Šiame straipsnyje nagrinėjamas dirbtinio intelekto (DI) taikymo moksliniuose tyrimuose poveikis aplinkai. Jis yra pagrindinis vadovas mokslininkams, mokslinių tyrimų įstaigoms ir mokslo politikos formuotojams, siekiantiems suprasti įvairius DI poveikio aplinkai moksle mažinimo metodus. Be to, jame pateikiamos gairės, kaip aplinkosaugos sąnaudų mažinimas gali prisidėti prie platesnių tvarumo ir etiško DI naudojimo mokslinių tyrimų aplinkoje tikslų.
Nors įrodymų apie konkretų dirbtinio intelekto poveikį aplinkai moksliniuose tyrimuose vis dar atsiranda, straipsnyje pateikiamos konceptualios sistemos ir praktinės priemonės, padedančios įvertinti viso dirbtinio intelekto gyvavimo ciklo poveikį aplinkai moksliniuose projektuose.
Pirmasis skyrius pristato pagrindines sistemas, skirtas holistiniam poveikio aplinkai supratimui.
Antrasis skyrius apibrėžiamas aplinkosaugos sąnaudų apibrėžimo ir matavimo per visą dirbtinio intelekto gyvavimo ciklą metodas.
Trečias skyrius pateikiamos konkrečios strategijos, kaip sumažinti tiesioginį mokslinių projektų, kuriuose naudojamos arba yra priklausomi nuo išteklių reikalaujančių dirbtinio intelekto programų, poveikį aplinkai.
Svarbiausi paėmimai
- Yra mažai žinių ir įrodymų apie dirbtinio intelekto (DI) naudojimo moksliniuose tyrimuose aplinkosaugines išlaidas. Šiame straipsnyje pateikiamos sistemos ir įrankiai, kuriuos mokslininkai ir mokslinių tyrimų institucijos gali apsvarstyti vertindami savo tyrimų poveikį aplinkai, siekdami tvaresnio, etiškesnio ir atsakingesnio dirbtinio intelekto naudojimo moksle.
- Dirbtinio intelekto poveikio aplinkai problemai spręsti reikalingas daugiamatis požiūris. Mokslininkai ir tyrėjai, planuojantys integruoti dirbtinį intelektą į savo darbo eigą, turi įvertinti įrankius atsižvelgiant į jų mokslinę vertę, socialinę lygybę ir aplinkosaugines sąnaudas per visą dirbtinio intelekto gyvavimo ciklą, atkreipiant dėmesį į atgarsio poveikį ir ilgalaikes pasekmes.
- Efektyviau išteklius naudojantys dirbtinio intelekto modeliai turi naudos aplinkai ir socialinei sričiai. Mažesni, vietiniai ir taupūs dirbtinio intelekto taikymo būdai gali pagerinti prieinamumą, įperkamumą, skaidrumą ir socialinę įtrauktį, susijusią su dirbtinio intelekto naudojimu, ypač įvairiuose ir ribotų išteklių tyrimų kontekstuose.
Svarstymai apie dirbtinio intelekto poveikį aplinkai moksle
rugsėjo 2025
DOI: 10.24948 / 2025.10
Šis darbas atliktas gavus Tarptautinio plėtros tyrimų centro (IDRC) Otavoje, Kanadoje, dotaciją. Čia išreikštos nuomonės nebūtinai atspindi IDRC ar jo valdytojų tarybos nuomonę.