人工知能は、温室効果ガス（GHG）排出量の削減と天然資源の最適な利用を支援することで、環境の持続に貢献できます。
しかし、AIは意図しない結果をもたらす可能性があります。例えば、需要を増加させ、ひいては炭素フットプリントを増大させることがあります。
この4段階の計画により、AIを責任ある方法で確実に導入できます。
人工知能（AI）により、ソフトウェアシステムは特定の目的に特化した膨大な量のデータを処理し、パターンと相関関係を特定できます。その結果、本来であれば人間が行う必要のある作業について、自動化された判断またはタスクの遂行が可能になります。
AIは誕生以来、多くの分野にわたる幅広い業務の最適化に貢献する変革的技術であることが証明されてきました。企業は、営業、マーケティング、顧客サービスから製造、R&D、IT、人事、財務に至るまで、ほぼすべての事業および政府の機能においてAIを活用してプロセスを再設計しています。また、企業はAIを活用して、従業員を補強するために協働ロボット、いわゆる「コボット」です。コボットは人間と連携して、あるいは人間の近接した場所で稼働し、顧客エンゲージメントのハイパーパーソナライゼーションや、最終的にはより優れた製品の創出などを行います。
しかし、これほど前例のない普及と広範な影響力を持つ以上、AIの稼働に必要な膨大な計算能力が環境に悪影響を及ぼす可能性があるかどうかを問うことが不可欠です。あるいは、AIは環境劣化を引き起こすことなく経済成長を促進する、極めて稀な現象となりうるのでしょうか。
AIは水とエネルギーの節約における画期的な進歩をもたらすことができますが、それ自体の炭素フットプリントも伴います。社会の多くの影響を改善できますが、既存の偏った、あるいは不公正な社会的現状を強化することもあります。AIは、私たちの集合的な地球規模の炭素フットプリントを削減し、天然資源を保全する可能性を秘めています。しかし、そのためには、責任を持って活用する方法を学ばなければなりません。
ポジティブな力としてのAI
AIは様々な方法で環境の持続に貢献できます：
炭素フットプリントの削減
2019年にMicrosoftとPwCが共同で実施した調査では、AIの責任ある活用により、2030年までに世界の温室効果ガス（GHG）排出量が4%（24億トン）削減されると予測されています。AIはすでに、産業部門および住宅部門のエネルギー消費を最適化し、それぞれの炭素フットプリントを削減するために使用されています。また、輸送ルートの最適化、供給と需要の予測、保守の予測、自律走行輸送の管理にも活用されています。これらの最適化はすべて、直接的にも間接的にも炭素フットプリントの削減につながるでしょう。
注目すべき例として、Googleは自社のデータセンターのエネルギー消費を最適化するためにAIを活用しています。DeepMindが開発した機械学習技術と最適化アルゴリズムを組み合わせることで、Googleはデータセンターのエネルギー使用量を35%改善することに成功しました。
天然資源の利用の最適化
AIは、太陽光、風力、水力などのグリーンなエネルギー源によって生成されるエネルギーの出力も予測しており、これにより天然資源の無駄を最小限に抑えています。AIは、住宅、製造、農業分野における水の使用量の節約にも貢献しています。予測型AIアルゴリズムは、精密農業などの新しい農業プロセスを開発し、必要な量の水のみを使用し、熟した作物のみを収穫することを可能にしています。また、アルゴリズムは農地計画を支援し、作物や家畜の健康状態を監視するとともに、発電事業者および電力消費者双方のための効率的な発電方式および設備の開発にも役立っています。
気候変動と生物多様性の損失への解決策を開発しているSalo Sciencesは、Vibrant PlanetおよびPlanet Labsと提携し、カリフォルニア州全域の山火事の挙動をマッピングするデータ駆動型プラットフォームを構築しました。プラットフォームであるCFO（California Forest Observatory）は、LIDARと衛星データを活用して森林構造と燃料負荷を樹木レベルで把握するAIエンジンです。風や気象、土壌と植生の水分、人口とインフラに関するデータとこの情報を組み合わせることで、CFOは山火事リスクの複雑な要因を捉えます。将来的には、CFOは現代の山火事モデルと統合され、山火事リスクのリアルタイムかつ動的な地図を提供します。これは、復旧計画と消火活動の両方を支援できるものです。
何か落とし穴はあるのでしょうか？
