Lợi nhuận:
- Có thể phân biệt nơi nào trí tuệ nhân tạo tiết kiệm thời gian trong quy trình làm việc về môi trường (tài khoản, giám sát, báo cáo, tuân thủ) và nơi nào các quyết định về hệ số phát thải, phạm vi và khiếu nại được giao cho con người, tùy thuộc vào mức độ rủi ro.
- Khả năng áp dụng kỷ luật kiểm tra từng đầu ra kỹ thuật số với các bước xác minh đơn vị, nguồn và độc lập
- Hiểu được lý do tại sao các yếu tố phát thải giả, nhầm lẫn về đơn vị phạm vi và ngôn ngữ tẩy rửa xanh là những rủi ro cần được xem xét đối với nghề này ngay từ đầu.
Quản lý môi trường là nhiệm vụ đo lường, giảm thiểu và ghi lại một cách đáng tin cậy dấu chân mà một tổ chức để lại trên không khí, nước và đất. Quy tắc tàn khốc nhất là nếu một con số sai, hệ số phát thải không chính xác hoặc tuyên bố không có căn cứ, thì toàn bộ báo cáo sẽ bị hủy bỏ - và bây giờ có một cái tên cho sự sụp đổ đó: tẩy xanh, khi một tổ chức làm cho hoạt động môi trường của mình trông tốt hơn thực tế. Một hình phạt theo quy định, thiệt hại về danh tiếng hoặc vụ kiện của nhà đầu tư có thể phát sinh từ một con số chưa được xác nhận. Đó là lý do tại sao việc sử dụng trí tuệ nhân tạo (AI) trong các vấn đề môi trường và khí hậu đòi hỏi phải có kỷ luật.
Trong phần này, bạn sẽ tìm hiểu xem các công cụ mà chúng tôi gọi là mô hình ngôn ngữ lớn (LLM - một loại AI tạo ra văn bản theo thống kê, với logic "từ có khả năng xảy ra tiếp theo") thực sự tiết kiệm thời gian trong công việc môi trường ở đâu, chúng nguy hiểm ở đâu và cách xác minh từng đầu ra.
Đầu tiên, một khái niệm quan trọng: ảo giác là khi AI tạo ra thông tin không thực sự đúng, với sự tự tin hoàn toàn, như thể nó là sự thật. Trong lĩnh vực môi trường, điều này; Bạn có thể gặp phải điều này dưới dạng hệ số phát thải bịa đặt, một điều luật không tồn tại, đơn vị không chính xác (kg thay vì tấn) hoặc tham chiếu đến một nghiên cứu khoa học không tồn tại. Điểm quan trọng là đây: LLM không phải là máy tính, thiết bị đo lường hay cơ sở dữ liệu quy định. Nó là một trình tạo văn bản bắt chước một cách thống kê các văn bản mà nó nhìn thấy trong dữ liệu huấn luyện. Nó cho kết quả đầu ra hợp lý hầu hết thời gian; nhưng sự khác biệt giữa “hợp lý” và “đã được xác minh” là tất cả mọi thứ trong báo cáo môi trường.
Trí tuệ nhân tạo hoạt động ở đâu và không hoạt động ở đâu trong vấn đề môi trường?
Hãy coi AI như một đối tác soạn thảo, quản lý và phân tích dữ liệu nhanh chóng: có giá trị nhưng cần thiết để xác thực. Sự khác biệt sau đây là xương sống của mô-đun này.
Nhiệm vụ
Đóng góp của AI
Trách nhiệm của chuyên gia
Tính toán lượng khí thải carbon
Thiết lập công thức, viết mã Python
Xác nhận hệ số phát thải từ nguồn
Phân tích dữ liệu vệ tinh/cảm biến
Tạo mã dự thảo và nhận xét
Xác nhận tính xác thực của phép đo và hiệu chuẩn
Dự thảo báo cáo ESG
Tạo khung văn bản và bảng
Chứng minh mọi tuyên bố bằng dữ liệu
Tóm tắt pháp luật
Đơn giản hóa văn bản phức tạp
Xác nhận bài viết từ văn bản chính thức hiện tại
Kịch bản rủi ro khí hậu
Khung kịch bản đề xuất
Kiểm tra các giả định và giới hạn của dữ liệu
Tối ưu hóa chất thải/nước
Cung cấp mô hình và dự thảo đề xuất
Xác minh khả năng ứng dụng của trường
Nguyên tắc nhỏ: Sử dụng AI để tìm đường dẫn đến con số, viết mã, sắp xếp dữ liệu và tạo bản nháp chứ không phải chính con số đó; Xác minh mọi kết quả bằng số và mọi tuyên bố thực tế từ một nguồn độc lập, đáng tin cậy (cơ sở dữ liệu về hệ số phát thải, luật pháp của chính phủ, phép đo đã hiệu chuẩn).
