Faida:
- Kuwa na uwezo wa kutofautisha ambapo akili bandia huokoa muda katika utendakazi wa mazingira (akaunti, ufuatiliaji, kuripoti, utiifu) na ambapo kipengele cha utoaji, upeo na maamuzi ya madai huachiwa wanadamu, kulingana na kiwango cha hatari.
- Uwezo wa kutumia taaluma inayokagua kila pato la dijiti kwa kitengo, chanzo na hatua za uthibitishaji huru
- Kuelewa ni kwa nini sababu ghushi za utoaji uchafuzi, mkanganyiko wa kitengo na lugha ya kuosha kijani ni hatari ambazo zinapaswa kuzingatiwa kwa taaluma hii tangu mwanzo.
Usimamizi wa mazingira ni kazi ya kupima, kupunguza, na kuweka kumbukumbu kwa uhakika nyayo ambazo shirika huacha kwenye hewa, maji na udongo. Kanuni katili zaidi ya zote ni kwamba ikiwa nambari si sahihi, kipengele cha utoaji si sahihi, au dai halijathibitishwa, ripoti yote huporomoka - na sasa kuna jina la mporomoko huo: kuosha kijani, shirika linapofanya utendaji wake wa mazingira uonekane bora zaidi kuliko ulivyo. Adhabu ya udhibiti, uharibifu wa sifa, au kesi ya mwekezaji inaweza kutokea kutoka kwa nambari moja ambayo haijathibitishwa. Ndio maana kutumia akili bandia (AI) katika masuala ya mazingira na hali ya hewa kunahitaji nidhamu.
Katika kitengo hiki, utajifunza ambapo zana tunazoziita modeli kubwa za lugha (LLM - aina ya AI ambayo hutoa maandishi kwa takwimu, kwa mantiki ya "neno linalofuata linalowezekana") huokoa wakati katika kazi ya mazingira, mahali ambapo ni hatari, na jinsi ya kuthibitisha kila pato.
Kwanza, dhana muhimu: ufahamu ni wakati AI inazalisha habari ambayo si kweli, kwa ujasiri kamili, kana kwamba ni kweli. Katika uwanja wa mazingira, hii; Unaweza kukutana na hii kwa namna ya kipengele cha uzalishaji wa maandishi, kipande cha sheria ambacho hakipo, kitengo kisicho sahihi (kilo badala ya tani) au rejeleo la utafiti wa kisayansi ambao haupo. Jambo muhimu ni hili: LLM sio kikokotoo, kifaa cha kupimia au hifadhidata ya udhibiti. Ni jenereta ya maandishi ambayo kitakwimu inaiga maandishi ambayo inaona katika data ya mafunzo. Inatoa matokeo ya kuridhisha mara nyingi; lakini tofauti kati ya "busara" na "kuthibitishwa" ni kila kitu katika ripoti ya mazingira.
Akili ya bandia inafanya kazi wapi na haifanyi kazi wapi katika maswala ya mazingira?
Fikiria AI kama rasimu ya haraka, uratibu wa data na mshirika wa uchanganuzi: muhimu lakini muhimu kwa uthibitishaji. Tofauti ifuatayo ni uti wa mgongo wa moduli hii.
Jitihada
Mchango wa AI
Wajibu wa mtaalam
Hesabu ya nyayo za kaboni
Huweka kanuni, huandika msimbo wa Python
Inathibitisha sababu ya utoaji kutoka kwa chanzo
Uchambuzi wa data ya satellite/sensor
Huzalisha rasimu ya msimbo na maoni
Kuthibitisha ukweli wa kipimo na urekebishaji
Rasimu ya ripoti ya ESG
Inaunda maandishi na mifupa ya jedwali
Kuthibitisha kila dai kwa data
Muhtasari wa sheria
Rahisisha maandishi changamano
Uthibitishaji wa makala kutoka kwa maandishi rasmi ya sasa
Hali ya hatari ya hali ya hewa
Inapendekeza mfumo wa hali
Kuangalia mawazo na mipaka ya data
Uboreshaji wa taka / maji
Hutoa mfano na rasimu ya pendekezo
Inathibitisha utumikaji wa uga
Kanuni ya kidole gumba: Tumia AI kutafuta njia ya nambari, kuandika msimbo, kupanga data, na kutoa rasimu, sio nambari yenyewe; Thibitisha kila tokeo la nambari na kila dai la kweli kutoka kwa chanzo huru, kinachotegemewa (database ya sababu za utoaji, sheria za serikali, kipimo kilichorekebishwa).
