Ο διττός ρόλος της τεχνητής νοημοσύνης (AI) στον ενεργειακό τομέα είναι πιο εμφανής από ποτέ. Από τη μία πλευρά, η AI υπόσχεται να επιταχύνει τη μετάβαση σε καθαρότερες μορφές ενέργειας, βελτιώνοντας την παραγωγή, τη μεταφορά και την κατανάλωση ενέργειας. Από την άλλη, η ίδια η τεχνολογία απαιτεί σημαντική ηλεκτρική ενέργεια για να λειτουργήσει, ιδίως λόγω των κέντρων δεδομένων (data centers) και των δικτύων που τη στηρίζουν. Το δίλημμα είναι σαφές: πώς μπορεί η AI να ενισχύσει την ενεργειακή μετάβαση χωρίς να γίνει ταυτόχρονα εμπόδιο;

Είναι σημαντικό να σημειωθεί ότι η κύρια κινητήρια δύναμη της ενεργειακής μετάβασης παραμένει η πολιτική. Η AI δεν είναι αποκλειστικό εργαλείο των ανανεώσιμων πηγών ενέργειας, αλλά, χρησιμοποιείται επίσης στη βιομηχανία πετρελαίου και φυσικού αερίου για βελτιστοποίηση της παραγωγής, της ασφάλειας και της βιωσιμότητας. Παρόλο που πολλά εργαλεία AI μπορούν να μεταφερθούν μεταξύ διαφορετικών έργων ανανεώσιμης ενέργειας, η εφαρμογή τους σε ορυκτές πηγές είναι πιο περιορισμένη λόγω των ιδιαιτεροτήτων των γεωλογικών σχηματισμών.

Σήμερα, τα «φώτα της δημοσιότητας» πέφτουν κυρίως στα μεγάλα γλωσσικά μοντέλα και τη γενετική AI (genAI). Στον ενεργειακό τομέα, όμως, οι εφαρμογές τους παραμένουν ακόμα περιορισμένες, χρησιμοποιούνται κυρίως σε πειραματικά έργα ή σε εργαλεία που βελτιώνουν την καθημερινή παραγωγικότητα των εργαζομένων. Οι κίνδυνοι αυξάνονται όταν η AI εμπλέκεται σε διαδικασίες κρίσιμες για την ασφάλεια, οπότε η χρήση της παραμένει προσεκτικά περιορισμένη. Αντίθετα, η λεγόμενη «βιομηχανική AI», που περιλαμβάνει τεχνολογίες όπως η υπολογιστική όραση, η πρόβλεψη και η βελτιστοποίηση σχεδιασμού, έχει ήδη βρει σταθερό έδαφος στον ενεργειακό τομέα, καθώς αυτά τα συστήματα βοηθούν στη βελτίωση της απόδοσης των δικτύων και των υποδομών, ενώ με την εξέλιξη των μεθόδων AI αναμένεται να παίξουν ακόμη μεγαλύτερο ρόλο σε έργα ενέργειας σε όλο τον κόσμο.

Το ενεργειακό αποτύπωμα και τα οφέλη της AI

Ωστόσο, το ενεργειακό αποτύπωμα της AI δεν είναι αμελητέο. Για παράδειγμα, η εκπαίδευση ενός μεγάλου μοντέλου όπως το GPT-3 χρειάστηκε περίπου 1,3 GWh ηλεκτρικής ενέργειας, όσο καταναλώνουν σε ένα μήνα περίπου 1.450 μέσες αμερικανικές οικογένειες. Παρά ταύτα, αν συγκριθεί με τη συνολική κατανάλωση εταιρειών όπως η Microsoft, που το 2022 έφτασε τις 18,6 TWh, πρόκειται για ένα σχετικά μικρό ποσοστό. Σύμφωνα με τον Διεθνή Οργανισμό Ενέργειας (IEA), τον οποίο επικαλείται το Power Technology, το 2022 τα κέντρα δεδομένων, τα κρυπτονομίσματα και η AI μαζί κατανάλωσαν περίπου 460 TWh ηλεκτρικής ενέργειας, δηλαδή περίπου το 2% της παγκόσμιας ζήτησης. Οι προβλέψεις δείχνουν ότι μέχρι το 2026 αυτή η ζήτηση θα φτάσει τα 800 TWh, ήτοι περίπου το 2,4% της συνολικής κατανάλωσης, με την AI να συνεχίζει να διευρύνει σταθερά το ενεργειακό της αποτύπωμα.

Παρά την αυξημένη ζήτηση που φέρνει η AI, η ίδια προσφέρει, ταυτόχρονα, σημαντικά οφέλη για την εξοικονόμηση ενέργειας στις υποδομές. Χρησιμοποιείται για να βελτιστοποιεί τα δίκτυα ηλεκτρικής ενέργειας, να διαχειρίζεται τα φορτία, να προβλέπει ανάγκες συντήρησης και να καθορίζει την καλύτερη θέση και το μέγεθος των εγκαταστάσεων ΑΠΕ. Ακόμη, η μηχανική μάθηση (ML) συμβάλλει στην ανακάλυψη νέων χημειών μπαταριών, στην πρόβλεψη διάρκειας ζωής των συστημάτων αποθήκευσης και στην καλύτερη ενσωμάτωση των ΑΠΕ στο δίκτυο, μειώνοντας τις απώλειες ενέργειας και αυξάνοντας την αξιοπιστία. Εταιρείες όπως η DNV αξιοποιούν την AI για να προβλέπουν την ηλιακή ακτινοβολία και τις καιρικές συνθήκες, να βελτιστοποιούν τη φόρτιση των μπαταριών και να αυτοματοποιούν περίπλοκες διαδικασίες περιβαλλοντικής αδειοδότησης. Οι ειδικοί εκτιμούν ότι μέχρι το 2050, η AI θα καλύπτει περίπου το 5% της ζήτησης ηλεκτρικής ενέργειας στον τομέα των κτιρίων και σχεδόν το 2% της συνολικής παγκόσμιας κατανάλωσης, την ώρα που η συνολική ζήτηση ηλεκτρικής ενέργειας θα έχει διπλασιαστεί.

Διαβάστε ακόμη