Lợi nhuận:
- Khả năng nhận biết các loại tẩy xanh (không chắc chắn, chưa được chứng minh, trao đổi ẩn, tương lai phóng đại) và đưa ra tuyên bố có thể đo lường được, có nguồn gốc và có phạm vi.
- Khả năng phân loại dữ liệu được cung cấp cho phương tiện về tính bảo mật và bảo vệ bí mật thương mại và dữ liệu cá nhân
- Khả năng triển khai cổng chất lượng từ đầu đến cuối từ xác định đến xác minh và chịu trách nhiệm cuối cùng mà không cần dựa vào cơ chế bảo vệ 'AI say'
Có một nguyên tắc được lặp lại trong mỗi đơn vị của mô-đun này: con số phải dựa trên nguồn, tuyên bố phải dựa trên bằng chứng. Đơn vị cuối cùng này tích hợp nguyên tắc đó. Rủi ro lớn nhất của AI trong môi trường và khí hậu không phải là tính toán sai lầm mà là nó tạo ra một câu chuyện đáng tin nhưng vô căn cứ. Trong phần này, bạn sẽ tìm hiểu cách nhận biết và ngăn chặn tẩy xanh, đảm bảo tính chính xác của dữ liệu, đạo đức và quyền riêng tư cũng như quy trình làm việc từ đầu đến cuối giúp thống nhất toàn bộ mô-đun.
Giải phẫu của rửa xanh
Greenwashing là khi một tổ chức làm cho hiệu suất môi trường của mình trông tốt hơn thực tế. Bởi vì AI rất giỏi trong việc tạo ra văn bản trôi chảy và thuyết phục nên nó cũng rất dễ tạo ra hành vi tẩy xanh một cách vô tình. Các loại chính:
Loại rửa xanh
Ý bạn là gì?
ví dụ
yêu cầu mơ hồ
từ không thể đo lường được, không xác định được
"Thân thiện với môi trường", "tự nhiên", "xanh"
yêu cầu không có bằng chứng
Số/mục tiêu không có dữ liệu
"Chúng tôi trung hòa carbon" (không có tài liệu)
trao đổi bí mật
Làm nổi bật những điều tốt và che giấu những điều xấu lớn
"Bao bì có thể tái chế" nhưng sản phẩm rất gây ô nhiễm
yêu cầu không liên quan
Trình bày những gì đã cần thiết/không quan trọng như một đức tính tốt
"Không chứa chất cấm"
nhãn giả
Xuất hiện chứng chỉ bịa đặt/chưa được xác minh
Logo "xanh" tự sáng tạo
tương lai xa hoa
Trú ẩn một mục tiêu xa xôi mà không có bằng chứng
"Chúng tôi sẽ trung lập vào năm 2050" (không có kế hoạch tạm thời)
Mẹo: Một tuyên bố tốt về môi trường có ba đặc điểm: có thể đo lường được (một con số), đã được chứng minh (một bằng chứng) và phạm vi rõ ràng (rõ ràng cái gì đang được so sánh với khi nào). Nếu khiếu nại thiếu một trong ba điều này, hãy dừng lại trước khi xuất bản nó.
Độ chính xác của dữ liệu: nguyên tắc vàng của mô-đun
Nguyên tắc xác minh mà chúng ta thấy trong mỗi bài học có thể được tóm tắt trong một câu duy nhất: Không có con số hoặc sự kiện nào do AI tạo ra lại trở thành quyết định, báo cáo hoặc tuyên bố mà không được xác nhận bởi một nguồn độc lập. Hệ số phát thải được xác nhận từ bảng chính thức, điều luật được xác nhận từ văn bản hiện tại, phép đo được xác nhận từ thiết bị đã hiệu chuẩn và phép tính được xác nhận từ mã thực thi. AI tăng tốc; Anh ấy là người đàn ông trung thực.
