Zyski:
- Możliwość rozróżnienia, gdzie sztuczna inteligencja oszczędza czas w procesach środowiskowych (rachunek, monitorowanie, raportowanie, zgodność), a gdzie decyzje dotyczące współczynnika emisji, zakresu i roszczeń pozostawia się ludziom, w zależności od poziomu ryzyka.
- Możliwość zastosowania dyscypliny polegającej na sprawdzaniu każdego wyjścia cyfrowego pod kątem jednostki, źródła i niezależnych etapów weryfikacji
- Zrozumienie, dlaczego fałszywe współczynniki emisji, zamieszanie w zakresie jednostek i język „greenwashingu” to zagrożenia, które w tym zawodzie należy brać pod uwagę od samego początku.
Zarządzanie środowiskiem to zadanie polegające na mierzeniu, ograniczaniu i wiarygodnym dokumentowaniu śladu, jaki organizacja pozostawia na powietrzu, wodzie i glebie. Najokrutniejsza zasada ze wszystkich mówi, że jeśli liczba jest błędna, współczynnik emisji jest niedokładny lub twierdzenie jest bezpodstawne, cały raport upada – i teraz istnieje nazwa tego upadku: „ekościema” (ang. greenwashing), czyli „ekościema” (ang. greenwashing), gdy organizacja sprawia, że jej wyniki w zakresie ochrony środowiska wyglądają lepiej, niż jest w rzeczywistości. Z jednej niepotwierdzonej liczby może wynikać kara prawna, szkoda dla reputacji lub pozew inwestorski. Dlatego stosowanie sztucznej inteligencji (AI) w kwestiach środowiskowych i klimatycznych wymaga dyscypliny.
W tej części dowiesz się, gdzie narzędzia, które nazywamy dużymi modelami językowymi (LLM – rodzaj sztucznej inteligencji, która generuje tekst statystycznie, z logiką „następnego najbardziej prawdopodobnego słowa”), naprawdę oszczędzają czas w pracy związanej z ochroną środowiska, gdzie są niebezpieczne i jak weryfikować każdy wynik.
Po pierwsze, koncepcja krytyczna: halucynacja ma miejsce, gdy sztuczna inteligencja produkuje informacje, które w rzeczywistości nie są prawdziwe, z całkowitą pewnością, tak jakby były prawdziwe. W dziedzinie ochrony środowiska jest to; Możesz się z tym spotkać w postaci zmyślonego współczynnika emisji, nieistniejącego aktu prawnego, nieprawidłowej jednostki (kilogram zamiast tony) lub odniesienia do nieistniejącego badania naukowego. Najważniejszym punktem jest to, że LLM nie jest kalkulatorem, urządzeniem pomiarowym ani regulacyjną bazą danych. Jest to generator tekstu, który statystycznie imituje teksty, które widzi w danych treningowych. Przez większość czasu daje rozsądną wydajność; ale różnica między „rozsądnymi” a „zweryfikowanymi” to najważniejsza kwestia w raportowaniu środowiskowym.
Gdzie w sprawach ochrony środowiska sprawdza się sztuczna inteligencja, a gdzie nie?
Pomyśl o sztucznej inteligencji jako o partnerze, który może szybko przygotować wersję roboczą, przeglądać i analizować dane: jest cenny, ale niezbędny do walidacji. Podstawą tego modułu jest poniższe rozróżnienie.