Mitego mitatu ya mauti ya AI katika maswala ya mazingira
1. Kuweka kipengele cha utoaji na mgawo. AI inaweza "kujaza" sababu ya utoaji ambayo haikumbuki (kiasi cha gesi chafuzi iliyotolewa kwa kila kitengo cha mafuta au shughuli) na nambari inayoonekana kuwa sawa. Nguvu ya kaboni isiyo sahihi kwa kWh moja ya umeme inaweza kuharibu hesabu nzima.
2. Kitengo na kuchanganyikiwa kwa upeo. AI; kilo kwa tani, CO₂ hadi CO₂e (sawa na dioksidi kaboni - athari ya joto ya gesi chafuzi tofauti zinazobadilishwa kuwa kitengo cha kawaida) inaweza kusonga kimya kati ya Upeo wa 1 na Upeo wa 3. Matokeo yanaonekana kuwa sawa kiidadi, lakini si sahihi.
3. Lugha inayozalisha kuosha kijani. AI hutoa kwa urahisi taarifa zisizothibitishwa, zenye hyperbolic kama vile "eco-friendly," "carbon neutral," "100% endelevu." Taarifa hizi sasa zina hatari ya kisheria katika nchi nyingi. Tutazingatia hili kwa kina katika sura ya 11.
Kidokezo: Fikia kila pato la nambari la AI kwa maswali matatu: (1) Kipimo chake (kilo, tani, CO₂ au CO₂e) ni nini? (2) Je, chanzo kinajulikana na ni cha kisasa? (3) Je, ninawezaje kuangalia hili kwa kujitegemea? Maswali haya matatu yanapata idadi kubwa ya makosa ya kimazingira kwenye chipukizi.
Hatua kwa hatua: mtiririko wa kazi wa AI salama kwa mazingira
1. Fafanua kazi na upeo wake na kitengo. Badala ya "Kokotoa kaboni yangu" sema "Kokotoa uzalishaji kutoka kwa mwako wa gesi asilia wa Scope 1 kwa 2024 katika tani CO₂e na matumizi ya m³ na sababu rasmi ya utoaji."
2. Eleza njia na kiwango. Kulingana na itifaki gani? Itifaki ya GHG au ISO 14064? Kusema kiwango huhakikisha kuwa pato linaweza kukaguliwa.
3. Uliza chanzo, kataza uzushi. Iambie AI kwa uwazi kutoa sababu ya utoaji na chanzo chake, na ikiwa haijui, "thibitisha hili kutoka kwa chanzo rasmi".
4. Thibitisha kwa kuendesha msimbo. Thibitisha akaunti na Python inayoweza kutekelezwa. Nambari ya kuamua (daima hutoa matokeo sawa kwa ingizo sawa) ni ya kuaminika zaidi kuliko hesabu ya vichwa vya LLM.
5. Thibitisha ukweli na madai. Sababu za utoaji, vifungu vya udhibiti, thamani lengwa - zithibitishe zote kutoka kwa marejeleo ya kuaminika (IPCC, majedwali ya kipengele cha DEFRA/EPA, gazeti rasmi la serikali).
kesi tatu ndogo
Kesi ya 1 - Sababu ya uwongo ya kutoa uchafu. Mtaalamu wa uendelevu aliuliza AI kwa kipengele cha utoaji wa gesi asilia na akapokea jibu: "2.75 kg CO₂e/m³". Mtaalamu alilinganisha thamani na jedwali rasmi: thamani halisi ilikuwa takriban kilo 2.02 CO₂e/m³. Thamani ya AI ilikuwa imeongezeka kwa 36%. Kwa matumizi ya 500,000 m³, hii ilimaanisha ziada ya kimawazo katika orodha ya takriban tani 365 za CO₂e. Bila uthibitisho, ripoti nzima itakuwa ya uwongo. Muda uliopotea: dakika 4.