Ba cái bẫy chết người của AI trong vấn đề môi trường
1. Lắp hệ số, hệ số phát thải. AI có thể “điền” hệ số phát thải mà nó không nhớ (lượng khí nhà kính thải ra trên một đơn vị nhiên liệu hoặc hoạt động) với một con số có vẻ hợp lý. Cường độ carbon không chính xác cho một kWh điện sẽ làm gián đoạn toàn bộ lượng tồn kho.
2. Nhầm lẫn đơn vị và phạm vi. AI; kg sang tấn, CO₂ thành CO₂e (tương đương carbon dioxide - hiệu ứng nhiệt của các loại khí nhà kính khác nhau được chuyển đổi thành một đơn vị chung) có thể di chuyển âm thầm giữa Phạm vi 1 và Phạm vi 3. Kết quả có vẻ hợp lý về mặt số học, nhưng nó sai.
3. Ngôn ngữ tạo ra sự tẩy rửa xanh. AI dễ dàng tạo ra các tuyên bố cường điệu, chưa được chứng minh như “thân thiện với môi trường”, “trung tính carbon”, “bền vững 100%”. Những tuyên bố này hiện mang rủi ro pháp lý ở nhiều quốc gia. Chúng ta sẽ đề cập sâu hơn về vấn đề này trong bài 11.
Mẹo: Tiếp cận mọi kết quả đầu ra bằng số của AI bằng ba câu hỏi: (1) Đơn vị của nó (kg, tấn, CO₂ hoặc CO₂e) là gì? (2) Nguồn có được biết rõ và cập nhật không? (3) Làm cách nào để kiểm tra điều này một cách độc lập? Ba câu hỏi này nắm bắt được phần lớn các lỗi môi trường từ trong trứng nước.
Từng bước: quy trình làm việc AI an toàn với môi trường
1. Xác định nhiệm vụ với phạm vi và đơn vị của nó. Thay vì "Tính lượng carbon của tôi", hãy nói "Tính lượng khí thải từ quá trình đốt khí tự nhiên Phạm vi 1 cho năm 2024 tính bằng tấn CO₂e với mức tiêu thụ m³ và hệ số phát thải chính thức."
2. Nêu rõ phương pháp và tiêu chuẩn. Theo giao thức nào? Nghị định thư GHG hay ISO 14064? Nói tiêu chuẩn đảm bảo rằng đầu ra có thể kiểm tra được.
3. Hỏi nguồn, cấm bịa đặt. Yêu cầu AI cung cấp hệ số phát thải theo nguồn của nó một cách rõ ràng và nếu nó không biết, hãy "xác minh điều này từ một nguồn chính thức".
4. Xác minh bằng cách chạy mã. Xác nhận tài khoản bằng tệp thực thi Python. Mã xác định (luôn đưa ra cùng một kết quả chính xác cho cùng một đầu vào) đáng tin cậy hơn nhiều so với số đầu của LLM.
5. Xác minh sự thật và tuyên bố. Hệ số phát thải, điều khoản quy định, giá trị mục tiêu – xác minh tất cả chúng từ tài liệu tham khảo đáng tin cậy (IPCC, bảng hệ số DEFRA/EPA, công báo chính thức).
ba trường hợp nhỏ
Trường hợp 1 - Hệ số phát thải giả định. Một chuyên gia về tính bền vững đã hỏi AI về hệ số phát thải của khí tự nhiên và nhận được câu trả lời: "2,75 kg CO₂e/m³". Chuyên gia đã so sánh giá trị với bảng chính thức: giá trị thực tế là khoảng 2,02 kg CO₂e/m³. Giá trị AI đã tăng 36%. Đối với mức tiêu thụ 500.000 m³, điều này có nghĩa là lượng dư thừa tưởng tượng trong kho khoảng 365 tấn CO₂e. Nếu không xác minh, toàn bộ báo cáo sẽ sai. Thời gian mất: 4 phút.
