Авторы MIT Technology Review: ИИ пока не доказал, что спасёт климат

Авторы MIT Technology Review: ИИ пока не доказал, что спасёт климат

Колонка MIT Technology Review опубликована в дни, когда в Анталье (Турция) проходит климатическая конференция ООН. Хозяева уже призвали страны обязаться делать ИИ так, чтобы он (в разработке, энергоснабжении и применении) поддерживал климатические действия. Авторы, Мэри Николс и Джереми Таманини, возражают: отрасли по всему миру пока делают далеко не достаточно, чтобы с помощью нейросетей реально снижать выбросы парниковых газов, несмотря на оптимистичные заявления ИИ-компаний.

В качестве примеров таких заявлений приведены слова главы OpenAI Сэма Альтмана (2024 год): ИИ принесёт «поразительные триумфы», включая «исправление климата». А в колонке 2023 года руководитель по устойчивому развитию Google и её соавтор писали, что ИИ может снизить мировые выбросы на 5-10% к 2030 году.

Опорой для проверки авторы берут рецензируемое исследование, опубликованное в прошлом году под руководством исследователей Грантамовского института Лондонской школы экономики (LSE) и фирмы Systemiq. По его оценке, ИИ может помочь сократить мировые выбросы на 3,2-5,4 млрд тонн CO2-эквивалента в год к 2035 году: верхняя граница примерно сопоставима с ежегодными энергетическими выбросами США, причём уже за вычетом собственного энергопотребления ИИ. Основная часть потенциала сосредоточена в трёх секторах: электроэнергетика, мясо и молочные продукты, транспорт.

Авторы задаются вопросом: начали ли крупнейшие компании этих секторов внедрять ИИ в соответствии с этими прогнозами? ИИ-обзор открытой информации о заметных игроках каждого сектора (его провёл и проверил второй из авторов; анализ выполнил Claude Code от Anthropic, выводы сверены с публичными документами и публикациями в СМИ) показал: компании объявили немало первых шагов по внедрению ИИ, но мало кто заявляет о тех конкретных путях снижения выбросов, на которых построены прогнозы, и ещё меньше тех, кто говорит о реальном климатическом прогрессе.

Энергетика. Расчёты исследования здесь самые конкретные: прогнозирование спроса и предложения с помощью ИИ может увеличить до 20% долю электричества от уже построенных солнечных и ветровых станций, которая доходит до сети, и это могло бы предотвращать около 1,8 млрд тонн выбросов в год. Однако из операторов сетей в Китае, США и Европе, попавших в обзор, лишь один, по данным анализа, запустил известную работающую ИИ-программу такого рода: партнёрство британского National Grid ESO и Open Climate Fix вдвое снизило ошибку прогноза солнечной генерации (разницу между предсказанным и реально дошедшим до панелей солнечным светом), что позволило избегать сотен тысяч тонн CO2 в год. У остальных операторов в ЕС, США и Китае в публичном поле мало примеров такого внедрения.

Мясо и молочные продукты. Здесь, по словам авторов, самый резкий контраст между готовностью технологии и реальностью рынка. Чтобы достичь сокращений к 2035 году, ИИ должен закрыть разрыв по вкусу и цене между традиционными и альтернативными белками (выращенное в лаборатории или растительное мясо, заменители молока). Один из самых ясных примеров, компания NotCo, которая недавно создала совместное предприятие с Kraft Heinz на основе платформы Giuseppe: она анализирует молекулярные данные растений и подбирает сочетания, повторяющие вкус, текстуру и запах продуктов животного происхождения. Но, как показывает обзор, у других производителей альтернативных белков столь глубокой интеграции ИИ в разработку продуктов мало. К тому же у отрасли, судя по всему, более фундаментальные проблемы: медленное принятие потребителями и падение финансирования. Венчурные вложения в выращенное мясо упали с пика в 989 млн долларов в 2021 году примерно до 83 млн долларов в прошлом году.

Транспорт. Здесь авторы видят обнадёживающие примеры, в частности среди производителей аккумуляторов и сервисов поездок. CATL, контролирующая около 40% мирового рынка батарей для электромобилей, запустила ИИ-систему, обученную более чем на 100 тысячах проектов аккумуляторов и 600 терабайтах данных испытаний; по словам самой компании, время отбора материалов-кандидатов сократилось на два порядка. Независимые исследователи нашли, что Didi Chuxing сократила выбросы на поездку в среднем на 16% благодаря построению маршрутов с помощью ИИ, минимизирующему объезды.

Дополнительные проблемы. Нефтегазовые компании тоже заинтересованы в этих инструментах, в том числе ради возможности увеличить добычу ископаемого топлива, и технологические фирмы, ранее взявшие климатические обязательства, должны ответить, как их инструменты могут усиливать «старую грязную» энергетику. Кроме того, внедрение ИИ, лишь первый шаг: неясно, насколько он ускорит нужные улучшения, а путь сертификации, получения разрешений, строительства, упаковки, маркетинга и продаж ИИ почти не сокращает. Авторы оговариваются, что часть компаний и коммунальных предприятий могла вести подходящие разработки, о которых публично не сообщалось.

