moduļa pamats.
Meklējumi
AI ieguldījums
Eksperta atbildība
Oglekļa pēdas nospieduma aprēķins
Uzstāda formulas, raksta Python kodu
Emisijas koeficienta apstiprināšana no avota
Satelītu/sensoru datu analīze
Ģenerē koda melnrakstu un komentārus
Mērījumu un kalibrēšanas autentiskuma apstiprināšana
ESG ziņojuma projekts
Izveido teksta un tabulas skeletu
Katra apgalvojuma pierādīšana ar datiem
Likumdošanas kopsavilkums
Vienkāršojiet sarežģītu tekstu
Raksta apstiprinājums no pašreizējā oficiālā teksta
Klimata riska scenārijs
Iesaka scenāriju ietvaru
Pieņēmumu un datu ierobežojumu pārbaude
Atkritumu/ūdens optimizācija
Nodrošina paraugu un priekšlikuma projektu
Lauka piemērojamības pārbaude
Īkšķis: izmantojiet AI, lai atrastu ceļu uz numuru, rakstītu kodu, sakārtotu datus un ģenerētu melnrakstus, nevis pašu numuru; Pārbaudiet katru skaitlisko rezultātu un katru faktu apgalvojumu no neatkarīga, uzticama avota (emisijas faktoru datubāze, valdības tiesību akti, kalibrēti mērījumi).
Trīs nāvējoši mākslīgā intelekta slazdi vides lietās
1. Emisijas koeficienta un koeficienta pielāgošana. AI var “aizpildīt” emisijas koeficientu, ko tas neatceras (siltumnīcefekta gāzu daudzums, kas izdalās uz degvielas vai aktivitātes vienību), ar skaitli, kas šķiet saprātīgs. Nepareiza oglekļa intensitāte vienai kWh elektroenerģijas izjauktu visu inventāru.
2. Vienības un darbības jomas neskaidrības. AI; kg līdz tonnām, CO₂ līdz CO₂e (oglekļa dioksīda ekvivalents — dažādu siltumnīcefekta gāzu sildošais efekts, kas pārvērsts kopējā vienībā) var klusi pārvietoties starp 1. un 3. jomu. Rezultāts šķiet skaitliski pamatots, taču tas ir nepareizs.
3. Valoda, kas rada zaļo mazgāšanu. AI viegli ģenerē nepierādītus, hiperboliskus apgalvojumus, piemēram, "videi draudzīgs", "neitralizēts ar oglekli", "100% ilgtspējīgs". Šie paziņojumi tagad rada juridisku risku daudzās valstīs. Mēs to detalizēti apskatīsim 11. nodaļā.
Padoms. Pieejiet pie katras skaitliskās AI izvades, uzdodot trīs jautājumus: (1) Kāda ir tās mērvienība (kg, tonnas, CO₂ vai CO₂e)? (2) Vai avots ir zināms un atjaunināts? (3) Kā to pārbaudīt neatkarīgi? Šie trīs jautājumi aptver lielāko daļu vides kļūdu jau pašā sākumā.
Soli pa solim: videi droša AI darbplūsma
1. Definējiet uzdevumu ar tā apjomu un vienību. Tā vietā, lai “Aprēķināt manu oglekli”, sakiet “Aprēķināt emisijas no 1. jomas dabasgāzes sadedzināšanas 2024. gadam CO₂e tonnās ar m³ patēriņu un oficiālo emisijas koeficientu”.
2. Norādiet metodi un standartu. Pēc kāda protokola? SEG protokols vai ISO 14064? Sakot standartu, tiek nodrošināts, ka rezultāts ir auditējams.
3. Pieprasīt avotu, aizliegt izdomāt. Skaidri pasakiet AI norādīt emisijas koeficientu ar tā avotu, un, ja tas nezina, "pārbaudiet to no oficiāla avota".
4. Pārbaudiet, palaižot kodu. Apstipriniet kontu, izmantojot Python izpildāmo failu. Deterministisks (vienmēr sniedz tādu pašu precīzu rezultātu vienai ievadei) kods ir daudz ticamāks nekā LLM darbinieku skaits.