AIは劇的な業務改善をもたらし、革新的な新しいプロセスを生み出し、いくつかの産業セクターを破壊する主要な触媒となっていますが、無償というわけではありません。昨年、マサチューセッツ大学アマースト校が実施した研究では、一般的に大規模なAIモデルの学習には、サンフランシスコからニューヨークまでの飛行機移動の300倍の炭素フットプリントがかかると結論づけられました。
善意で使用された場合でも、AIは予期しない結果をもたらすことがあります。事業を劇的に最適化する能力の結果として、AIは需要、そして炭素フットプリントを増加させる可能性があります。ある運送業者が1日100件の配送を行えるトラックの車両群を運用しているシナリオを想像してください。最適化アルゴリズムを開発することで、同社はトラックのルーティングを改善し、100件の配送に関する炭素フットプリントを削減できます。これは好ましい結果ですが、その後、需要と稼働率の増加により配送件数が1日150件に増え、以前よりも大きな炭素フットプリントが生じることになります。
AIを環境に配慮した責任ある方法で活用するにはどうすればよいでしょうか？
AIは諸刃の剣であることを踏まえ、以下の4段階のプロセスに従うことを推奨します：
1. 適切なユースケースを選択する。
すべての最適化が炭素フットプリントの有意な削減につながるわけではありません。AIは幅広い課題に取り組めるという抽象的な性質を持つため、ユーザーはAIによって最適化されるプロセスのみを絞り込み、優先順位を付ける必要があります。これは、持続可能性のユースケースを選択する際にも当てはまります。
2. 適切なアルゴリズムを選択する。
適切なAIアルゴリズムを適切な問題やユースケースに使用してください。アルゴリズムの学習プロセスは、エネルギー消費量に大きく影響します。例えば、言語Aから言語Bへ翻訳するアルゴリズムの場合、100時間未満の学習のみを必要とするよう最適化できます。あるいは、総当たりの試行錯誤アルゴリズムを使用すると、計算量が約25万時間増加する可能性があります。
3. 炭素フットプリントの結果を予測し、追跡する。
善意だけでは不十分であり、追加の炭素フットプリントを生む可能性もあります。AIベースのあらゆるプロジェクトにおいて、持続可能性を重要な成功指標として扱ってください。企業も、AIを選択的かつ責任を持って導入するための費用対効果分析に、炭素フットプリントの推定値を含め始めています。AIの導入者は、プロセス最適化が持続可能性に及ぼす総合的な影響を理解すべきです。
4. 再生可能エネルギーの使用によりフットプリントを相殺する。
AIモデルを稼働させるために、グリーンな再生可能エネルギーを利用して炭素フットプリントを相殺してください。データセンターで稼働するAIがエネルギー消費の主要因であることを踏まえ、Googleはデータセンターを再生可能エネルギーで稼働させることを約束し、2017年以降、ネットゼロの炭素排出企業となっています。
CodeCarbonは、Pythonのコードベースに組み込める軽量のオープンソースソフトウェアパッケージであり、組織がこれらのステップを実施する際に役立つツールの一つです。電力およびグリッドデータを自動的に取得することで、CodeCarbonは、機械学習アルゴリズムの学習などの実験を実行するために使用されるクラウドやローカルのコンピューティングリソースによって排出される二酸化炭素（CO2）の量を追跡できます。その後、開発者に対し、実験または一連の実験によるCO2の結果を表示するダッシュボードを提供します。このCO2への影響の可視化により、再生可能エネルギー源を利用する地域にクラウドインフラをホストしたり、より効率的なハードウェアを使用したりすることで、結果として生じる炭素フットプリントを削減する機会が生まれます。CodeCarbonは、モントリオールに拠点を置く世界有数のAI研究機関であるMila、BCG GAMMA、ボストン・コンサルティング・グループのグローバルなデータサイエンスおよびAIチーム；ペンシルベニア州のHaverford College；そしてメタ機械学習プラットフォームのCometによって共同開発されました。
AI：人類の生存のための強力なツール
人工知能は、人類がこれまでに生み出した最も強力なツールの一つとなりました。しかし、肯定的にも否定的にも結果をもたらしてきた他の画期的な技術と同様に、賢明に活用することが不可欠です。慎重に使用されれば、AIは人類が差し迫った気候危機の解決に取り組む中で、世界に大きな違いをもたらしうるでしょう。