Итог. Более широкое и точное внедрение ИИ в трёх секторах вполне может произойти и приблизить оценки 2035 года к реальности, но не без целенаправленных и устойчивых усилий. Пока же быстрое распространение моделей и строительство дата-центров привели к сильному росту энергопотребления и выбросов, из-за чего Microsoft, Google и другие крупные компании сильно отстают от собственных климатических целей. Авторы считают, что сейчас было бы удивительно, если бы отрасль вообще обнулила своё климатическое загрязнение: по базовому прогнозу МЭА выбросы, связанные с дата-центрами мира (они обслуживают и ИИ, и обычные вычисления), могут превысить 300 млн тонн в год в 2035 году. Их рекомендации: лидеры индустрии должны внедрять технологию там, где она больше всего снижает выбросы; корпоративные клиенты, выбирать модели с наименьшим влиянием на среду и работать с разработчиками, больше всего сокращающими климатический след; штатам и регионам нужно сильнее стимулировать или требовать от компаний ответственного поведения.

Ключевые факты

  • Мэри Николс и Джереми Таманини в колонке MIT Technology Review пишут, что заявления вроде «ИИ исправит климат» (Альтман, 2024) и «снижение выбросов на 5-10% к 2030 году» (колонка руководителя по устойчивому развитию Google, 2023) пока не подкреплены практикой.
  • Рецензируемое исследование LSE Grantham Institute и Systemiq оценивает потенциал ИИ в 3,2-5,4 млрд тонн CO2-эквивалента в год к 2035 году, в основном в энергетике, мясомолочной отрасли и транспорте.
  • ИИ-обзор показал: мало кто из крупных игроков применяет заложенные в прогнозах пути снижения выбросов; из операторов сетей в Китае, США и Европе рабочую программу нашли лишь у одного (National Grid ESO с Open Climate Fix, ошибка прогноза солнечной генерации снизилась вдвое).
  • Из позитивных примеров в транспорте: CATL (по её словам, отбор материалов ускорен на два порядка) и Didi Chuxing (в среднем на 16% меньше выбросов на поездку, по данным независимых исследователей).
  • Рост энергопотребления дата-центров уводит Microsoft, Google и других от климатических целей; по базовому прогнозу МЭА, выбросы дата-центров могут превысить 300 млн тонн в год в 2035 году.

Почему это важно

Тезис «ИИ решит климатическую проблему» звучит из уст руководителей крупнейших компаний и попадает в повестку климатической конференции ООН. Авторы проверяют его на оценках из рецензируемого исследования и показывают разрыв между прогнозом на 2035 год и тем, что компании делают сегодня. Вывод: потенциал есть, но без целенаправленных усилий он остаётся «скорее надеждой», а рост энергопотребления самого ИИ уже сегодня отодвигает климатические цели технологических гигантов.

Кому это важно

Руководителям и аналитикам ИИ- и энергетических компаний, корпоративным заказчикам моделей, инвесторам в климатические технологии, а также регуляторам, на которых авторы возлагают задачу стимулировать или требовать ответственной работы. Тем, кто следит за повесткой климатических конференций, материал даёт набор конкретных цифр для проверки громких обещаний.

Как это применить

Рекомендации самих авторов: лидеры индустрии должны внедрять ИИ там, где он сильнее всего снижает выбросы; корпоративным клиентам стоит выбирать модели с наименьшим влиянием на окружающую среду и работать с разработчиками, больше всех сокращающими климатический след; штатам и регионам нужно сильнее стимулировать или требовать ответственного поведения. Срока и конкретного механизма в материале нет. Читателю цифры из колонки удобны как контрольный список вопросов к любым заявлениям «ИИ спасёт климат»: что именно внедрено, у кого и с какими измеренными результатами.

Можно ли доверять

Это авторская колонка, а не новостной репортаж: выводы принадлежат Мэри Николс (UCLA School of Law, бывший председатель Совета по воздушным ресурсам Калифорнии) и Джереми Таманини (основатель исследовательской и консалтинговой фирмы Dual Citizen). Обзор был ИИ-ассистированным: анализ выполнил Claude Code от Anthropic, выводы сверены с публичными документами и публикациями в СМИ. Число рассмотренных компаний и методика в тексте не раскрыты. Авторы сами оговаривают, что некоторые компании могли вести неопубликованные работы. Цифра CATL про ускорение отбора материалов, слова самой компании; по Didi сказано, что результат нашли независимые исследователи.

Риски и подводные камни

Вывод «мало кто объявил» опирается на публичную информацию, поэтому не доказывает, что внедрения нет. Оценки 2035 года остаются прогнозом: неясно, насколько ИИ ускорит нужные улучшения, и он почти не сокращает путь сертификации, получения разрешений, строительства и продаж. Дополнительные риски по тексту: интерес нефтегазовых компаний к ИИ-инструментам ради роста добычи, падение финансирования альтернативных белков и сильный рост выбросов от дата-центров. Цифра МЭА относится ко всем дата-центрам, а не только к ИИ.

«Сейчас было бы удивительно, если бы отрасли удалось хотя бы обнулить собственное климатическое загрязнение.»

— Мэри Николс и Джереми Таманини, MIT Technology Review