Zadanie
Wkład sztucznej inteligencji
Odpowiedzialność eksperta
Obliczanie śladu węglowego
Konfiguruje formuły, pisze kod w Pythonie
Potwierdzenie współczynnika emisji ze źródła
Analiza danych z satelity/czujnika
Generuje wersję roboczą kodu i komentarze
Potwierdzenie autentyczności pomiaru i kalibracji
Projekt raportu ESG
Tworzy tekst i szkielet tabeli
Udowodnienie każdego twierdzenia danymi
Podsumowanie legislacyjne
Uprość złożony tekst
Potwierdzenie artykułu na podstawie aktualnego oficjalnego tekstu
Scenariusz ryzyka klimatycznego
Zaleca ramy scenariuszy
Sprawdzanie założeń i ograniczeń danych
Optymalizacja ścieków/wody
Zawiera model i projekt propozycji
Weryfikacja przydatności terenowej
Praktyczna zasada: użyj sztucznej inteligencji, aby znaleźć ścieżkę do numeru, napisać kod, uporządkować dane i wygenerować wersje robocze, a nie sam numer; Zweryfikuj każdy wynik liczbowy i każde stwierdzenie faktyczne z niezależnego, wiarygodnego źródła (baza danych współczynników emisji, ustawodawstwo rządowe, pomiar skalibrowany).
Trzy śmiertelne pułapki AI w sprawach ochrony środowiska
1. Dopasowanie współczynnika i współczynnika emisji. Sztuczna inteligencja może „wpisać” współczynnik emisji, którego nie pamięta (ilość gazów cieplarnianych uwolnionych na jednostkę paliwa lub działania) liczbą, która wydaje się rozsądna. Nieprawidłowa intensywność emisji dwutlenku węgla dla jednej kWh energii elektrycznej zakłóciłaby całą inwentaryzację.
2. Pomieszanie jednostek i zakresu. sztuczna inteligencja; kg na tony, CO₂ na CO₂e (ekwiwalent dwutlenku węgla – efekt grzewczy różnych gazów cieplarnianych przeliczony na wspólną jednostkę) może cicho przemieszczać się pomiędzy Zakresem 1 a Zakresem 3. Wynik wydaje się rozsądny liczbowo, ale jest błędny.
3. Język wywołujący greenwashing. Sztuczna inteligencja z łatwością generuje niepotwierdzone, hiperboliczne stwierdzenia, takie jak „przyjazny dla środowiska”, „neutralny pod względem emisji dwutlenku węgla”, „w 100% zrównoważony”. Stwierdzenia te niosą obecnie ryzyko prawne w wielu krajach. Omówimy to szczegółowo w części 11.
Wskazówka: do każdego wyniku numerycznego AI zadawaj trzy pytania: (1) Jaka jest jego jednostka (kg, tony, CO₂ lub CO₂e)? (2) Czy źródło jest znane i aktualne? (3) Jak mogę to sprawdzić niezależnie? Te trzy pytania pozwalają wykryć zdecydowaną większość błędów środowiskowych już w zarodku.
Krok po kroku: bezpieczny dla środowiska przepływ pracy AI
1. Zdefiniuj zadanie wraz z jego zakresem i jednostką. Zamiast „Oblicz moją emisję dwutlenku węgla” powiedz „Oblicz emisję ze spalania gazu ziemnego w zakresie 1 na rok 2024 w tonach CO₂e przy zużyciu w m3 i oficjalnym współczynniku emisji”.
2. Podaj metodę i standard. Według jakiego protokołu? Protokół GHG czy ISO 14064? Określenie standardu gwarantuje, że dane wyjściowe będą podlegały audytowi.
3. Zapytaj o źródło, zabraniaj fabrykacji. Wyraźnie powiedz AI, aby podała współczynnik emisji wraz ze źródłem, a jeśli nie wie, „zweryfikuj to z oficjalnego źródła”.
4. Sprawdź, uruchamiając kod. Potwierdź konto plikiem wykonywalnym Python. Kod deterministyczny (zawsze daje ten sam dokładny wynik dla tych samych danych wejściowych) jest znacznie bardziej niezawodny niż liczba osób LLM.
