Maar het blijkt dat veel van deze beweringen weinig of geen feitelijk bewijs bevatten.
Joshi is de auteur van een nieuw rapport, dat maandag is vrijgegeven met steun van verschillende milieuorganisaties, waarin wordt geprobeerd enkele van de meest spraakmakende beweringen over de manier waarop AI de planeet zal redden te kwantificeren. De rapport kijkt naar meer dan 150 beweringen van technologiebedrijven, energieverenigingen en anderen over hoe “AI zal dienen als netto klimaatvoordeel.” Uit Joshi’s analyse blijkt dat slechts een kwart van deze beweringen werd ondersteund door academisch onderzoek, terwijl meer dan een derde helemaal geen enkel bewijs publiekelijk aanhaalde.
“Mensen doen beweringen over het soort maatschappelijke impact van AI en de effecten op het energiesysteem – die beweringen zijn vaak niet gefundeerd”, zegt Jon Koomey, een onderzoeker op het gebied van energie en technologie die niet betrokken was bij het rapport van Joshi. “Het is belangrijk om beweringen uit eigenbelang niet voor de gek te houden. Sommige van die beweringen kunnen waar zijn, maar je moet heel voorzichtig zijn. Ik denk dat er veel mensen zijn die deze uitspraken doen zonder veel steun.”
Een ander belangrijk onderwerp dat in het rapport wordt onderzocht, is wat vriendelijk van AI, precies waar technologiebedrijven het over hebben als ze het hebben over AI die de planeet redt. Veel soorten AI zijn minder energie-intensief dan de generatieve, consumentgerichte modellen die de afgelopen jaren de krantenkoppen hebben gedomineerd, en die enorme hoeveelheden rekenkracht (en kracht) vereisen om te trainen en te werken. Machine learning is al tientallen jaren een belangrijk onderdeel van veel wetenschappelijke disciplines. Maar het is grootschalig generatieve AI– vooral tools als ChatGPT, Claude en Google Gemini – die de publieke focus vormen van een groot deel van de infrastructuuruitbreiding van technologiebedrijven. Uit Joshi’s analyse bleek dat bijna alle beweringen die hij onderzocht, meer traditionele, minder energie-intensieve vormen van AI samenvoegden met de consumentgerichte generatieve AI die een groot deel van de uitbouw van datacenters aanstuurt.
David Rolnick is assistent-professor computerwetenschappen aan McGill University en voorzitter van Climate Change AI, een non-profitorganisatie die pleit voor machinaal leren om klimaatproblemen aan te pakken. Hij maakt zich minder zorgen dan Joshi over de herkomst van Big Tech-bedrijven over de impact van AI op het klimaat, gegeven hoe moeilijk het volgens hem is om de impact op dit gebied kwantitatief te bewijzen. Maar voor Rolnick is het onderscheid tussen welke soorten AI-technologiebedrijven als essentieel worden aangeprezen een belangrijk onderdeel van dit gesprek.
“Mijn probleem met de beweringen van grote technologiebedrijven over AI en klimaatverandering is niet dat ze niet volledig gekwantificeerd zijn, maar dat ze vertrouwen op hypothetische AI die nu in sommige gevallen niet bestaat”, zegt hij. “Ik denk dat de hoeveelheid speculatie over wat er in de toekomst zou kunnen gebeuren met generatieve AI grotesk is.”
Rolnick wijst erop dat deep learning al in een groot aantal sectoren over de hele wereld wordt gebruikt, van technieken om de efficiëntie op het elektriciteitsnet te vergroten tot modellen die kunnen helpen bij het ontdekken van nieuwe soorten, en helpt op dit moment de uitstoot terug te dringen en de klimaatverandering te bestrijden. “Dat is echter anders dan ‘Op een gegeven moment in de toekomst kan dit nuttig zijn’, zegt hij. Sterker nog, “er is een discrepantie tussen de technologie waaraan grote technologiebedrijven werken en de technologieën die feitelijk de voordelen aandrijven die zij beweren te omarmen.” Sommige bedrijven kunnen voorbeelden aanhalen van algoritmen die bijvoorbeeld helpen overstromingen beter te detecteren, en gebruiken ze als voorbeelden van AI om reclame te maken voor hun grote taalmodellen – ondanks het feit dat de algoritmen die helpen bij het voorspellen van overstromingen niet hetzelfde type AI zijn als een op de consument gerichte chatbot.