5. Pārbaudiet faktus un apgalvojumus. Emisijas faktori, normatīvie noteikumi, mērķa vērtības – pārbaudiet tos visus, izmantojot uzticamu atsauci (IPCC, DEFRA/EPA faktoru tabulas, oficiālais izdevums).
trīs mini futrāļi
1. gadījums — fiktīvs emisijas koeficients. Ilgtspējības eksperts jautāja AI dabasgāzes emisijas koeficientu un saņēma atbildi: "2,75 kg CO₂e/m³". Eksperts salīdzināja vērtību ar oficiālu tabulu: faktiskā vērtība bija aptuveni 2,02 kg CO₂e/m³. AI vērtība ir palielinājusies par 36%. Ja patēriņš ir 500 000 m³, tas nozīmēja iedomātu krājumu pārpalikumu aptuveni 365 tonnu CO₂e apmērā. Bez pārbaudes viss ziņojums būtu nepatiess. Zaudētais laiks: 4 minūtes.
2. gadījums — neskaidrības par darbības jomu. Analītiķis AI jautāja par uzņēmuma kopējo nospiedumu. AI sajauca iepirkto elektroenerģiju (2. darbības joma) un piegādes ķēdes emisijas (3. darbības joma) vienā “kopā”, tomēr uzskaitīja tikai vienu 3. sfēras vienību. Kad analītiķis piemēroja SEG protokola darbības jomas nodalīšanu, viņš saprata, ka ziņojumā bija jānorāda katra joma atsevišķi un 3. darbības joma nebija. Labojums bija priekšnoteikums audita izturēšanai.
3. gadījums — reputācijas saglabāšanas pārbaude. Komunikācijas komanda lūdza AI produkta mārketinga kopiju; AI ierosināja "pilnīgi oglekļa neitrālu un nulles ietekmi uz vidi". Komanda saprata, ka viņiem nav dzīves cikla datu un pārbaudītas kompensācijas dokumentācijas, kas to pierādītu; aizstāja paziņojumu ar teikumu ar tādiem pierādījumiem kā "mēs esam samazinājuši ražošanas emisijas par 18% līdz 2023. gadam (neatkarīga pārbaude: X)". Šīs izmaiņas jau pašā sākumā novērsa iespējamu maldinošas reklāmas izmeklēšanu.
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Aprēķiniet mana uzņēmuma oglekļa pēdas nospiedumu.
Kāpēc tas ir vājš: nav darbības jomas, vienību, metožu un datu. AI aizpilda nepilnības ar izgatavošanu; Izvadi nevar kontrolēt.
Spēcīga uzvedne:
Jūsu loma: siltumnīcefekta gāzu inventarizācijas speciālists. Aprēķiniet tvērumu 1 saskaņā ar SEG protokolu. Dati: dabasgāzes patēriņš 480 000 m³, dīzelis 12 000 L. Došu emisijas koeficientu; NEPIEDZIET faktoru, tā vietā atstājiet [FACTOR] etiķeti un uzrakstiet, no kurienes tas jāņem. Veiciet aprēķinu CO₂e tonnās ar izpildāmu Python kodu. Norādiet rezultātus tabulas veidā pa degvielām un kopsummā.
Četras kopējamas veidnes
1) Aprēķins ar darbības jomu un vienību skaidrību:
Jūsu loma: oglekļa inventāra eksperts. Aprēķiniet šādu aktivitāti: [aktivitāte].Standarts: GHG Protocol. Skaidri norādiet darbības jomu (1/2/3). Mērvienība: tonnas CO₂e. Es norādīšu emisijas koeficientu vai arī jūs varat norādīt avotu un atstāt atzīmi [FACTOR]; FITTING.Pārbaudiet aprēķinu ar izpildāmu Python kodu.
2) Faktoru/datu apstiprinājums:
Uzrakstiet [degviela/aktivitāte] emisijas koeficientu un vienību. Norādiet avotu (piemēram, IPCC, DEFRA, vietējā oficiālā tabula) un gadu. Ja nezināt precīzu vērtību, sakiet "pārbaudīt no oficiālās tabulas" un NEATBILST. Ja vērtība atšķiras no dažādiem avotiem, norādiet to.