Kesi ya 2 - Kuchanganyikiwa kwa upeo. Mchambuzi aliuliza AI kwa alama ya jumla ya kampuni. AI ilichanganya umeme ulionunuliwa (Upeo wa 2) na uzalishaji wa mnyororo wa ugavi (Upeo 3) katika "jumla" moja, lakini ilihesabu kipengele kimoja tu cha Mawanda 3. Mchambuzi alipotumia utenganisho wa wigo wa Itifaki ya GHG, aligundua kuwa ripoti inapaswa kuonyesha kila upeo tofauti na kwamba Wigo wa 3 haukuwepo. Usahihishaji ulikuwa sharti la kupitisha ukaguzi.
Kesi ya 3 - Uthibitishaji umehifadhi sifa. Timu ya mawasiliano iliuliza AI kwa nakala ya uuzaji kwa bidhaa; AI ilipendekeza "athari ya kaboni isiyo na usawa na sifuri kwa mazingira." Timu iligundua kuwa hawakuwa na data ya mzunguko wa maisha na hakuna nyaraka zilizothibitishwa za kukabiliana na kuthibitisha hili; ilibadilisha kauli hiyo na kuweka sentensi na ushahidi kama vile "tumepunguza uzalishaji kwa 18% kufikia 2023 (uthibitishaji huru: X)". Mabadiliko haya yalizuia uchunguzi unaoweza kupotosha wa utangazaji tangu mwanzo.
Mwongozo dhaifu / Mwongozo thabiti
Agizo dhaifu:
Kokotoa alama ya kaboni ya kampuni yangu.
Kwa nini ni dhaifu: Hakuna upeo, vitengo, mbinu na data. AI inajaza mapengo kwa utengenezaji; Matokeo hayawezi kudhibitiwa.
Agizo lenye nguvu:
Jukumu lako: mtaalamu wa hesabu ya gesi ya chafu. Hesabu Upeo 1 kulingana na Itifaki ya GHG. Data: matumizi ya gesi asilia 480,000 m³, dizeli 12,000 L. Nitatoa sababu ya utoaji; USIJENGE kipengele, acha lebo ya [FACTOR] badala yake na uandike inapostahili kuchukuliwa. Fanya hesabu katika tani za CO₂e na nambari ya Python inayoweza kutekelezwa. Toa matokeo katika fomu ya jedwali kwa mafuta na kwa jumla.
Violezo vinne vinavyoweza kunakiliwa
1) Kuhesabu kwa upeo na uwazi wa kitengo:
Jukumu lako: mtaalam wa hesabu ya kaboni. Kokotoa shughuli ifuatayo: [shughuli]. Kawaida: Itifaki ya GHG. Taja kwa uwazi upeo (1/2/3).Kitengo: tani CO₂e. Nitatoa sababu ya utoaji au unaweza kutaja chanzo na kuacha lebo ya [FACTOR]; FITTING.Thibitisha hesabu kwa kutumia msimbo wa Python unaotekelezeka.
2) Uthibitishaji wa sababu/data:
Andika kipengele cha utoaji na kitengo cha [mafuta/shughuli]. Taja chanzo (k.m. IPCC, DEFRA, jedwali rasmi la eneo lako) na mwaka. Ikiwa hujui thamani halisi, sema "thibitisha kutoka kwa jedwali rasmi" na USIFAE. Ikiwa thamani inatofautiana kutoka kwa vyanzo tofauti, sema hili.
