Sztuczna inteligencja ma ratować miasta przed katastrofą klimatyczną. Analiza 2300 badań ujawnia, że naukowcy ignorują LLM‑y i skupiają się na innych rozwiązaniach.
W skrócie:
- Analiza 2300 publikacji z lat 1994 – 2024 pokazuje, że badania nad AI w walce ze zmianą klimatu w miastach dynamicznie rosną, a ich liczba stale się powiększa.
- Pomimo rosnącej popularności, modele generatywne i LLM‑y są w tym obszarze niemal nieobecne, co kontrastuje z ich powszechnym zastosowaniem w innych dziedzinach miejskich.
- Badania koncentrują się na celach IPCC, ale dostępność danych i interes komercyjny grożą pogłębieniem nierówności i marnowaniem zasobów na mniej skuteczne działania.
Wizja sztucznej inteligencji jako cyfrowego superbohatera, który zoptymalizuje nasze miasta i ocali planetę, jest kusząca. Poprawia samopoczucie, świetnie wygląda na prezentacjach i pozwala politykom z nadzieją patrzeć w przyszłość. Ale jak to zwykle bywa z wielkimi narracjami – diabeł tkwi w szczegółach. Zespół badaczy, którego pracę opublikowano na łamach prestiżowego Nature Cities, postanowił sprawdzić, jak naprawdę wygląda zaangażowanie machine learningu w miejską walkę z ociepleniem. W tym celu przeanalizowano aż 2300 recenzowanych artykułów naukowych opublikowanych w ciągu ostatnich trzydziestu lat. Wnioski? Są, delikatnie mówiąc, nieoczywiste. Wszystko wskazuje na to, że rewolucja AI w ekologii miejskiej dzieje się naprawdę, ale idzie zupełnie inną ścieżką, niż podpowiadają nam nagłówki portali technologicznych.
Gdzie się podziały te wszystkie chatboty?
Największym zaskoczeniem płynącym z raportu jest marginalna rola technologii, które obecnie rozpalają wyobraźnię mas. Mowa oczywiście o generatywnej AI i dużych modelach językowych (LLM). Badacze stwierdzają wprost: “ich wykorzystanie pozostaje znikome, co kontrastuje z ich rosnącą adaptacją w innych domenach miejskich”. To zdanie powinno dać do myślenia. Podczas gdy firmy prześcigają się we wdrażaniu asystentów AI do wszystkiego, od obsługi klienta po zarządzanie dokumentacją, naukowcy zajmujący się klimatem zdają się je ignorować. Dlaczego? Odpowiedź jest prawdopodobnie bardziej złożona niż zwykłe “to nie działa”. Systemy te, choć imponujące w konwersacji, mogą być zbyt nieprecyzyjne lub obliczeniowo drogie do zadań wymagających żelaznej dokładności – jak optymalizacja sieci energetycznych, przewidywanie zapotrzebowania na wodę czy zarządzanie przepływem ruchu w czasie rzeczywistym. W tych dziedzinach wciąż królują bardziej wyspecjalizowane, “klasyczne” modele uczenia maszynowego.
Czy AI podąża za potrzebami, czy za pieniędzmi?
Na pierwszy rzut oka wszystko wygląda dobrze. Badania koncentrują się głównie na obszarach o wysokim potencjale mitygacyjnym, które wskazał Międzyrządowy Zespół ds. Zmian Klimatu (IPCC). Oznacza to, że naukowcy celują w te sektory – transport, budownictwo, energetykę – gdzie zmiany mogą przynieść największy efekt. Problem w tym, co kieruje tym wyborem. Autorzy publikacji sugerują, że ten trend może być częściowo “napędzany przez dostępność danych i interes komercyjny”. W praktyce oznacza to, że AI jest rozwijana tam, gdzie są czyste, uporządkowane dane i perspektywa zysku. To z kolei rodzi fundamentalne ryzyko: pogłębianie istniejących nierówności geograficznych. Najwięcej badań powstaje w Europie, Ameryce Północnej i Chinach. Afryka, Ameryka Południowa czy Azja Południowo-Wschodnia – regiony, które często najmocniej odczuwają skutki zmian klimatu – pozostają na mapie niemal białą plamą. Sztuczna inteligencja, zamiast niwelować różnice, może je niechcący utrwalać.
Technologia to nie wszystko
Ostatecznie systematyczna mapa przedstawiona przez zespół Marie Josefine Hintz to kubeł zimnej wody dla technologicznych optymistów. Pokazuje, że sztuczna inteligencja nie jest magicznym rozwiązaniem, lecz narzędziem, którego użycie odzwierciedla nasze globalne priorytety, uprzedzenia i struktury ekonomiczne. Skoro badania skupiają się tam, gdzie dane są łatwo dostępne, a zwrot z inwestycji pewny, istnieje ryzyko, że będziemy perfekcyjnie optymalizować systemy w bogatych metropoliach, podczas gdy inne części świata pozostaną bez wsparcia. Dlatego autorzy kończą swoją pracę serią rekomendacji, które mają pomóc w “ukierunkowaniu skutecznego wdrażania rozwiązań ML”. Bez świadomego sterowania i międzynarodowej współpracy, bez polityki nakierowanej na rozwiązywanie problemów tam, gdzie są one najpilniejsze – a nie tam, gdzie najłatwiej je skomercjalizować – ryzykujemy stworzenie AI, która będzie świetna w ratowaniu klimatu dla nielicznych. I to byłaby chyba największa porażka tej rewolucji.