3) Greenwashing filtrs:
Apskatiet tālāk norādīto vides prasību. Katram teikumam jautājiet: (1) Vai tas ir izmērāms? (2) Vai ir pierādījumi/dati? (3) Vai tas ir neskaidrs (piemēram, “videi draudzīgs”)? Atzīmējiet paziņojumus, kuriem trūkst pierādījumu vai kuri ir pārspīlēti un kuros ir norādīta uz pierādījumiem balstīta, izmērīta alternatīva. Pretenzija: [šeit]
4) Pārbaudu savu kontu:
Zemāk ir mans emisiju aprēķins. Pārbaudiet katru soli, vienību un darbības jomas klasi. Pārbaudiet vienības konsistenci (kg↔ton, CO₂↔CO₂e) un faktoru pamatotību. Ja ir KĻŪDA, parādiet, kura rindiņa un kāpēc. Jauna konta izveide; pārbaudi manu: [šeit]
Biežas kļūdas
- “Atgādinot” AI par emisijas koeficientu. Faktori atšķiras atkarībā no valsts, gada un degvielas; vienmēr ņemiet attēlu no galda.
- Sajaukšanas tvērumi. 1. joma (tiešais), 2. joma (pirktā enerģija) un 3. joma (vērtību ķēde) jāziņo atsevišķi.
- CO₂ pielīdzināšana CO₂e. Gāzes, piemēram, metāns un slāpekļa oksīds, ir daudz spēcīgākas par CO₂; viss ir jāpārvērš par CO₂e.
- Pretenzijas ievietošana tekstā bez pierādījumiem. Frāzes, piemēram, “oglekļa neitrāls” ir juridiski riski bez pārbaudītiem datiem un dokumentācijas.
- Numura pieņemšana, to nepalaižot. Vienmēr norādiet LLM atgriezto kopējo summu, izmantojot kodu vai manuāli.
Uzmanību: vides dati bieži nesatur personas vai komercnoslēpumus; taču piegādātāju līgumi, ražošanas līmeņa rādītāji un klientu dati var būt konfidenciāli. Pirms ielīmējat tos publiskos AI rīkos, pārbaudiet savu uzņēmuma politiku. Privātuma jautājumu aplūkosim 11. nodaļā.
Rezumējot
AI vidē un klimatā; ir spēcīgs palīgs, kas raksta kodu, kārto datus, ģenerē melnrakstus un apkopo kopsavilkumus, taču tas nav mērierīce, kalkulators vai regulējošs resurss. Par emisijas faktoru apstiprināšanu, apjomu un mērvienību precizitāti, apgalvojumu pamatojumu un izvairīšanos no zaļās mazgāšanas ir atbildīgs kompetentais eksperts. Katram numuram ir jābūt balstītam uz avotu, katram apgalvojumam jābūt pamatotam ar pierādījumiem.
Lietojumprogrammas uzdevums
Izvēlieties vides aktivitāti no savas organizācijas (vai hipotētisku piemēru), piemēram, objekta ikmēneša dabasgāzes patēriņu. Lieciet AI aprēķināt, izmantojot 1. veidni, bet atstājiet emisijas koeficientu tukšu. Pēc tam atrodiet koeficientu no oficiālās tabulas un aizstājiet to. Visbeidzot, izmantojot 3. veidni, pārbaudiet, vai viena teikuma saziņas tekstā, ko rakstīsit par šo darbību, nav veikta zaļā mazgāšana. Salīdziniet visas trīs izdrukas vienā lapā.
kontrolsaraksts
- [ ] Es definēju uzdevumu pēc darbības jomas (1/2/3) un vienības (tonnas CO₂e).
- [ ] Es nepadarīju AI atbilstošu emisijas koeficientam; Es to apstiprināju no avota.
- [ ] Es nodrošināju kontu, izmantojot izpildāmo kodu vai manuāli.
- [ ] Es pareizi nošķīru CO₂ un CO₂e un kg un tonnas.
- [ ] Katru apgalvojumu tekstā samēroju ar pierādījumiem, iztīrot pārspīlēto valodu.
- [ ] Es pārbaudīju politiku, pirms ielīmēju slepenos datus atvērtajā AI rīkā.