3) Kichujio cha kuosha kijani:
Tazama madai ya mazingira hapa chini. Kwa kila sentensi, uliza:(1) Je, inaweza kupimika? (2) Je, kuna ushahidi/data? (3) Je, ni jambo lisiloeleweka (kama vile “eco-friendly”)? Ripoti taarifa ambazo hazina ushahidi au zimetiwa chumvi na kupendekeza njia mbadala iliyopimwa kulingana na ushahidi.Dai: [hapa]
4) Kuangalia akaunti yangu mwenyewe:
Chini ni hesabu yangu ya utoaji. Angalia kila hatua, kitengo na darasa la upeo. Angalia uthabiti wa kitengo (kg↔tani, CO₂↔CO₂e) na usawaziko wa sababu. Ikiwa kuna KOSA, onyesha ni mstari gani na kwa nini. Kuunda akaunti mpya; angalia yangu: [hapa]
Makosa ya kawaida
- "Inakumbusha" AI ya sababu ya utoaji. Mambo hutofautiana kwa nchi, mwaka na mafuta; daima kuchukua picha kutoka meza.
- Kuchanganya upeo. Upeo wa 1 (moja kwa moja), Upeo 2 (nishati iliyonunuliwa) na Upeo 3 (mnyororo wa thamani) unapaswa kuripotiwa tofauti.
- Kusawazisha CO₂ na CO₂e. Gesi kama vile methane na oksidi ya nitrojeni zina nguvu zaidi kuliko CO₂; zote lazima zigeuzwe kuwa CO₂e.
- Kuweka madai bila ushahidi kwenye maandishi. Maneno kama vile "kaboni isiyo na kaboni" ni hatari za kisheria bila data na hati zilizothibitishwa.
- Kukubali nambari bila kuiendesha. Toa jumla ya LLM iliyorejeshwa kila wakati kupitia msimbo au wewe mwenyewe.
Tahadhari: Data ya mazingira mara nyingi haina siri za kibinafsi au za biashara; lakini mikataba ya wasambazaji, takwimu za uzalishaji wa kiwango cha mtambo na data ya mteja inaweza kuwa siri. Angalia sera yako ya biashara kabla ya kubandika hizi kwenye zana za umma za AI. Tutashughulikia suala la faragha katika kitengo cha 11.
Kwa muhtasari
AI katika mazingira na hali ya hewa; ni msaidizi mwenye nguvu anayeandika msimbo, kupanga data, kutoa rasimu, na kufupisha—lakini si kifaa cha kupimia, kikokotoo au rasilimali ya udhibiti. Uthibitishaji wa mambo ya chafu, upeo na usahihi wa kitengo, uthibitisho wa madai na kuepuka greenwashing ni wajibu wa mtaalam mwenye uwezo. Kila nambari lazima itegemee chanzo, kila dai lazima liwe na ushahidi.
Jukumu la maombi
Chagua shughuli ya kimazingira kutoka kwa shirika lako mwenyewe (au mfano dhahania)—kwa mfano, matumizi ya kila mwezi ya kituo cha gesi asilia. Fanya hesabu ya AI ukitumia kiolezo cha 1 hapo juu, lakini acha kipengele cha utoaji tupu. Kisha pata sababu kutoka kwa jedwali rasmi na uibadilishe. Hatimaye, ukiwa na kiolezo cha 3, weka maandishi ya mawasiliano ya sentensi moja utakayoandika kwa ajili ya shughuli hii kukaguliwa kwa ajili ya kuosha kijani. Linganisha machapisho yote matatu kwenye ukurasa mmoja.
orodha ya ukaguzi
- [ ] Nilifafanua kazi kwa upeo (1/2/3) na kitengo (tani za CO₂e).
- [ ] Sikuifanya AI ilingane na sababu ya utoaji; Nilithibitisha kutoka kwa chanzo.
- [ ] Nilitoa akaunti kupitia nambari inayoweza kutekelezeka au kwa mikono.
- [ ] Nilifanya tofauti sahihi kati ya CO₂ na CO₂e na kilo na tani.
- [ ] Nililinganisha kila dai katika maandishi na ushahidi, nikisafisha lugha iliyotiwa chumvi.
- [ ] Niliangalia sera kabla ya kubandika data ya siri kwenye zana iliyo wazi ya AI.