Đạo đức và quyền riêng tư
Đạo đức: Dữ liệu môi trường liên quan đến công chúng và thế hệ tương lai; tổng hợp dữ liệu, báo cáo có chọn lọc hoặc che giấu sự không chắc chắn là vi phạm đạo đức. Đừng yêu cầu AI “hiển thị báo cáo tốt hơn” mà hãy “hiển thị báo cáo chính xác và dễ hiểu hơn”.
Tính bảo mật: Số liệu sản xuất cấp nhà máy, thỏa thuận với nhà cung cấp, dữ liệu phát thải không được tiết lộ có thể là bí mật thương mại; Dữ liệu về việc đi lại hoặc vị trí của nhân viên có thể là dữ liệu cá nhân. Kiểm tra chính sách công ty và các quy tắc bảo vệ dữ liệu (ví dụ: KVKK/GDPR) trước khi dán chúng vào các công cụ AI công khai; Ẩn danh nếu có thể hoặc sử dụng công cụ kiểm chứng dữ liệu của doanh nghiệp.
Thận trọng: “AI đã nói như vậy” không phải là lời bào chữa. Tổ chức và người ký phải chịu trách nhiệm về báo cáo phát thải sai, quảng cáo gây hiểu lầm hoặc dữ liệu bí mật bị rò rỉ. AI là một công cụ; Anh ấy là người có trách nhiệm.
Quy trình làm việc từ đầu đến cuối: lắp ráp mô-đun
Dưới đây là sáu bước để đưa ra tuyên bố hoặc báo cáo về môi trường một cách đáng tin cậy từ đầu đến cuối:
1. Xác định. Điều gì sẽ được báo cáo/yêu cầu bồi thường? Phạm vi, đơn vị, tiêu chuẩn, thời gian có rõ ràng không?
2. Thu thập và xác nhận dữ liệu. Mỗi vấn đề có nguồn truy nguyên được không? Các yếu tố có chính thức không?
3. Tính toán và xác minh. Thực hiện phép tính trong mã và cung cấp kết quả với các đơn vị và đơn hàng.
4. Phác thảo. Xây dựng khung văn bản bằng AI; Kết nối mỗi câu với bằng chứng.
5. Đưa nó qua bộ lọc Greenwashing. Loại bỏ những tuyên bố mơ hồ, không có căn cứ, cường điệu.
6. Xác minh và chịu trách nhiệm. Đảm bảo độc lập/kiểm soát của chuyên gia; sự chấp thuận cuối cùng thuộc về con người.
ba trường hợp nhỏ
Trường hợp 1 – Nói lưu loát nhưng không có cơ sở. Một nhóm đã yêu cầu AI viết bản tóm tắt về tính bền vững; Văn bản rất ấn tượng nhưng chứa đầy những cụm từ không thể định lượng được như “sự bền vững dẫn đầu ngành”, “tác động gần như bằng không”. Việc áp dụng bộ lọc tẩy xanh (mẫu 1 bên dưới) đã gắn cờ bảy tuyên bố không có căn cứ; mỗi cái hoặc được thay thế bằng một số đã được chứng minh hoặc bị loại bỏ. Báo cáo ngắn hơn nhưng có thể bào chữa được.
Trường hợp 2 - Dữ liệu bị rò rỉ. Một nhà phân tích đã dán dữ liệu phát thải của cơ sở chưa được tiết lộ vào một công cụ AI có sẵn công khai và yêu cầu phân tích. Nhóm tuân thủ nhận ra đây là bí mật thương mại và có thể vi phạm quy định về tiết lộ thông tin; quá trình này đã bị dừng lại, dữ liệu được chuyển sang một công cụ (chống rò rỉ) của công ty. Bài học: xác định loại dữ liệu (bí mật?) trước khi đưa nó vào công cụ.
Trường hợp 3 - Chuỗi xác nhận. Một tổ chức đã giữ một bảng "bằng chứng xác nhận" cho toàn bộ báo cáo thường niên của mình: đối diện với mỗi con số trong mỗi câu là nguồn của nó. Khi kiểm toán viên đến, họ có thể theo dõi từng khiếu nại trong vòng vài phút; Quá trình đảm bảo diễn ra suôn sẻ. Kỷ luật này là cốt lõi của tất cả các đơn vị của mô-đun và tiết kiệm thời gian cũng như sự công nhận trong thế giới thực.
