Някои от най-актуалните нововъзникващи технологии, включително изкуственият интелект и метавселената, се очаква да улеснят значителното намаляване на емисиите на парникови газове от бизнеса. За постигането на тази цел обаче ще са необходими големи количества данни и професионалисти, казаха експерти на 25 май в BEYOND EXPO 2024.
Голям езиков модел или LLM, състоящ се от невронни мрежови алгоритми за анализиране на огромни количества набори от данни, обобщава информация и създава сложен изход със скорост, много по-бърза от човешките аналози. Това може да автоматизира работните потоци за улавяне на въглерод и търговия с въглерод, каза Чен Нан, заместник-директор на изследователския институт в SinoCarbon Innovation and Investment Co., Ltd.
Експертите обаче предупредиха, че информацията, генерирана от тези езикови модели, понякога може да бъде неточна и ненадеждна, което прави участието на професионалисти в моделите за обучение от съществено значение.
„Когато използваме AI, за да подобрим работата на вятърна електроцентрала или да изберем идеално място за някои съоръжения за възобновяема енергия, обикновено очакваме нещо по-точно“, каза Чен.
Намаляване на въглерода, управлявано от AI
Според Чен управлението на въглеродните емисии с AI е обещаващо за комерсиализация в области, включително отчитане на въглеродни емисии и търговия с въглеродни емисии.
Въглеродното отчитане, процесът на количествено определяне на емисиите на парникови газове, може да бъде сложен поради различията в различните региони и отрасли. Различните места и индустрии имат различни стандарти, насоки и изисквания, „създавайки висока летва за много хора от индустрията“.
AI може да помогне при идентифицирането на подходящи насоки и стандарти, като същевременно подчертава техните разлики въз основа на конкретни сценарии. Въпреки това, Чен каза, че ще работи само ако професионалисти са включени в предоставянето на конкретни насоки за обучение на модели, за да ги анализират и сравнят.
Предприятията също са изправени пред предизвикателства при изпълнението на задълженията си за докладване към Механизма за коригиране на въглеродните граници на Европейския съюз, инструмент, предназначен да се справи с изтичането на въглерод от страни извън ЕС. В такива сценарии Чен каза, че LLM може да бъде от голяма полза.
Въпреки че регулаторите предоставят подробни правила за изчисляване на вградените емисии по време на производствения процес на CBAM стоки, AI може да помогне на вносителите да разберат къде и как да попълнят необходимата информация, добави Чен.
Междувременно изкуственият интелект също може да помогне за улесняването на международната търговия с въглеродни емисии. Докато финансовите математически модели традиционно се използват за прогнозиране на цените на пазара на въглеродни емисии, AI може да подобри подхода за търговия с въглеродни емисии с по-изчерпателни и специфични стратегии.
ИИ обаче ще изисква насоки от човешки експерти, които ще предоставят на такива системи знания, свързани със съответните политики, разпоредби и специфични правила за търговия, каза Чен.
AI + метавселената
Експертите твърдят, че нови енергоспестяващи мерки за бизнеса могат да се появят чрез използване на AI и метавселената.
„Обучението на Al в метавселените ще се превърне в новата парадигма за изследванията и развитието на Al“, каза пред публиката Юан Ю, директор на Центъра за насърчаване на метавселената и цифровизацията на Института за индустриални изследвания Цинхуа.
Експерти от индустрията казаха, че метавселената може да осигури среда за обучение с по-ниски разходи и рискове, както и по-висока ефективност и разнообразие. Следователно това би спомогнало за насърчаване на развитието на Al за справяне с изменението на климата.
Един от първите кълнове на тази нова парадигма включва тестване на автономни превозни средства при различни сложни пътни условия във виртуален свят, което вече се е превърнало в обичайна индустриална практика.
Индустриалната метавселена може също да бъде ефективен инструмент в борбата срещу изменението на климата, движен от цифрови технологии близнаци, виртуално представяне на физически обект, система или процес.
„Дългосрочните климатични прогнози са известни предизвикателства поради сложността на взаимодействията между различни фактори“, каза Ралф Ма, генерален мениджър на Beijing Miaorun Technology Co. Ltd. „Висококачествена реплика на нашата планета може да подобри способността ни да прогнозираме климатичните модели.“
Свързани
Нашия източник е Българо-Китайска Търговско-промишлена палaта