L'intelligence artificielle (IA) est sur toutes les lèvres. Le terme a été inventé par John McCarthy en 1955, depuis lors, la technologie a rapidement progressé. La technologie d'une machine capable d'apprendre et de réfléchir par elle-même a suscité à la fois des espoirs et des inquiétudes pour l'avenir de l'humanité. Comme le changement climatique est le plus grand défi auquel la planète est confrontée, que diriez-vous d'exploiter le potentiel de l'apprentissage automatique pour apporter des solutions à l'action climatique ? De nombreuses découvertes restent à faire pour que nous puissions vraiment comprendre comment nous pouvons en tirer parti.
— Elon Musk (@elonmusk) 17 février 2020
Les origines d'une super-intelligence
Pour mieux comprendre comment l'IA pourrait nous aider à lutter contre le changement climatique, nous devons d'abord comprendre ce que signifie réellement le terme IA. L'intelligence artificielle est un domaine scientifique qui désigne des situations dans lesquelles une machine peut simuler l'intelligence humaine. Elle peut effectuer des calculs, faire des interprétations ou prendre des décisions qui nécessitent généralement des connaissances humaines. Ce dernier inclut la capacité d'apprendre de l'expérience passée, de s'adapter à de nouvelles situations et de gérer des idées abstraites. Dans le cadre de l'IA, nous avons le raisonnement symbolique et l'apprentissage automatique. Dans le raisonnement symbolique, l'homme écrit un algorithme pour une machine afin de déterminer comment produire une sortie basée sur une entrée. Par exemple, dans une usine Coca-Cola, un capteur détecte une bouteille vide (données) grâce à quoi il déplacera un bras robotique pour remplir la bouteille de Coca-Cola (sortie).
Dansl'apprentissage automatique (ML), l'algorithme ne réagit pas à l'entrée. Au lieu de cela, un humain écrit le code. Ensuite, la machine "apprend" l'algorithme pour produire un résultat. À chaque nouvelle donnée, le moteur améliore ainsi son algorithme. Par exemple, Softbank a développé son robot basé sur le ML, Pepper, qui peut interagir avec les humains en lisant leurs émotions, avoir une conversation et lancer une balle. Ce robot est déjà utilisé dans des entreprises et des écoles, mais est encore qualifié de "IA faible". Nous pouvons donc nous demander si nous pourrions utiliser ces avancées pour développer des robots afin de prévenir le gaspillage alimentaire ou intégrer un mode de vie durable dans notre quotidien ?
L'apprentissage profond, une sous-catégorie du ML, est la forme la plus sophistiquée de l'IA. Il s'inspire directement du cerveau humain en tant que réseau de neurones. L'apprentissage profond reproduit le processus de prise de décision de l'humanité. En dehors de ces catégories d'IA, il existe également une différence entre l'IA spécialisée et l'IA généraliste. Dans cet article, nous parlons des formes d'IA « spécialisées » qui peuvent effectuer plusieurs tâches simultanément. Par exemple, l'apprentissage profond permet de meilleures prédictions et estimations concernant le changement climatique. Des recherches menées par Google, l'Institut Mila et le Centre aérospatial allemand ont démontré le rôle essentiel que joue l'IA dans l'interprétation des vastes ensembles de données de la Terre, pour mieux comprendre le changement climatique et y agir. À terme, cela permet un suivi énergétique amélioré pour les bâtiments et les voitures électriques. L'IA conduit à une distribution d'énergie suffisante et à une gestion des batteries, permettant de réduire l'empreinte carbone et de passer aux énergies renouvelables.
C'est un « appel à se mobiliser » pour rassembler les chercheurs. L'IA n'est pas une solution miracle face à la crise climatique, mais elle peut aider à lutter contre le changement climatique.
David Rolnick, Université de Pennsylvanie.
Un récemment publié article intitulé "Lutter contre le changement climatique avec l'apprentissage automatique", réalisé par les chercheurs les plus éminents dans le domaine de l'IA, a révélé 13 domaines dans lesquels l'apprentissage automatique peut être développé, tels que la consommation d'énergie, l'élimination du CO2, l'éducation, l'ingénierie solaire et la finance. Les résultats englobent le suivi de la déforestation, la création de nouveaux matériaux à faible émission de carbone, et des transports plus écologiques. Cependant, l'IA est encore à ses débuts et ne peut pas tout résoudre.