Dấu nhắc yếu / Dấu nhắc mạnh
Dấu nhắc yếu:
Làm cho thông điệp bền vững của chúng tôi trở nên ấn tượng hơn.
Tại sao yếu: Ham muốn “ấn tượng” đẩy AI vào lối cường điệu và khen ngợi mơ hồ; tạo ra sự rửa xanh.
Lời nhắc mạnh mẽ:
Vai trò của bạn: biên tập viên truyền thông môi trường và kiểm toán viên rửa xanh. Làm cho văn bản bên dưới ĐÚNG hơn và dễ hiểu hơn, không bị "sáng bóng". Mọi yêu cầu đều đặt ra câu hỏi: nó có thể đo lường được không, nguồn gốc có rõ ràng không, phạm vi của nó có rõ ràng không? Gắn cờ các tuyên bố mơ hồ (“thân thiện với môi trường”), không có bằng chứng (“trung lập”) và cường điệu, đồng thời đề xuất các giải pháp thay thế được đo lường và dựa trên bằng chứng. Xóa tuyên bố không có bằng chứng. Văn bản: [tại đây]
Bốn mẫu có thể sao chép
1) Bộ lọc kiểm soát rửa xanh:
Vai trò của bạn: kiểm toán viên rửa xanh. Lập bảng từng tuyên bố về môi trường trong văn bản dưới đây: (tuyên bố | nó có thể đo lường được không | có bằng chứng không | nó có chắc chắn không | phán quyết). Đánh dấu những điểm không rõ ràng/chưa được chứng minh/phóng đại và đề xuất giải pháp thay thế dựa trên bằng chứng, đo lường được cho từng điểm. Văn bản: [tại đây]
2) Bảng đối chiếu yêu cầu bồi thường-bằng chứng:
Loại bỏ MỌI tuyên bố bằng số và thực tế khỏi văn bản báo cáo bên dưới. Để lại một cột "nguồn" cho mỗi mục. Đánh dấu bất kỳ khiếu nại nào có nguồn không xác định là "BẮT BUỘC BẰNG CHỨNG". Thay đổi văn bản; kiểm tra.Text: [tại đây]
3) Kiểm tra trước quyền riêng tư:
Phân loại dữ liệu sau trước khi xử lý nó trong công cụ AI: dữ liệu đó có chứa bí mật thương mại (sản xuất của nhà máy, giá nhà cung cấp), dữ liệu cá nhân (tên, địa điểm) hoặc thông tin tài chính chưa được tiết lộ không? Gắn cờ các khu vực rủi ro và đề xuất ẩn danh/xóa. Ví dụ về dữ liệu: [tại đây]
4) Cổng chất lượng từ đầu đến cuối:
Thực hiện kiểm tra lần cuối đối với báo cáo/yêu cầu về môi trường dưới đây. Theo thứ tự: (1) tiêu chuẩn phạm vi-đơn vị rõ ràng, (2) mỗi số có nguồn gốc, (3) số học đã được xác minh, (4) có tẩy xanh không, (5) dữ liệu bí mật/cá nhân bị rò rỉ. Đưa ra kết quả đạt/không đạt và giải thích cho từng mục. Nội dung: [tại đây]
Những lỗi thường gặp
- Muốn “ấn tượng”. Điều này đẩy AI vào tình trạng cường điệu hóa và tẩy xanh; Yêu cầu “chính xác và dễ hiểu”.
- Không nhận thấy yêu cầu mơ hồ. Những cụm từ như “thân thiện với môi trường” là vô lượng và rủi ro.
- Xuất dữ liệu bí mật sang một công cụ mở. Đầu tiên hãy phân loại dữ liệu và ẩn danh nó nếu cần thiết.
- Bảo vệ bằng "AI đã nói như vậy". Trách nhiệm luôn thuộc về con người.
