기후 변화에 맞서는 경쟁에서 인공지능은 새로운 아이입니다. 하지만 초기 반응은 엇갈립니다. 일부 논평가는 AI를 기후 싸움의 " 비밀 무기 "로 보는 반면, 다른 논평가는 AI의 " 에너지 낭비 " 데이터 센터 에 회의적입니다 .

이러한 다양한 관점을 평가하기 위해 University of Pennsylvania의 Penn Program on Regulation은 기후 변화와 인공지능을 중심으로 1년간의 워크숍 시리즈를 조직했습니다. 다양한 학문 분야에 걸쳐 연구를 하는 6명의 주요 전문가의 프레젠테이션을 중심으로 구성된 워크숍 시리즈는 이 중요한 새로운 시점이 제기하는 위험과 기회를 모두 조명했습니다.

기후 과학자  타피오 슈나이더는  기후 데이터에서 공공 및 민간 부문의 최종 사용자가 접근하고 유용한 정보까지 확장되는 "가치 사슬"의 격차를 파악했습니다. 데이터와 기후 모델 간에 격차가 존재하고, 모델과 최종 사용자 간에도 격차가 있습니다. 기존 기후 모델은 지구 시스템에 중요한 미세하고 복잡한 프로세스(예: 구름)를 포착하는 능력이 제한되어 "기후 예측의 차이와 부정확성"으로 이어집니다. 기후 모델에 AI를 통합함으로써 과학자들은 기존 물리적  모델의 해석 가능성과 복잡한 프로세스를 표현하는 딥 러닝의 능력을 결합하여  해석 가능성을 희생하지 않고도 더 정확한 예측을 만들 수 있습니다.

또한 AI 기반 에뮬레이터를 활용함으로써 기후 과학자들은 최종 사용자가 이동 중에 생성된 기후 통찰력에 액세스할 수 있는 "앱 생태계"를 구축할 수 있습니다.

NASA 통계학자  에이미 브레버먼은  AI가 NASA에서 수집한 방대한 데이터를 보다 완벽하게 활용하여 기후 예측의 정확도를 개선할 수 있는 유사한 기회에 대해 언급했습니다. NASA의 최근 원격 감지 기술 발전으로 AI가 고해상도 기후 모델에 활용할 수 있는 방대한 정보 저장소가 만들어지고 있습니다. 그녀는  이러한 데이터 세트가 "애정스럽게 데이터 영안실이라고 불리는 곳"으로 밀려나는 것을 방지할 방법을 찾아야 한다고 주장했습니다.

하버드 법학 교수인  캐스 선스타인은   기후 위기를 완화하는 AI의 잠재력에 대해 소비자 중심적인 관점을 취했습니다 . 그의 강연의 핵심은 AI 주도의 " 선택 엔진 "이라는 아이디어였는데, 그는 이를 편견과 정보 부족을 해결함으로써 소비자를 기후 친화적 의사 결정으로 이끄는 알고리즘이라고 설명했습니다. 그는 선택 엔진이 기후에 부과되는 비용인 개별 의사 결정의 외부 효과를 줄이는 동시에 사람들이 자신의 이익을 더 잘 발전시키는 데 도움이 될 수 있다고 주장했습니다. 그는  이러한 선택 엔진은 반드시 가부장적이어야 한다고 지적했습니다 .  즉, 단순하고 선택을 보존할 수 있고, "모든 것을 말해주는" 접근 방식을 취할 수도 있고, 소비자에게 어떤 유형의 선택 엔진을 원하는지 물을 수도 있습니다.

물론, 새로운 혁신에는 위험이 따를 수 있습니다. 선스타인 교수는  선택 엔진이 충분히 개인화되지 않으면 "대량 개입"의 문제를 재생산하게 될 수 있다고 경고했습니다  . 그는 또한 위험이 선택 엔진 설계자의 동기에 따라 달라질 수 있다는 것을 인식했습니다.

미디어 심리학자  애슐리 랜드럼  은 기후 변화와 관련된 또 다른 종류의 AI 위험, 즉 기후에 대한 잘못된 정보를 퍼뜨리는 역할을 조사했습니다. 딥페이크와 소셜 봇의 등장은 AI가 여론을 형성하는 미디어 분위기에 교활한 위협을 가하고 있음을 시사합니다. 오늘날 AI의 가장 즉각적인 위험은 정보의 신뢰성에 미치는 영향의 형태로 나타나는데, 정치인들이 이를 이용해 의심을 퍼뜨리고 필요한 정책 조치에 대한 반대를 조장하고 있다는 불안을 조성합니다.

또 다른 주요 AI 위험은 에너지에 대한 엄청난 욕구에서 비롯됩니다. 펜실베이니아 대학교의  Deep Jariwala 교수는  AI에 필요한 컴퓨팅 파워의 증가와 이로 인해 메모리 집약적 하드웨어에 대한 수요가 생산 용량을 넘어설 것이라고 강조했습니다. 그는  "에너지 정책과 에너지 생산이 바뀌지 않는 한 AI의 에너지 비용은 약 10년 안에 지속 불가능해질 것"이라고 경고 했습니다  . 그의 공동 발표자이자 펜실베이니아 대학교의  Benjamin Lee 교수는  컴퓨팅 수요가 데이터 센터의 대규모 구축을 주도했으며, 이로 인해 에너지 그리드에 압박이 가해지고 막대한 탄소 발자국이 남는다고 집중적으로 설명했습니다.

탄소 없는 데이터 센터를 향한 길을 찾기 위해 Lee 교수는 탄소 인식 스케줄링을 잠재적인 해결책으로 지적했습니다. Lee는 단순히 "더 많고 더 많은 재생 에너지원을 설치하는 것"이 ​​아니라  수요 대응 방식을 주장했습니다  . 그는 "재생 에너지가 더 풍부한 시기에 따라 스케줄링하고 컴퓨팅을 조절하는 방법을 알아내야 합니다."라고 말했습니다. 이러한 유연성은 컴퓨팅에 관련된 운영 탄소를 줄여 AI를 지원하는 인프라를 기후 친화적으로 만들 수 있습니다.

맥길대  데이비드 롤닉 교수  는 AI가 형성하는 기존 사회적 관행과 패러다임(예: 석유 및 가스 탐사를 용이하게 하거나 자원 소비를 늘리는 디지털 광고를 촉진하는 데 AI를 사용하는 것)이 기후 변화에 어떤 영향을 미칠 수 있는지 평가하기 위해 전체론적 접근 방식을 취할 것을 촉구했습니다.

롤닉은 "우리는 AI를 좋은 방향으로 생각해야 합니다."  라고 말했습니다 . "그것은 그저 평소의 비즈니스에 AI의 새로운 좋은 응용 프로그램을 추가하는 것을 의미하지 않습니다. 그것은 사회에 더 나은 AI 응용 프로그램을 형성하는 것을 의미합니다."