随着教育，科学和研究中人工智能（AI）的越来越多的流行率，学术界正在迅速确定该技术是作为资产还是威胁。同样，在气候变化方面，有些人认为AI会奇迹般地解决危机，而其他人则认为排放量的影响太昂贵了。
AI需要大量的能量才能运行。物理上存储信息的数据中心目前占全球电力消耗的1％至1.5％。随着运行率的提高，这个数字可能会上升。
UW博士学位学生AmeliaDoäAs s s s over说，美国能源部的预测发生了变化。
具有清洁能网格的区域的排放影响较低。但是，用可再生能源为数据中心供电带来了几个障碍。AI，尤其是生成性AI，需要一致的能量来源。此外，诸如太阳能和风之类的可再生资源依赖于某些条件，因此很难确保数据中心所需的稳定电源。
``可再生能源更容易发生波动。
此外，联邦政府最近从可再生能源转移了这种过渡。作为一个解决方案，将数据存储在不同地区的公司已经能够预测能源何时可用并相应地分配工作负载。
UW机械工程助理教授Vikram Iyer说，您可以安排计算时进行计算。
除了能源消耗外，数据中心还需要大量的水进行冷却。
``他们经常与水提供者达成特别协议，以确保他们得到足够的水。
此外，这些数据中心的硬件生产需要资源提取，这通常会污染水源，并在处置后有助于电子废物。
间接地，AI还通过影响人类行为来增加能源消耗，例如创建最终增加在线购买的算法。
但是，人工智能模型有可能优化研究过程和数据收集。AI非常擅长识别模式和异常。因此，它已被利用来帮助无数的监视项目，使研究人员更容易跟踪特定机构的排放，野生动植物保护工作和天气模式。非营利组织气候实施AI和遥感，以监视不同地区的温室气体排放。AI还被用于通过预测维护来提高可再生能源的效率。
同时，AI已被用来优化化石燃料公司的采矿和钻井过程，从而增强了对可再生替代方案的竞争力。
人工智能的确切碳足迹很难计算，部分原因是公司一级缺乏透明度。解决这将需要进一步的政策和对科技公司的排放。
在西澳大学，教授，教职员工和学生正在以AI整合的各个角度进行研究和工作，即来自工程，政策和大气科学系。
接触作家Abigail Meyersspecials@dailyuw.com。X： @ABBY_MEYERS05
喜欢您阅读的内容？通过捐赠来支持高质量的学生新闻业这里。