- Không duy trì chuỗi xác minh. Nguồn của mọi khiếu nại phải được kiểm toán.
Tóm lại
Bản chất của việc sử dụng AI một cách an toàn trong môi trường và khí hậu là một nguyên tắc duy nhất: mọi con số có nguồn gốc, mọi tuyên bố đã được chứng minh, mọi dữ liệu được cung cấp cho mọi công cụ được phân loại, mọi quyết định cuối cùng của con người. Greenwashing là cái bẫy của ngôn ngữ trôi chảy; Cách để tránh điều đó là đưa ra những tuyên bố có thể đo lường được, có nguồn gốc và có phạm vi nhất định. AI; tính toán, rà soát, soạn thảo và tổ chức - nhưng chính chuyên gia có thẩm quyền mới là người xác minh, quyết định và chịu trách nhiệm. Trong công việc môi trường có kết quả cao, kết quả đầu ra của AI không thể thay thế cho việc xác minh và xác nhận của chuyên gia; nó chỉ tăng tốc nó.
Nhiệm vụ ứng dụng
Chọn một sản phẩm bạn đã tạo ra trong suốt mô-đun (bản tóm tắt về phát thải, phân tích nước hoặc phần ESG). Trước tiên, hãy kiểm tra Greenwashing bằng mẫu 1 và sửa mọi tuyên bố không có căn cứ mà bạn tìm thấy. Sau đó tạo bảng bằng chứng xác nhận quyền sở hữu với mẫu thứ 2 và hoàn thành các số còn lại mà không cần nguồn. Cuối cùng, áp dụng cổng chất lượng từ đầu đến cuối với mẫu thứ 4; Hãy sửa cho đến khi bạn nhận được điểm "đạt" ở cả năm mục.
danh sách kiểm tra
- [ ] Tôi đưa ra từng tuyên bố có thể đo lường được, có nguồn gốc và phạm vi cụ thể.
- [ ] Tôi đã loại bỏ ngôn ngữ mơ hồ/cường điệu bằng bộ lọc tẩy xanh.
- [ ] Tôi đã xác minh độc lập mọi con số do AI tạo ra.
- [ ] Tôi đã phân loại/ẩn danh dữ liệu tôi cung cấp cho công cụ để bảo mật.
- [ ] Tôi đã mã hóa số học và cung cấp cho nó các đơn vị và cấp bậc.
- [ ] Tôi chịu trách nhiệm cuối cùng; Tôi không dựa vào cách bào chữa "AI nói".
Thi học phần
1. Định vị nào sau đây là chính xác nhất cho trí tuệ nhân tạo trong môi trường và khí hậu?
- A) Trí tuệ nhân tạo là trợ thủ về mã, dữ liệu và bản thiết kế; Trách nhiệm về các yếu tố, phạm vi, bằng chứng và quyết định đạo đức thuộc về con người ✔
- B) Trí tuệ nhân tạo là một thiết bị đo lường và các giá trị phát xạ mà nó đưa ra luôn chính xác.
- C) Trí tuệ nhân tạo chỉ hữu ích trong việc viết báo cáo, nó không liên quan gì đến kế toán và giám sát
- D) Vì trí tuệ nhân tạo vô tư hơn con người nên mọi quyết định về môi trường nên được giao cho nó.
Mô tả: Trí tuệ nhân tạo; Nó là một trợ lý viết mã, sắp xếp dữ liệu, tạo bản nháp và tóm tắt. Tuy nhiên, việc xác nhận hệ số phát thải, phạm vi và độ chính xác của đơn vị, việc chứng minh các tuyên bố và trách nhiệm cuối cùng thuộc về chuyên gia có thẩm quyền. Mô hình ngôn ngữ lớn không phải là một thiết bị đo lường, máy tính hay nguồn luật pháp; là một trình tạo văn bản tạo ra 'từ có khả năng xảy ra tiếp theo nhất' và kết quả đầu ra chưa được xác minh của nó có thể dẫn đến báo cáo hoặc xác nhận sai.