Trường hợp 2 - Nhầm lẫn về phạm vi. Một nhà phân tích đã hỏi AI về tổng dấu chân của công ty. AI đã kết hợp lượng điện mua vào (Phạm vi 2) và lượng phát thải của chuỗi cung ứng (Phạm vi 3) thành một “tổng” duy nhất nhưng chỉ tính một mục của Phạm vi 3. Khi nhà phân tích áp dụng phân tách phạm vi của Giao thức GHG, anh ấy nhận ra rằng báo cáo lẽ ra phải trình bày từng phạm vi riêng biệt và rằng Phạm vi 3 bị thiếu. Sửa chữa là điều kiện tiên quyết để vượt qua cuộc kiểm toán.
Trường hợp 3 - Xác minh đã lưu danh tiếng. Một nhóm truyền thông đã yêu cầu AI cung cấp bản sao tiếp thị cho một sản phẩm; AI đề xuất “hoàn toàn trung hòa carbon và không tác động đến môi trường”. Nhóm nhận ra rằng họ không có dữ liệu về vòng đời và không có tài liệu bù đắp được xác minh để chứng minh điều này; thay thế tuyên bố bằng một câu có bằng chứng như “chúng tôi đã giảm 18% lượng khí thải sản xuất vào năm 2023 (xác minh độc lập: X)”. Thay đổi này đã ngăn chặn việc điều tra quảng cáo gây hiểu lầm có thể xảy ra ngay từ đầu.
Dấu nhắc yếu / Dấu nhắc mạnh
Dấu nhắc yếu:
Tính toán lượng khí thải carbon của công ty tôi.
Tại sao yếu: Không có phạm vi, đơn vị, phương pháp và dữ liệu. AI lấp đầy những khoảng trống bằng cách chế tạo; Đầu ra không thể được kiểm soát.
Lời nhắc mạnh mẽ:
Vai trò của bạn: chuyên gia kiểm kê khí nhà kính. Tính toán Phạm vi 1 theo Nghị định thư KNK. Dữ liệu: mức tiêu thụ khí đốt tự nhiên 480.000 m³, dầu diesel 12.000 L. Tôi sẽ đưa ra hệ số phát thải; KHÔNG tạo nên hệ số, thay vào đó hãy để lại nhãn [YẾU TỐ] và ghi nơi cần lấy nó. Thực hiện phép tính theo tấn CO₂e bằng mã Python thực thi. Đưa ra kết quả dưới dạng bảng theo nhiên liệu và tổng số.
Bốn mẫu có thể sao chép
1) Tính toán rõ ràng về phạm vi và đơn vị:
Vai trò của bạn: chuyên gia kiểm kê carbon. Tính toán hoạt động sau: [hoạt động].Tiêu chuẩn: Giao thức GHG. Nêu rõ phạm vi (1/2/3).Đơn vị: tấn CO₂e. Mình sẽ đưa ra hệ số phát thải hoặc bạn có thể cho biết nguồn và để lại tag [YẾU TỐ]; FITTING.Xác minh tính toán bằng mã Python thực thi.
2) Xác nhận yếu tố/dữ liệu:
Viết hệ số phát thải và đơn vị cho [nhiên liệu/hoạt động]. Nêu rõ nguồn (ví dụ: IPCC, DEFRA, bảng chính thức của địa phương) và năm. Nếu bạn không biết giá trị chính xác, hãy nói "xác minh từ bảng chính thức" và KHÔNG PHÙ HỢP. Nếu giá trị thay đổi từ các nguồn khác nhau, hãy nêu rõ điều này.