5. Zweryfikuj fakty i twierdzenia. Współczynniki emisji, klauzule regulacyjne, wartości docelowe – zweryfikuj je wszystkie na podstawie wiarygodnych źródeł (IPCC, tabele współczynników DEFRA/EPA, dziennik urzędowy).
trzy mini etui
Przypadek 1 – Fikcyjny współczynnik emisji. Ekspert ds. zrównoważonego rozwoju zapytał AI o współczynnik emisji gazu ziemnego i otrzymał odpowiedź: „2,75 kg CO₂e/m³”. Ekspert porównał tę wartość z oficjalną tabelą: rzeczywista wartość wyniosła około 2,02 kg CO₂e/m3. Wartość AI wzrosła o 36%. Przy zużyciu 500 000 m3 oznaczało to urojoną nadwyżkę zapasów wynoszącą około 365 ton CO₂e. Bez weryfikacji cały raport byłby fałszywy. Stracony czas: 4 minuty.
Przypadek 2 – Pomieszanie zakresu. Analityk zapytał sztuczną inteligencję o całkowity zasięg firmy. AI połączył zakup energii elektrycznej (Zakres 2) i emisje z łańcucha dostaw (Zakres 3) w jedną „ogółem”, a mimo to uwzględnił tylko jedną pozycję z Zakresu 3. Kiedy analityk zastosował podział zakresu zgodnie z Protokołem GHG, zdał sobie sprawę, że raport powinien był wykazać każdy zakres z osobna i że brakowało Zakresu 3. Warunkiem pozytywnego zaliczenia kontroli była poprawka.
Przypadek 3 – Weryfikacja uratowała reputację. Zespół ds. komunikacji poprosił sztuczną inteligencję o kopię marketingową produktu; Sztuczna inteligencja zasugerowała „całkowicie neutralną pod względem emisji dwutlenku węgla i zerowy wpływ na środowisko”. Zespół zdał sobie sprawę, że nie ma na to dowodów ani danych dotyczących cyklu życia produktu, ani zweryfikowanej dokumentacji offsetowej; zastąpiliśmy stwierdzenie zdaniem z dowodem typu „do 2023 roku zmniejszyliśmy emisję produkcyjną o 18% (niezależna weryfikacja: X)”. Zmiana ta od początku zapobiegła ewentualnemu dochodzeniu w sprawie reklamy wprowadzającej w błąd.
Słaba zachęta/silna zachęta
Słaba zachęta:
Oblicz ślad węglowy mojej firmy.
Dlaczego jest słaby: Brak zakresu, jednostek, metod i danych. Sztuczna inteligencja wypełnia luki fabrykacją; Nie można sterować mocą wyjściową.
Potężny monit:
Twoja rola: specjalista ds. inwentaryzacji gazów cieplarnianych. Oblicz zakres 1 zgodnie z protokołem GHG. Dane: zużycie gazu ziemnego 480 000 m³, oleju napędowego 12 000 L. Podam współczynnik emisji; NIE wymyślaj współczynnika, zamiast tego zostaw etykietę [CZYNNIK] i napisz, skąd należy go pobrać. Wykonaj obliczenia w tonach CO₂e, korzystając z wykonywalnego kodu Pythona. Wyniki podać w formie tabelarycznej według paliwa i ogółem.
Cztery szablony do kopiowania
1) Obliczenia z uwzględnieniem zakresu i przejrzystości jednostek:
Twoja rola: ekspert ds. inwentaryzacji emisji dwutlenku węgla. Oblicz następującą aktywność: [aktywność]. Standard: Protokół GHG. Jasno określ zakres (1/2/3). Jednostka: tony CO₂e. Podam współczynnik emisji lub możesz podać źródło i zostawić znacznik [FACTOR]; DOPASOWANIE. Sprawdź obliczenia za pomocą wykonywalnego kodu Pythona.
2) Potwierdzenie współczynnika/danych:
Zapisz współczynnik emisji i jednostkę dla [paliwo/aktywność]. Podaj źródło (np. IPCC, DEFRA, lokalna tabela urzędowa) i rok. Jeśli nie znasz dokładnej wartości, powiedz „sprawdź na podstawie oficjalnej tabeli” i NIE PASUJ. Jeśli wartość różni się w zależności od różnych źródeł, należy to podać.