2. Cách tiếp cận nào đúng khi tính 'dữ liệu hoạt động × hệ số phát thải' trong kiểm kê khí nhà kính?
- A) Sử dụng hệ số mà trí tuệ nhân tạo ghi nhớ và thực hiện tổng số theo cách thủ công
- B) Lấy hệ số từ bảng chính thức theo quốc gia và năm và tính tổng bằng mã thực thi ✔
- C) Đếm tất cả các khí là CO₂ và bỏ qua chuyển đổi GWP
- D) Sử dụng hệ số lưới mặc định (ví dụ: Hoa Kỳ) cho mỗi quốc gia
Mô tả: Hệ số phát thải thay đổi tùy theo quốc gia, năm và nhiên liệu; AI 'nhắc nhở' tiềm ẩn nguy cơ bịa đặt. Yếu tố này phải luôn được xác nhận từ một bảng chính thức (IPCC, DEFRA/EPA, kiểm kê quốc gia); Tổng số trên nhiều dòng phải được thực hiện bằng mã thực thi, không phải theo cách thủ công. Khí mê-tan và N₂O nhất thiết phải được chuyển đổi thành CO₂e với bộ GWP chính xác.
3. Theo Nghị định thư GHG, phạm vi nào bao gồm lượng khí thải phát sinh từ việc sản xuất điện mua?
- A) Phạm vi 1
- B) Phạm vi 3
- C) Phạm vi 2 ✔
- D) Nó không được bao gồm trong bất kỳ phạm vi nào và không được báo cáo
Mô tả: Phạm vi 1 là phát thải trực tiếp từ các nguồn riêng của tổ chức (nồi hơi, xe cộ của công ty). Phạm vi 2 là phát thải gián tiếp từ việc sản xuất năng lượng mua (điện, hơi nước, sưởi ấm, làm mát). Phạm vi 3 bao gồm tất cả các phát thải gián tiếp khác trong chuỗi giá trị (cung cấp, di chuyển, sử dụng sản phẩm).
4. Điều nào đúng khi ưu tiên các biện pháp giảm thiểu của MACC (chi phí giảm ô nhiễm biên)?
- A) Các biện pháp công nghệ và tốn kém nhất luôn được thực hiện trước tiên
- B) Đầu tiên, phần bù được mua và gọi là 'số 0 ròng', phần giảm sẽ được để lại sau.
- C) Thứ tự hành động không phụ thuộc vào chi phí; tất cả được áp dụng cùng một lúc
- D) Các biện pháp chi phí âm (tiết kiệm) được thực hiện trước, việc loại bỏ được thực hiện sau cùng ✔
Mô tả: MACC xếp hạng các biện pháp theo chi phí mỗi tấn tránh được (€/tấn). Các biện pháp chi phí tiêu cực (ví dụ: sử dụng năng lượng hiệu quả) vừa giảm phát thải vừa tiết kiệm tiền; Những điều này được đưa lên hàng đầu. Các phương án chi phí cao và bù đắp được để lại cuối cùng. Việc loại bỏ không phải là sự thay thế cho việc giảm nhẹ mà là sự bổ sung cho phần còn lại không thể tránh khỏi.
5. Bạn thấy trên ảnh vệ tinh rằng NDVI ở một vùng đột nhiên giảm trong một tháng. Bạn nên làm gì đầu tiên?
- A) Ngay lập tức đưa ra cảnh báo 'phá rừng đột ngột' và thông báo cho công chúng
- B) Kiểm tra tính xác thực của tín hiệu bằng cách áp dụng mặt nạ đám mây và so sánh nó với các ngày lân cận ✔
- C) Nhìn vào một hình ảnh và báo cáo phần trăm tổn thất chính xác
- D) Dữ liệu vệ tinh luôn chính xác; không cần kiểm tra bổ sung
Giải thích: Tín hiệu giả phổ biến nhất của dữ liệu vệ tinh là đám mây. Sự sụt giảm NDVI có thể là sự mất rừng thực sự hoặc có thể là một đám mây che phủ hình ảnh ngày hôm đó. Trước tiên cần áp dụng mặt nạ mây và so sánh với những ngày không có mây lân cận; Tuyên bố thay đổi phải dựa trên xu hướng chứ không phải một ngày tháng duy nhất và nếu có thể, nó phải được xác minh bằng sự thật.
