Publié précédemment sur itbrief.com.au.
Les effets du réchauffement climatique se font de plus en plus sentir dans le monde entier. Des mouvements mondiaux comme Extinction Rebellion ont à plusieurs reprises provoqué des perturbations en manifestant dans des villes du monde entier et sont le symbole de l'attention croissante portée à ce problème important.
Malgré l'essor de la sensibilisation du public, les méthodes de lutte contre le problème ont été lentes à se développer - la séparation des déchets entre le recyclage et les déchets généraux est la seule mesure prise par la majorité des ménages. Des technologies plus avancées, telles que les panneaux solaires et les éoliennes, restent hors de portée de beaucoup en raison de leur coût élevé et de l'espace nécessaire à leur installation. Cependant, une autre technologie pourrait avoir un impact bien plus important dans la lutte contre le changement climatique.
L'engouement pour l'intelligence artificielle (IA) a connu une croissance exponentielle au cours de la dernière décennie et ne semble pas près de se dissiper. La technologie est appliquée à une série d'applications différentes, allant des véhicules autonomes à la détection avancée des menaces de cybersécurité. Les particuliers et les entreprises sont désormais en mesure d'exploiter la puissance de l'IA pour enrichir leur vie et leur travail. Le gouvernement de la Nouvelle-Galles du Sud dévoilera bientôt sa stratégie en matière d'IA afin de garantir que l'utilisation de l'IA trouve un juste équilibre entre les opportunités et les risques.
L'IA pourrait-elle contribuer à inverser la tendance dans la lutte contre le changement climatique ?
Analyse avancée
L'analyse prédictive est l'une des applications les plus courantes de l'IA et a contribué à propulser cette technologie sur le devant de la scène. Grâce à l'analyse d'innombrables sources de données, l'IA a été en mesure de fournir des informations sur l'avenir. Avec la crise climatique, l'IA a le pouvoir d'améliorer les prévisions météorologiques, ce qui peut aider les réseaux nationaux à faire face aux changements dans le domaine des énergies renouvelables.
Grâce aux données fournies par les stations météorologiques du monde entier, qui mesurent la vitesse du vent, la pression atmosphérique, la température et de nombreux autres points de données, l'IA peut ensuite identifier des schémas et donner une vue d'ensemble de l'évolution de notre planète. Il a fallu des décennies de recherches menées par l'homme pour identifier le changement climatique, confirmer qu'il se produit réellement et en étudier les causes et les effets, ce qui a ralenti notre réaction. L'IA peut adopter une vision holistique, à 360 degrés, de plus d'informations que jamais, en tenant compte d'innombrables variables écologiques, bien au-delà de ce qu'un être humain peut comprendre. Par conséquent, l'IA permet d'identifier des schémas qui auraient pu passer inaperçus, ce qui donne une vision très précise de l'état actuel de la planète.
Par exemple, grâce à des algorithmes basés sur l'IA et l'apprentissage automatique qui identifient les cyclones tropicaux, les ouragans et d'autres conditions météorologiques, le risque de dommages pourrait être réduit. Des alertes précoces avec des prédictions précises sur la force et le moment peuvent permettre des réponses agiles et plus efficaces, aidant à protéger les zones touchées, et dans certains cas, pourraient sauver des vies.
Cela met en évidence la question de la transparence de l'IA : la manière dont l'IA parvient à une recommandation est tout aussi importante que la recommandation elle-même. Tant que la transparence ne sera pas disponible pour chaque décision prise par l'IA, les chercheurs et les scientifiques qui mènent la lutte contre le réchauffement climatique pourraient hésiter à soutenir une décision prise ou recommandée par l'IA. Pour garantir une confiance totale dans la technologie, les décideurs doivent avoir une vue d'ensemble de la manière dont les conclusions ont été tirées.
Par exemple, s'ils n'utilisent que les données de l'Australie, plutôt que celles du monde entier, les décisions risquent d'être fortement biaisées et les résultats ne pourront pas être généralisés au reste du monde. Pour ce faire, les technologues devront se doter d'outils permettant d'organiser, d'intégrer et d'analyser les données. Le "mouvement de l'IA explicable" en est un excellent exemple : il contribue à promouvoir la visibilité des techniques d'apprentissage automatique, ce qui permet aux experts de déterminer et de montrer les causes des catastrophes climatiques et de s'assurer que la confiance du public n'est pas rompue.
Le besoin de puissance
Comme la plupart des technologies de transformation, l'IA a le pouvoir de nuire autant qu'elle peut aider. Le PDG du géant des semi-conducteurs Applied Materials a récemment déclaré lors d'une conférence à San Francisco que d'ici 2025, les centres de données représenteront 25 % de la consommation mondiale d'énergie. Alors qu'ils n'en consomment actuellement que 2 %, sans investissements substantiels dans le développement de nouveaux matériaux, conceptions et puces, la quantité d'électricité consommée par les centres de données continuera de croître de manière exponentielle. Cette sombre prédiction s'explique en partie par les puces d'intelligence artificielle qui consomment beaucoup d'énergie et qui doivent être alimentées par des quantités massives de données, ce qui entraîne une consommation d'énergie plus importante et plus rapide que jamais.
Mais pourrions-nous tirer parti de l'IA et de la ML pour aider à minimiser et même à réduire les inefficacités et les coûts environnementaux de ces nouvelles technologies ? Google a pu réduire le coût de refroidissement de son centre de données grâce à un projet d'IA de DeepMind qui a permis de réduire de 40 % la consommation d'énergie, non seulement en augmentant son efficacité énergétique et en réduisant ses émissions, mais aussi en améliorant l'efficacité énergétique des clients de Google ( cloud ).
Le projet a abouti à un cadre plus efficace, aidant les experts de Google à mieux comprendre la dynamique du centre de données et à améliorer l'efficacité. Ils ont utilisé des données historiques provenant de capteurs situés dans le centre de données et ont formé des réseaux neuronaux profonds pour prédire l'efficacité de l'utilisation de l'énergie (PUE) à l'avenir. Ils ont utilisé ces réseaux pour prédire les températures et les pressions futures du site, en simulant les actions recommandées par le modèle PUE pour s'assurer que le centre de données fonctionne aussi efficacement que possible. Le système de ML s'est avéré incroyablement efficace et a permis de réduire de 40 % la consommation totale d'énergie, soit le PUE le plus bas jamais enregistré dans le centre de données de Google.
Une planète
La crise climatique menace chaque coin du monde et tout ce qui y vit. La complexité de la question signifie que nous devrons rassembler toutes les connaissances que nous avons accumulées pour aider à réduire les effets négatifs qui se font déjà sentir dans le monde entier. L'IA devrait être au centre de cet effort.
Qu'il s'agisse de signaler à l'avance des phénomènes météorologiques extrêmes ou d'aider à mieux comprendre les effets négatifs de la déforestation, l'IA a la capacité de changer la donne dans cette lutte et est accueillie favorablement par les chercheurs et les scientifiques qui sont en première ligne. Toutefois, cette technologie n'en est qu'à ses débuts et les questions de confiance, de transparence et de visibilité doivent être abordées pour que l'IA puisse atteindre son plein potentiel.
Le changement climatique est un problème mondial, et les particuliers, les entreprises et les gouvernements doivent travailler ensemble pour ralentir la menace croissante. Qu'il s'agisse de réduire les dépenses énergétiques à l'aide d'informations basées sur l'IA ou de choisir de marcher davantage et de conduire moins, chaque action nous donne un avantage dans la bataille pour notre planète.