Comprendre le changement climatique
Tout d'abord, l'IA peut nous aider à mieux comprendre le changement climatique. Tout, de la modélisation à l'échelle mondiale aux prévisions météorologiques individuelles, repose sur un nombre colossal de variables, ce qui est impossible à réaliser pour un cerveau humain seul. L'interprétation des données climatiques s'appuie sur l'informatique climatique, une discipline créée en 2011. Elle couvre un large éventail de sujets, tels que la prévision des événements météorologiques extrêmes, la reconstruction des conditions climatiques passées, ou les impacts socio-économiques du changement climatique et des précipitations. Cela peut aider les décideurs à agir et à sauver des vies.
Néanmoins, la communauté des scientifiques et des experts en modélisation climatique affirme que les modèles tendent à être d'accord en matière de prévisions à court terme, tout en divergeant pour les prévisions à long terme. Il subsiste encore beaucoup d'incertitudes, car les modèles ne s'accordent même pas sur la façon dont les précipitations vont changer à l'avenir. Par exemple, des chercheurs de MILA ont créé une application pour montrer aux individus à quoi ressemblera leur quartier avec différents scénarios de changement climatique. Les gens peuvent télécharger des photos d'incendies de forêt ou d'inondations pour améliorer l'algorithme. Ce concept sera déployé à travers le Canada.
Les algorithmes s'améliorent non seulement pour les événements météorologiques spécifiques, mais aussi pour les changements globaux et leurs conséquences. Un exemple est la prédiction de la relation entre les mesures que nous prenons et la rapidité avec laquelle nous atteindrons une augmentation de 2°C de la température mondiale. Au lieu d'essayer d'écrire des modèles complexes basés sur des lois physiques (raisonnement symbolique), l'étude d'Ise et Oba a donné les températures mensuelles mondiales des 30 dernières années à un réseau de neurones. Sans aucune autre donnée, le réseau de neurones prédit avec succès la montée et la descente de la chaleur pour les 10 prochaines années, avec une précision de 97 %. L'IA pourrait également aider à comprendre les causes du changement climatique. Elle pourrait, par exemple, en se basant sur des images satellites, détecter et cartographier des sources significatives d'CO2 dans des pays où la réglementation sur le reporting est rare.
Optimisation des systèmes existants
Une manière plus concrète dont l'IA peut nous aider est de réduire les émissions de CO2 grâce à l'optimisation des systèmes existants. ‘Climate Change AI’, un groupe de bénévoles souhaitant rassembler des experts en IA et des spécialistes des sciences climatiques, a identifié comment l'apprentissage automatique peut aider dans différents domaines (par exemple, les systèmes électriques, le transport, les bâtiments et les villes, l'agriculture). Par exemple, dans les systèmes électriques, qui représentent ¼ des émissions de CO2 mondiales. Carbon Tracker est un think tank financier indépendant travaillant à l’objectif de l'ONU de prévenir la construction de nouvelles centrales au charbon d'ici 2020. Il surveille les émissions des centrales à charbon en utilisant des données satellites et convainc l'industrie financière que cela n'est pas rentable. Grâce à un subside de Google, Carbon Tracker élargit ses efforts en imagerie satellite pour inclure les émissions des centrales à gaz et obtenir une meilleure compréhension de l'origine de la pollution atmosphérique. Carbon Tracker analysera les émissions de 4000 à 5000 centrales électriques, créant ainsi la plus grande banque de données et la rendant publique. Cela pourrait nous aider à avoir une perspective globale sur la lutte contre les émissions de carbone et la réduction de la pollution atmosphérique. Cela permettra également d'identifier les entreprises responsables des émissions de carbone et de mettre en œuvre un prix pour les émissions.
L'IA peut être utilisée dans le monde entier dans des endroits qui ne font pas de suivi, et nous n'avons pas besoin de demander la permission.
