Vad kan klimatkrisen lära oss om AI?

Diskussionen om AI:s miljöpåverkan har ofta handlat om datahallarnas behov av el och vatten. I en nyligen publicerad artikel, Länk till annan webbplats. i tidskriften Energy Research & Social Science, menar Ranjula Bali Swain att den frågan inte går att skilja från teknikens andra konsekvenser, till exempel för arbetsmarknaden.

– Beslut om vem som kontrollerar datorkraften, hur snabbt AI byggs ut och vilka tillämpningar som får investeringar påverkar allt detta. Om man åtgärdar ett problem och bortser från de andra riskerar grundproblemen att finnas kvar, säger hon.

Vad har AI och klimatförändringarna gemensamt?

Enligt Ranjula Bali Swain skapar både AI och klimatförändringarna externaliteter, alltså alltså kostnader som drabbar andra utan att fullt ut återspeglas i priser eller beslut. Sådana kostnader kallas negativa externaliteter.

Klimatfrågan har visat hur svåra de är att hantera när nyttan kommer direkt och skadorna sprids över gränser. Med AI kan lokalsamhällen få ett ökat tryck på vatten- och elförsörjningen och anställda kan se sina arbeten förändras, ofta med begränsade inflytande över beslutet. Hon betonar samtidigt att jämförelsen har sina gränser.

– Klimatförändringarna drivs främst av utsläpp av växthusgaser, medan AI:s konsekvenser omfattar bland annat resursanvändning, sysselsättning, ojämlikhet och information. Därför krävs flera olika mått snarare än ett enda gemensamt utsläppsmått. Många negativa konsekvenser av AI kan uppstå snabbt och kan åtgärdas genom förändringar av specifika system eller tillämpningar, medan klimatförändringarna har långvariga och kumulativa effekter. Styrningen av klimatfrågan ger därför användbara lärdomar, men AI kräver styrmedel som är anpassade efter olika tekniker, användningsområden och sammanhang, säger hon.

Kan effektivare AI öka resursförbrukningen?

En av slutsatserna i studien är att högre teknisk effektivitet inte automatiskt leder till mer hållbarhet.

– Det är lätt att anta att en effektivare teknik använder mindre resurser totalt. Men om effektiviteten gör tekniken billigare och den börjar användas mycket mer kan det bli tvärtom. Därför behöver vi titta på den totala resursförbrukningen, säger Ranjula Bali Swain.

Hur kan AI styras på ett hållbart sätt?

Ranjula Bali Swain menar att frivilliga åtaganden från företagen inte räcker. I artikeln föreslår hon att AI:s påverkan mäts genom hela livscykeln, från gruvbrytning till skrotning, och att de som orsakar kostnaderna också får bära dem. Hon efterlyser också en starkare konkurrenspolitik, möjligheten för människor att få automatiserade beslut som får betydande konsekvenser för dem prövade av en människa, samt ett ökat internationellt samarbete. Offentliga institutioner behöver dessutom resurser för att granska tekniken, och universitet, civilsamhälle och låginkomstländer behöver få en röst i hur AI styrs.

Varför är det viktigt att styra AI just nu?

– När systemen väl är inbyggda i företag, offentlig service och vardagsliv blir det svårare och dyrare att byta riktning. Erfarenheterna från klimatfrågan visar vad det kostar att skjuta upp åtgärder i väntan på att marknaden ska lösa gemensamma problem, säger Ranjula Bali Swain.

Hon ser att AI kan bidra med mycket inom till exempel utveckling, forskning och offentlig service, förutsatt att tekniken styrs rätt.

– Frågan vi hela tiden bör ställa oss är vem som tjänar på det, vem som bär kostnaderna och vem som får vara med och bestämma, säger hon.