6. Cách tiếp cận nào đúng khi so sánh tác động về nước của hai nhà máy?
- A) Chỉ cần nhìn vào số lít tuyệt đối và tuyên bố cái nào tiêu thụ nhiều nhất là cái tệ nhất
- B) Tác dụng của nước ở mọi nơi đều như nhau; khu vực không quan trọng
- C) Cân nhắc mức tiêu thụ theo áp lực nước trong khu vực và so sánh với tác động thực tế ✔
- D) Thêm nước xanh, xanh lam và xám vào một số duy nhất và bỏ qua căng thẳng
Giải thích: Nước, không giống như cacbon, có tính chất cục bộ; Cùng một lượng nước có nghĩa là tác động môi trường nghiêm trọng hơn nhiều ở khu vực có tình trạng căng thẳng về nước cao. Do đó, tác động của nước cần được đánh giá không chỉ theo lít tuyệt đối mà còn được tính theo áp lực nước trong khu vực. Một cơ sở ở khu vực tiêu thụ ít nhưng rất khô có thể quan trọng hơn một cơ sở tiêu thụ nhiều nhưng có nhiều nước.
7. Trong quản lý chất thải, trí tuệ nhân tạo đã phân loại chất thải hóa học thành mã “không nguy hại”. Hành vi đúng đắn là gì?
- A) Loại bỏ nó trực tiếp khỏi mã đó vì trí tuệ nhân tạo nói như vậy
- B) Mã chất thải không quan trọng; tất cả chúng đều được xử lý theo cùng một cách
- C) Bỏ qua ô nhiễm và loại nguy hiểm và báo cáo số lượng thu thập được
- D) Xác nhận lớp với bảng dữ liệu an toàn (SDS) và pháp luật, không chấp nhận đề xuất trí tuệ nhân tạo là cuối cùng ✔
Mô tả: Phân loại sai và xử lý chất thải nguy hại không đăng ký là một trong những tội phạm môi trường bị xử phạt nặng nề nhất. Đề xuất mã thải AI chỉ là bản dự thảo ban đầu; Loại nguy hiểm phải luôn được xác nhận bằng bảng dữ liệu an toàn (SDS) của chất đó và các quy định hiện hành về chất thải. Đầu ra AI không bao giờ được sử dụng làm mã thải cuối cùng.
8. Một cơ sở đã giảm 20% lượng phát thải ống khói của mình. Tại sao nói 'không khí khu phố đã được làm sạch 20%' là sai?
- A) Sự phát thải và nồng độ khác nhau; Những thay đổi về thời tiết yêu cầu đo lường và lập mô hình riêng biệt ✔
- B) Sự phát thải và nồng độ là như nhau; Sự suy giảm được phản ánh trực tiếp trong không khí
- C) Đo ống khói luôn cho biết thời tiết khu vực lân cận một cách chính xác
- D) Khí tượng không ảnh hưởng đến chất lượng không khí nên tuyên bố này có giá trị
Giải thích: Khí thải (lượng phát ra từ nguồn) và nồng độ (mật độ đo trong không khí) là những thứ khác nhau. Gió, nhiệt độ và địa hình gây ra cùng một lượng khí thải dẫn đến nồng độ rất khác nhau. Ngay cả khi việc giảm phát thải ống khói là có thật thì tuyên bố về nồng độ trong không khí chỉ có thể được chứng minh bằng phép đo đã hiệu chuẩn và mô hình phân tán thích hợp; nếu không thì nó không có căn cứ và gây hiểu nhầm.
