Het rapport beschrijft de belangrijkste mogelijkheden voor AI om klimaatactie te vergemakkelijken en bevat talrijke casestudy's van voorbeeldprojecten in de particuliere en de openbare sector. Het biedt ook een overzicht van de kritieke knelpunten die verhinderen dat AI-voor-klimaattoepassingen hun volledige potentieel bereiken, en doet aanbevelingen voor beste praktijken en beleid om de data- en digitale infrastructuur, de financiering van onderzoek en innovatie, en de toepassing en systeemintegratie te verbeteren.
Gezien de korte tijdschaal waarop de samenleving klimaatverandering moet aanpakken, zal het van cruciaal belang zijn dat verantwoorde klimaatoplossingen snel worden toegepast en opgeschaald in de belangrijkste sectoren. GPAI stelt daarom voor dat regeringen het voortouw nemen bij het ondersteunen van het gebruik van AI om klimaatverandering aan te pakken door onder andere:
- Het bevorderen van de verantwoorde ontwikkeling van en toegang tot gegevens en digitale infrastructuur - bijvoorbeeld relevante gegevens, simulatieomgevingen, testomgevingen, modelbibliotheken en computerhardware - die de ontwikkeling en toepassing van AI-voor-klimaattoepassingen kan ondersteunen
- Gerichte financiering van onderzoek en innovatie om interdisciplinair en sectoroverschrijdend werk op het raakvlak van AI en klimaatverandering mogelijk te maken, waarbij het klimaateffect als leidraad wordt genomen.
- Ondersteuning van de invoering en systeemintegratie van AI-voor-klimaattoepassingen via gerichte beleidsontwikkeling en -evaluatie, marktontwikkeling en bedrijfsmodellen, ook in sterk gereguleerde sectoren zoals energie, vervoer, landbouw en zware industrie.
We vatten hieronder enkele opvallende aanbevelingen samen:
- Opzetten van datataskforces in klimaatrelevante sectoren
GPAI stelt voor om taskforces op te zetten die moeten vaststellen welke data er nodig zijn om klimaatmaatregelen te ondersteunen in sectoren zoals energie, transport, industrie en bouw/renovatie. Deze taskforces moeten ook nagaan welke data reeds beschikbaar en toegankelijk zijn, welke datastandaarden er bestaan en wat er nodig is om meer relevante data samen te brengen.
Interessante case studie: De UK Energy Data Taskforce heeft een reeks aanbevelingen geformuleerd hoe de industrie en publieke sector samen kunnen werken op vlak van het delen van data, in functie van energie.
- Digital twins
Er zijn talrijke opportuniteiten voor de ontwikkeling van systemen voor gegevensverzameling en digitale tweelingen in de groene transitie. Veel klimaatrelevante systemen die ingezet worden op vlak van energie, transport en andere fysyieke infrastructuur zullen fundamentele veranderingen moeten ondergaan om hun impact op het klimaat te verminderen. Digitale tweelingen kunnen als simulatie- en optimalisatiemiddel beleidsmakers informeren over de optimale inzet van fysieke infrastructuur op een manier die weinig risico’s met zich meebrengt. Hierdoor kunnen de kosten beperkt blijven en toekomstige systeemontwerpen verbeterd worden. GPAI wijst erop dat investeringen nodig zijn in onderzoek naar hoe digitale tweelingen in deze context moeten worden ontwikkeld, bestuurd, getest, gecertificeerd, toegankelijk gemaakt en onderhouden moeten worden.
Interessante case studie: TU Delft werkt aan een digitale tweeling van het Nederlandse elektriciteitsnet
- Digitaliserings- en AI-deskundigen opnemen in klimaatbeleidsteams en adviesgroepen van de overheid
Onlangs hebben het federale niveau en de regio’s in ons land klimaatplannen moeten opstellen. GPAI pleit ervoor om bij het opstellen van dergelijke klimaatplannen en gerelateerde beleidsdocumenten digitaliserings- en AI-deskundigen te betrekken. - Hou ook rekening met de negatieve impact die AI kan hebben
GPAI geeft aan dat in de Europese AI-verordening de regulering van AI-systemen met een hoog risico ook de impact op het klimaat en het milieu moet opnemen, een overweging die in het huidige voorstel nog niet opgenomen is.
Overheden moeten ook subsidiëring vermijden van AI-toepassingen die ingaan tegen de klimaatdoelstellingen. Een extreem voorbeeld hiervan is het subsidiëren van AI-toepassingen voor olie- en gaswinning, wat in enkele Europese landen gebeurd.
Klimaatverandering zou ook centraal gezet moeten worden bij de ontwikkeling van nieuwe AI-technologie. Overheden zouden er voor kunnen zorgen dat de impliciete keuzes achter nieuwe technologieën vanaf het begin worden onderzocht en afgestemd worden op de klimaatdoelstellingen.
Interessant voorstel: het hanteren van een energielabel voor AI
- Ontwikkel gerichte AI-voor-klimaat-uitdagingen waar AI resultaten met een bijzonder grote impact kan opleveren.
Naast de integratie van AI in bredere klimaatuitdagingen, zijn er enkele uitdagingen waar het potentieel voor AI ter ondersteuning van klimaatactie zo groot is dat het een specifieke actie rechtvaardigt om de AI-gemeenschap samen te brengen met de gemeenschap van een bepaalde sector. Regeringen zouden transversale multi-universitaire onderzoekscoalities rond deze uitdagingen kunnen financieren of ontwikkelen.
In het rapport geeft GPAI enkele voorbeelden, waaronder ook voorbeelden van sectoren die in ons land over veel expertise beschikken, zoals energie (het met AI voorspellen van het aanbod en de vraag naar elektriciteit) of materiaalwetenschap (bijvoorbeeld voor hernieuwbare energie, alternatieve brandstoffen of elektriciteitsopslag).