Durand D'souza - Data scientist chez Carbon Tracker
De plus, une fois la prédiction effectuée, la consommation d'énergie peut même être gérée, par exemple grâce à des solutions de maison intelligente qui chargent votre voiture ou font votre lessive lorsque de l'énergie renouvelable est disponible. Dans l'industrie, l'IA peut être utilisée pour optimiser les processus nécessitant de l'électricité. Par exemple, les centres de données de Google consomment 3 % de la consommation énergétique mondiale (voir aussi notre article sur les centres de données).
Deepmind a mis en place un système d'apprentissage automatique pour optimiser la gestion de tous les réglages nécessaires au refroidissement de ces centres de données, minimisant ainsi la consommation d'énergie. L'apprentissage automatique effectue en continu la configuration optimale de tous les manomètres et vannes, en se basant sur ses apprentissages à partir des données précédentes, et grâce à cela, ils ont pu réduire la consommation d'énergie de 40 %. Microsoft a trouvé une autre solution : des centres de données sous-marins autonomes. Pilotés par l'IA, ils sont refroidis par l'océan et alimentés par l'énergie des vagues. Imaginez que si des systèmes similaires étaient mis en œuvre dans toutes les industries, quelle quantité considérable d'CO2 pourrait être évitée ?
Comment concevoir une IA performante ?
À côté de l'optimisation des systèmes existants, l'IA peut aider à la conception de nouveaux produits et technologies durables. En passant de la méthode traditionnelle à ces nouveaux produits et technologies, les émissions de CO2 peuvent être évitées, voire même inversées. Dans la conception d'un produit durable, il faut tenir compte d'un nombre significatif de facteurs tels que l'abondance, la toxicité et les propriétés des matières premières, les réglementations, les options de fin de vie, le prix, etc. Un humain ne pourrait même pas imaginer toutes les possibilités. L'apprentissage automatique peut intégrer toutes les contraintes, examiner tous les matériaux et configurations possibles et proposer la combinaison la plus optimale. De cette manière, AirBus a conçu une nouvelle pièce d'avion imprimable en 3D qui est non seulement plus légère qu'auparavant, réduisant ainsi les émissions de CO2 en vol, mais aussi plus robuste et nécessitant moins de matières premières.
De plus, dans la recherche et le développement de technologies, l'apprentissage machine (ML) devient de plus en plus important. C'est un outil prometteur pour concevoir des batteries ayant une durée de vie plus longue et une capacité de stockage d'énergie plus élevée. Cela pourrait également accélérer la recherche sur les réacteurs de fusion nucléaire, qui peuvent constituer une alternative de production d'électricité sûre et sans carbone. Cela nécessite une conception expérimentale intelligente car ces systèmes ont un grand nombre de paramètres ajustables. Ou, si nous rêvons plus grand, en alimentant un algorithme d'apprentissage profond avec les bonnes données sur notre univers, peut-être cela pourrait-il nous aider à mieux le comprendre ou à amener le voyage spatial à une tout autre dimension. Plus besoin de changer le climat sur Terre. Il y a trente ans, nous ne pouvions même pas imaginer comment Internet allait prendre le contrôle de nos vies ; maintenant, l'IA pourrait peut-être également rendre possible la maîtrise de notre propre avenir en tant qu'humanité.
Le défi de la crise climatique peut être vu comme une opportunité pour les entrepreneurs technologiques visionnaires. Cependant, toutes les solutions énumérées ci-dessus ne sont pas des "solutions miracles" contre le changement climatique ; cela nécessite une collaboration internationale "d'experts". Tous ces exemples mentionnés ci-dessus ne représentent qu'un petit aperçu de la façon dont l'IA pourrait changer la donne et nous aider dans la transition vers un avenir durable, vert, mais peut-être aussi inimaginable. Ainsi, contrairement à ce que prédit la Matrice, l'IA peut devenir l'un des outils les plus essentiels pour aider l'humanité à soutenir notre race. La seule chose dont nous avons besoin est une collaboration entre des spécialistes du climat, des ingénieurs, des experts en IA, des entrepreneurs et des gouvernements afin d'utiliser nos connaissances collectives pour y parvenir.
La technologie est un allié de l'environnementalisme. Plan A plaide en faveur d'une approche basée sur les données pour réduire l'empreinte carbone. Surveiller vos émissions de carbone est primordial lors du démarrage d'une entreprise durable.Participez à la conversation ici.