9. Trong báo cáo ESG, có câu 'chúng tôi đã giảm 15% lượng nước tiêu thụ' trong một văn bản do trí tuệ nhân tạo tạo ra. Kiểm soát quan trọng nhất là gì?
- A) Nhìn câu nói ấn tượng và trôi chảy đến mức nào
- B) Xác minh rằng số được liên kết với nguồn có thể truy nguyên (hóa đơn, đồng hồ đo, phép đo) ✔
- C) Giả sử số đó đúng vì trí tuệ nhân tạo tạo ra nó
- D) Làm tròn tỷ lệ phần trăm lên để làm cho con số có vẻ chắc chắn hơn
Giải thích: Giá trị của báo cáo ESG là khả năng truy xuất nguồn gốc của dữ liệu yếu nhất và các kiểm toán viên đảm bảo độc lập sẽ kiểm tra chuỗi bằng chứng đằng sau con số đó. AI có thể đã tạo ra một con số trông “hợp lý” so với các văn bản trước đó nhưng không thể theo dõi được. Không phải mọi khiếu nại kỹ thuật số đều phải nhập báo cáo mà không được liên kết với nguồn có thể truy nguyên dựa trên hóa đơn/đồng hồ đo/chứng chỉ.
10. Tại sao nhiều kịch bản được sử dụng trong đánh giá rủi ro khí hậu thay vì một tương lai duy nhất?
- A) Kịch bản mang tính chất trang trí; Một dự đoán tương lai chính xác là đủ
- B) Vì trí tuệ nhân tạo có thể đưa ra xác suất lũ lụt trong tương lai với tỷ lệ phần trăm chính xác nên một kịch bản là đủ
- C) Rủi ro vật chất và rủi ro chuyển tiếp có thể bất lợi tùy theo kịch bản; Mục đích là để kiểm tra độ bền ✔
- D) Rủi ro vật chất và rủi ro chuyển đổi là như nhau, không cần có các kịch bản riêng biệt
Giải thích: Rủi ro vật lý (tác động của khí hậu như lũ lụt, hạn hán) và rủi ro chuyển đổi (giá carbon, luật pháp, chuyển đổi công nghệ) thường di chuyển theo hướng trái ngược nhau: nếu thế giới nhanh chóng giảm thiểu, rủi ro chuyển đổi tăng lên, rủi ro vật chất giảm; Nếu anh ta hành động chậm rãi thì điều ngược lại sẽ xảy ra. Do đó, ít nhất một kịch bản nóng lên ở mức thấp (1,5-2°C) và một kịch bản nóng lên ở mức cao (3°C+) đã được thử nghiệm. Mục đích không phải là dự đoán tương lai mà là để kiểm tra khả năng chịu đựng.
11. Bạn đã hỏi AI liệu một quy định (ví dụ: CBAM) có áp dụng cho bạn và thời hạn của quy định đó hay không. Bạn nên cư xử như thế nào?
- A) Lập kế hoạch trực tiếp theo ngày tháng và các mục được trí tuệ nhân tạo đưa ra
- B) Căn cứ quyết định phạm vi theo cách hiểu chung về AI, không nhìn vào danh sách mã chính thức
- C) Việc tuân thủ là một lần; Một khi bạn hỏi, không cần phải liên tục theo dõi pháp luật
- D) Xem kết quả đầu ra dưới dạng bản nháp và xác nhận bài viết, ngày tháng, ngưỡng và phạm vi từ văn bản chính thức hiện tại ✔
Mô tả: Kiến thức về quy định nhanh chóng trở nên lỗi thời; Bài viết thay đổi, ngày bị hoãn lại, phạm vi mở rộng. Dữ liệu đào tạo của AI bị đóng băng vào một ngày nhất định và có thể không được cập nhật; Hơn nữa, vật chất có thể bịa ra những sự kiện quan trọng như lịch sử và ngưỡng. Quyết định về phạm vi phải được xác nhận bằng danh sách sản phẩm/mã chính thức, tất cả các ngày và ngưỡng bằng văn bản chính thức có hiệu lực; Phải lấy ý kiến được ủy quyền/chuyên gia trong các quyết định tuân thủ quan trọng.
