Sektor industri bertanggung jawab atas sepertiga dari emisi karbon global, namun model machine learning berpotensi membantu mengurangi dampaknya terhadap iklim.
Dengan menentukan jumlah optimal bahan baku yang diperlukan untuk membuat baja dan semen, misalnya, penggunaan bahan baku dan emisi yang sesuai dapat dikurangi sekaligus menjaga kualitasnya, kata Alp Kucukelbir, salah satu pendiri dan kepala ilmuwan di perusahaan AI Fero Labs, yang turut menulis laporan tersebut.
Industri baja sudah memanfaatkan teknologi AI untuk melakukan hal tersebut. Di Brasil, produsen baja Gerdau menggunakan model machine learning Fero Labs untuk meningkatkan efisiensi di pabriknya.
Gerdau melaporkan dapat menghemat US$3/ton sekaligus mengurangi jejak emisinya sekitar 8%, menurut laporan tersebut. Sebagai gambaran, harga baja saat ini sekitar US$900/ton.
“Inilah keuntungan menggunakan perangkat software untuk memitigasi perubahan iklim: dampaknya langsung terasa,” ujarnya.
Model machine learning membantu perusahaan menghitung bagaimana mereka dapat meningkatkan bahan baku daur ulang dan mengurangi jumlah bahan yang dibutuhkan. Namun tetap menjaga kualitas konsisten, yang pada akhirnya menghilangkan kebutuhan untuk menambang dan memurnikan 500.000 pon bahan mentah setiap tahunnya.
Teknologi AI dapat diterapkan dalam lingkungan industri untuk menghindari kesalahan di masa lalu. Caranya dengan memanfaatkan data historis, mengatasi masalah produksi dengan cepat, dan meminimalkan konsumsi energi, tulis laporan tersebut.
AI juga dapat digunakan untuk mengembangkan material baru yang menjadi kunci transisi energi seperti anoda baterai dan fotovoltaik surya.
Material baru biasanya dikembangkan dengan menggunakan pendekatan trial and error (coba-coba). Dilakukan eksperimen berulang kali hingga menemukan sesuatu yang cocok.
AI dapat membantu mengurangi waktu yang dibutuhkan dalam mengembangkan material, dari yang awalnya berbulan-bulan menjadi berminggu-minggu.
Dengan menggabungkan model prediksi awal dengan mengurangi jumlah waktu per percobaan dengan algoritma yang mengurangi kuantitas eksperimen. Ini merupakan penelitian tentang memaksimalkan masa pakai baterai mampu mengurangi waktu yang diperlukan untuk mengidentifikasi teknik pengisian daya secara cepat, sekaligus meminimalkan degradasi baterai dari lebih dari 500 hari menjadi 16 hari.
Terlepas dari janji teknologi ini untuk menurunkan emisi, AI dapat menimbulkan risiko iklim karena kebutuhan energinya yang berlebihan.
Para peneliti telah menemukan bahwa melatih satu model bertenaga AI dapat menghabiskan lebih banyak listrik daripada yang digunakan oleh 100 rumah di Amerika Serikat(AS) selama satu tahun.
Namun, kurangnya transparansi dan pertumbuhan industri yang cepat membuat sulit untuk menentukan secara pasti berapa banyak energi yang dikonsumsi oleh AI.
AI turut dapat digunakan untuk memperpanjang umur bahan bakar fosil. Perusahaan-perusahaan minyak sudah menggunakan teknologi pembelajaran mesin dalam memprediksi tempat yang paling produktif untuk mengebor. Dimana pada saat penelitian menunjukkan perlunya mengurangi penggunaan bahan bakar fosil.
Survei EY baru-baru ini menemukan bahwa lebih dari 92% perusahaan minyak dan gas berinvestasi atau berencana untuk berinvestasi dalam AI dalam dua tahun ke depan.
Pada bulan November, Microsoft Corp merilis makalah tentang mempercepat solusi keberlanjutan dengan AI. Di dalamnya membahas masalah energi.
“Seiring dengan berkembangnya infrastruktur yang dibutuhkan untuk mendukung model AI, permintaan akan sumber daya seperti energi dan air akan meningkat,” tulis para penulis.
“Salah satu hal yang kami lihat dalam makalah ini adalah benar-benar memahami dari mana konsumsi energi berasal,” kata Chief Sustainability Officer Melanie Nakagawa tentang pemahaman Microsoft yang terus berkembang tentang masalah energi AI.
Terlepas konsumsi energi, keamanan adalah risiko lain yang perlu dipertimbangkan dalam menerapkan AI untuk masalah iklim. Model AI bisa saja salah, dengan satu studi menemukan ketidakakuratan pada lebih dari setengah jawaban ChatGPT terhadap pertanyaan.
Meski mungkin tidak selalu memungkinkan untuk menghilangkan risiko ketidakakuratan atau ketidakpastian, penting bagi perangkat AI untuk mengukur dan mengkomunikasikan ketidakpastian agar pengguna dapat merespons dengan tepat, menurut Juliet Rothenberg, manajer produk grup riset AI iklim di Google Alphabet Inc.
Dukungan manusia lainnya juga dapat membantu dalam memitigasi risiko, seperti meminta seseorang untuk melihat hasil yang dihasilkan oleh AI, jelas Rothenberg.
Ia mengatakan bahwa proyek perusahaan yang berfokus pada optimalisasi lampu lalu lintas menunjukkan satu langkah maju. Teknologi AI Google menganalisis pola lalu lintas di kota-kota dan memberikan rekomendasi kepada para perencana tentang cara menempatkan lampu lalu lintas untuk mengurangi kemacetan dan emisi karbon yang berlebihan.
Akhirnya, para insinyur lalu lintas memiliki keputusan akhir untuk mengambil rekomendasi tersebut atau tidak.
“Memiliki kesadaran manusiawi dan kontekstual serta bermitra secara erat dengan para pemangku kepentingan adalah sesuatu yang kami yakini sangat penting,” ujar Rothenberg.
(bbn)