3) Filtr Greenwashing:
Zapoznaj się z oświadczeniem dotyczącym ochrony środowiska poniżej. Do każdego zdania zadaj pytanie: (1) Czy jest to mierzalne? (2) Czy istnieją dowody/dane? (3) Czy jest niejasny (np. „przyjazny dla środowiska”)? Oznacz stwierdzenia, które nie zawierają dowodów lub są przesadzone i sugerują opartą na dowodach, wymierną alternatywę. Roszczenie: [tutaj]
4) Sprawdzanie własnego konta:
Poniżej znajduje się moje obliczenie emisji. Sprawdź każdy krok, jednostkę i klasę zakresu. Sprawdź spójność jednostek (kg↔tona, CO₂↔CO₂e) i racjonalność współczynników. Jeśli wystąpił BŁĄD, pokaż, która linia i dlaczego. Tworzenie nowego konta; sprawdź moje: [tutaj]
Typowe błędy
- „Przypominanie” AI o współczynniku emisji. Czynniki różnią się w zależności od kraju, roku i paliwa; zawsze bierz zdjęcie ze stołu.
- Mieszanie zakresów. Zakres 1 (bezpośredni), Zakres 2 (zakupiona energia) i Zakres 3 (łańcuch wartości) należy zgłaszać oddzielnie.
- Zrównywanie CO₂ z CO₂e. Gazy takie jak metan i podtlenek azotu mają znacznie silniejsze działanie niż CO₂; wszystko musi zostać przeliczone na CO₂e.
- Umieszczenie w tekście twierdzenia bez dowodów. Wyrażenia takie jak „neutralny pod względem emisji dwutlenku węgla” stanowią ryzyko prawne bez zweryfikowanych danych i dokumentacji.
- Zaakceptowanie numeru bez jego uruchamiania. Zawsze podawaj zwróconą kwotę LLM za pomocą kodu lub ręcznie.
Uwaga: Dane dotyczące środowiska często nie zawierają tajemnic osobistych ani handlowych; jednakże umowy z dostawcami, dane dotyczące produkcji na poziomie zakładu i dane klientów mogą być poufne. Sprawdź zasady swojej firmy przed wklejeniem ich do publicznych narzędzi AI. Kwestię prywatności poruszymy w części 11.
Podsumowując
AI w środowisku i klimacie; to potężny asystent, który pisze kod, porządkuje dane, generuje wersje robocze i podsumowuje, ale nie jest urządzeniem pomiarowym, kalkulatorem ani źródłem informacji regulacyjnych. Za potwierdzenie wskaźników emisji, zakresu i dokładności jednostkowej, uzasadnienie roszczeń oraz unikanie greenwashingu odpowiada kompetentny ekspert. Każda liczba musi opierać się na źródle, każde twierdzenie musi opierać się na dowodach.
Zadanie aplikacji
Wybierz działanie środowiskowe swojej organizacji (lub hipotetyczny przykład) — na przykład miesięczne zużycie gazu ziemnego w obiekcie. Poproś sztuczną inteligencję o wykonanie obliczeń przy użyciu szablonu 1 powyżej, ale pozostaw współczynnik emisji pusty. Następnie znajdź współczynnik z oficjalnej tabeli i zastąp go. Na koniec, w przypadku trzeciego szablonu, jednozdaniowy tekst komunikatu, który napiszesz w ramach tego działania, zostanie sprawdzony pod kątem greenwashingu. Porównaj wszystkie trzy wydruki na jednej stronie.
lista kontrolna
- [ ] Zdefiniowałem zadanie zakresem (1/2/3) i jednostką (tony CO₂e).
- [ ] Nie dopasowałem AI do współczynnika emisji; Potwierdziłem to u źródła.
- [ ] Konto zostało skonfigurowane za pomocą kodu wykonywalnego lub ręcznie.
- [ ] Dokonałem prawidłowego rozróżnienia pomiędzy CO₂ i CO₂e oraz kg i ton.
- [ ] Do każdego twierdzenia zawartego w tekście dopasowałem dowody, usuwając przesadny język.
- [ ] Sprawdziłem politykę przed wklejeniem tajnych danych do otwartego narzędzia AI.