Wireva

ШІ може допомогти клімату, а не лише шкодити, вважає очільник GHGSat

Головний виконавчий директор GHGSat Стефан Жермен стверджує, що штучний інтелект не варто відкидати в кліматичних технологіях. Компанія використовує ШІ для пошуку викидів метану із супутникових знімків.

Матеріал підготовлено за допомогою ШІ під редакційною відповідальністю Haydamax OÜ.

Штучний інтелект часто подають як головного кліматичного винуватця через енергоспоживання дата-центрів. Головний виконавчий директор компанії GHGSat Стефан Жермен вважає таке уявлення однобоким і стверджує, що галузь кліматичних технологій не повинна відмовлятися від цих інструментів. Його позицію викладено в авторській колонці, що з’явилася напередодні переговорів про клімат COP31.

Автор нагадує, що ШІ вже допоміг у прогнозуванні структури білків, виявленні раку та прогнозуванні погоди. Водночас він визнає, що зростання попиту на електроенергію з боку дата-центрів створює навантаження на енергомережі, і це питання потребує серйозної уваги. На його думку, головне завдання полягає не в тому, щоб відмовитися від технології, а в тому, щоб застосовувати її відповідально і з конкретною метою.

Супутникові дані вже щодня використовують для прогнозів погоди та карт, тож люди звикли до них як до буденного інструменту. Проте кліматичні супутникові дані залишаються технічними і потребують фахівців, які вміють їх інтерпретувати. Саме тут, за словами Жермена, ШІ може стати перекладачем складних даних на зрозумілі та практичні відповіді для тих, хто ухвалює рішення в бізнесі й державному управлінні.

GHGSat керує супутниками, які щороку спостерігають за мільйонами промислових об’єктів. Алгоритм ШІ оцінює ймовірність того, що кожне спостереження містить викид. Спершу опрацьовуються знімки, де викид імовірний, після чого їх перевіряє команда фахівців. Це дозволяє не перевантажувати аналітиків потоком даних, у якому більшість спостережень не містить нічого критичного. Клієнти отримують сповіщення про викиди конкретних об’єктів, а не сирі зображення, які важко інтерпретувати без спеціальної підготовки.

Компанія також планує поєднувати три джерела інформації: дані про викиди, які самі повідомляють підприємства, дані регуляторів і супутникові спостереження. Таке поєднання дасть змогу порівнювати заявлені показники з тим, що фіксують супутники. Як приклад наводиться відстеження тенденцій викидів у нафтогазовій галузі в Європі та Центральній Азії, де оцінка реальних обсягів метану ще часто спирається на неповні звіти.

Подібна логіка працює і в лісовому моніторингу. Вже існують системи сповіщень про вирубку лісів, а ШІ допомагає класифікувати ймовірні причини втрати лісового покриву, зокрема прокладання доріг чи пожежі. Для цього з’являються так звані геопросторові базові моделі, попередньо навчені на величезних масивах супутникових зображень, які можна адаптувати під конкретні завдання без створення систем з нуля.

Водночас автор наголошує, що кращі дані самі по собі не породжують дій, і ухвалювати рішення мають люди. Він розглядає це як ключове обмеження будь-якого технологічного рішення в кліматичній сфері: навіть найточніший сигнал про витік метану не усуне його, якщо регулятор, компанія чи уряд не вживуть заходів. Зобов’язання щодо скорочення метану, які звучатимуть на COP31, за його оцінкою, можуть повторити сценарії минулих саміт, коли обіцянки не завжди переростали в реальні зміни. Жермен підкреслює, що ШІ сам по собі не вирішить проблему глобального потепління, але може зробити рішення людей обґрунтованішими й швидшими.