3) Bộ lọc rửa xanh:
Kiểm tra các yêu cầu về môi trường dưới đây. Với mỗi câu, hãy hỏi: (1) Nó có thể đo lường được không? (2) Có bằng chứng/dữ liệu không? (3) Có mơ hồ không (như “thân thiện với môi trường”)? Gắn cờ các tuyên bố thiếu bằng chứng hoặc bị phóng đại và đề xuất một giải pháp thay thế được đo lường, dựa trên bằng chứng. Yêu cầu: [tại đây]
4) Kiểm tra tài khoản của chính tôi:
Dưới đây là tính toán phát thải của tôi. Kiểm tra từng bước, đơn vị và lớp phạm vi. Kiểm tra tính thống nhất của đơn vị (kg↔tấn, CO₂↔CO₂e) và tính hợp lý của hệ số. Nếu có LỖI, hãy hiển thị dòng nào và tại sao. Tạo một tài khoản mới; kiểm tra của tôi: [tại đây]
Những lỗi thường gặp
- “Nhắc nhở” AI về hệ số phát thải. Các yếu tố khác nhau tùy theo quốc gia, năm và nhiên liệu; luôn lấy hình ảnh từ bàn.
- Trộn phạm vi. Phạm vi 1 (trực tiếp), Phạm vi 2 (năng lượng mua) và Phạm vi 3 (chuỗi giá trị) phải được báo cáo riêng.
- Đánh đồng CO₂ với CO₂e. Các loại khí như metan và oxit nitơ mạnh hơn CO₂ rất nhiều; tất cả phải được chuyển đổi thành CO₂e.
- Đưa ra một tuyên bố không có bằng chứng vào văn bản. Các cụm từ như “trung tính carbon” là rủi ro pháp lý nếu không có dữ liệu và tài liệu được xác minh.
- Chấp nhận số mà không chạy nó. Luôn cung cấp tổng số LLM được trả về thông qua mã hoặc theo cách thủ công.
Thận trọng: Dữ liệu môi trường thường không chứa bí mật cá nhân hoặc bí mật thương mại; nhưng các thỏa thuận với nhà cung cấp, số liệu sản xuất cấp nhà máy và dữ liệu khách hàng có thể được giữ bí mật. Kiểm tra chính sách doanh nghiệp của bạn trước khi dán chúng vào các công cụ AI công cộng. Chúng ta sẽ đề cập đến vấn đề riêng tư trong bài 11.
Tóm lại
AI trong môi trường và khí hậu; là một trợ lý mạnh mẽ giúp viết mã, sắp xếp dữ liệu, tạo bản nháp và tóm tắt—nhưng nó không phải là một thiết bị đo lường, máy tính hay tài nguyên quy định. Việc xác nhận các hệ số phát thải, phạm vi và độ chính xác của đơn vị, chứng minh các tuyên bố và tránh tẩy xanh là trách nhiệm của chuyên gia có thẩm quyền. Mọi con số đều phải dựa trên nguồn, mọi tuyên bố đều phải dựa trên bằng chứng.
Nhiệm vụ ứng dụng
Chọn một hoạt động môi trường từ tổ chức của bạn (hoặc một ví dụ giả định)—ví dụ: mức tiêu thụ khí đốt tự nhiên hàng tháng của cơ sở. Yêu cầu AI tính toán theo mẫu 1 ở trên nhưng để trống hệ số phát thải. Sau đó tìm hệ số từ một bảng chính thức và thay thế nó. Cuối cùng, với mẫu thứ 3, hãy kiểm tra văn bản giao tiếp một câu mà bạn sẽ viết cho hoạt động này để tẩy xanh. So sánh cả ba bản in trên một trang.
danh sách kiểm tra
- [ ] Tôi đã xác định nhiệm vụ theo phạm vi (1/2/3) và đơn vị (tấn CO₂e).
- [ ] Tôi không làm cho AI phù hợp với hệ số phát thải; Tôi đã xác nhận nó từ nguồn.
- [ ] Tôi đã cấp phép cho tài khoản thông qua mã thực thi hoặc theo cách thủ công.
- [ ] Tôi đã phân biệt chính xác giữa CO₂ và CO₂e và kg và tấn.
- [ ] Tôi khớp từng tuyên bố trong văn bản với bằng chứng, loại bỏ ngôn từ cường điệu.
- [ ] Tôi đã kiểm tra chính sách trước khi dán dữ liệu bí mật vào công cụ AI mở.