12. Tuyên bố nào về môi trường sau đây có nguy cơ tẩy xanh thấp nhất?
- A) 'Chúng tôi đã giảm 18% lượng khí thải sản xuất vào năm 2023 (có xác minh độc lập)' ✔
- B) 'Sản phẩm của chúng tôi hoàn toàn thân thiện với môi trường và tự nhiên'
- C) 'Công ty chúng tôi trung hòa carbon' (không cung cấp bất kỳ tài liệu hoặc dữ liệu nào)
- D) 'Chúng tôi là công ty bền vững nhất và gần như không có tác động trong ngành'
Giải thích: Một tuyên bố tốt về môi trường là có thể đo lường được (chứa một con số), được chứng minh (dựa trên bằng chứng) và có phạm vi cụ thể (rõ ràng cái gì đang được so sánh với khi nào). 'Chúng tôi đã giảm 18% lượng khí thải sản xuất vào năm 2023 (có xác minh độc lập)' có ba đặc điểm này. Các cụm từ như 'thân thiện với môi trường', 'tự nhiên', 'trung tính carbon' (không được chứng nhận) là không thể định lượng hoặc không có căn cứ và có nguy cơ tẩy xanh.
13. Tại sao việc dán dữ liệu phát thải chưa được tiết lộ của cơ sở vào một công cụ AI có sẵn công khai để phân tích là rủi ro?
- A) Không có rủi ro; dữ liệu môi trường luôn được công khai
- B) Bí mật thương mại, dữ liệu không được tiết lộ và dữ liệu cá nhân có thể bị rò rỉ; cần phải phân loại và ẩn danh trước tiên ✔
- C) Rủi ro chỉ là lỗi tính toán, không liên quan gì đến quyền riêng tư dữ liệu
- D) Sau khi dữ liệu được cung cấp cho phương tiện, trách nhiệm sẽ được chuyển cho nhà cung cấp trí tuệ nhân tạo
Tiết lộ: Dữ liệu về sản xuất và phát thải ở cấp cơ sở có thể là bí mật thương mại và dữ liệu tài chính/môi trường không được tiết lộ có thể vi phạm các quy tắc tiết lộ theo quy định; Dữ liệu vị trí/đi lại của nhân viên là dữ liệu cá nhân. Trước khi đưa loại dữ liệu này cho một công cụ mở, cần phải phân loại nó, ẩn danh nó nếu cần thiết hoặc sử dụng một công cụ của tổ chức (không có dữ liệu). 'AI nói' không phải là lời bào chữa; Trách nhiệm thuộc về tổ chức và cá nhân.
14. Khái niệm nào được sử dụng khi chuyển đổi một loại khí nhà kính như metan (CH₄) thành CO₂e và tại sao nó lại quan trọng?
- A) AQI (chỉ số chất lượng không khí); xác định màu của chất khí trong không khí
- B) NDVI (chỉ số thực vật); đo tác động của khí lên đất
- C) GWP (tiềm năng nóng lên toàn cầu); nếu bỏ qua, hiệu ứng metan/N₂O sẽ bị đánh giá thấp hơn rất nhiều ✔
- D) Không yêu cầu hệ số; khí mêtan đếm 1 đến 1 trực tiếp như CO₂
Mô tả: GWP (Tiềm năng nóng lên toàn cầu) là hệ số chuyển đổi hiệu ứng nhiệt của các loại khí nhà kính khác nhau thành một đơn vị chung so với CO₂. GWP 100 năm của khí mêtan là khoảng 28; Vậy 1 tấn metan có nghĩa là khoảng 28 tấn CO₂e. Nếu bỏ qua GWP, tác động của các loại khí mạnh như metan và N₂O sẽ bị đánh giá thấp rất nhiều và việc kiểm kê sẽ hoàn toàn không chính xác; Cũng cần nêu rõ bộ GWP nào (ví dụ: IPCC AR6, 100 năm) được sử dụng.