Til hovedinnhold

Kunstig intelligens i klimakampen

Et tre som er dødt på den ene siden og grønt på den andre siden.
AI@SINTEF bruker kunstig intelligens i kampen mot klimaendringene. Foto: Shutterstock.

Visste du at kunstig intelligens (AI) kan brukes til å redusere og håndtere klimaendringene? I AI@SINTEF kombinerer vi bransjekunnskap med ekspertise på AI og maskinlæring for å nå ambisiøse klimamål.

Publisert

Klimaendringene er vår tids største, globale utfordring. Endringene påvirker oss allerede i dag, og vil påvirke generasjonene som kommer etter oss i enda større grad. Heldigvis setter myndigheter og selskaper stadig mer ambisiøse klimamål, og over hele verden jobbes det nå med hvordan vi kan både motvirke og tilpasse oss klimaendringene ved hjelp av teknologi.

I AI@SINTEF jobber vi med kunstig intelligens – artificial intelligence (AI) på engelsk – og maskinlæring (ML) innenfor en rekke områder for å redusere og håndtere klimaendringene. Og nøkkelen til suksess er å kombinere ekspertise om AI og ML med domenekunnskap.

Energisystemer og AI

Overgangen fra fossil til fornybar energi er et av de viktigste tiltakene for å redusere våre klimagassutslipp. For å støtte økt bruk av utslippsfri energi trenger vi produksjon og distribusjon som er smartere og mer fleksibel enn vi har hatt behov for tidligere.

Kunstig intelligens kan blant annet bidra til bedre produksjonsplanlegging for å sikre større innslag av fornybar kraft i energimiksen og til å holde behovet for oppgradering og vedlikehold på et lavest mulig nivå. Kunstig intelligens kan også sikre en bedre og mer fleksibel vekselvirkning mellom karbonfrie energibærere som er nødvendig for at vi skal kunne nå et nullutslippssamfunn.

Du kan lese mer om AI og energisystemer her.

Mobilitet og transport

For å redusere klimautslippene fra transportsektoren er det viktig å koordinere dem bedre og finne nye, mer klimavennlige og effektive måter for transport av gods og folk. Kanskje får du opp hva som ikke bare er korteste eller raskeste vei, men også hvilket veivalg som vil gi minst CO2-utslipp? Hvordan fordeler vi transportoppdrag på bilene og stabler hver bil med pakker for mest mulig rask, effektiv og miljøvennlig levering?

Ved å kombinere forsterkningslæring (reinforcement learning) og optimeringsmetoder, forsker vi på hvordan vi kan pakke paller med varer mest mulig effektivt, slik at vi trenger færre lastebiler på å levere det samme volumet. Dette kan gi mindre CO2-utslipp.

Både i byene og i distriktene trenger vi effektiv transport av folk og varer. Hvordan kommer vi oss best fra A til B, og kanskje via C? Da kan det være aktuelt å bytte mellom forskjellige transportmidler som buss, t-bane og tog, men også leiebil eller sparkesykkel. I distriktene går ikke bussen like ofte, og det er mer hensiktsmessig med en on-demand-løsning som kjører når folk trenger det. Kan den fleksible minibussen uten fast rute ta med både folk og gods?

AI kan også benyttes til mer intelligent trafikkstyring og påvirkning av folks adferd i trafikken. Effekten kan være bedre flyt i trafikken, høyere utnyttelse av tilgjengelig kapasitet og overgang til transport med mindre klimagassutslipp.

Bedre vareproduksjon

Store deler av vårt samlede utslipp av klimagasser er knyttet til produksjon av varer, i tillegg til bruken av dem. De viktigste tiltakene for å redusere utslipp er derfor å unngå feilproduksjon, såkalt Zero Defect Manufacturing, og å gjennomføre produksjonen mest mulig energieffektivt. Her er bruk av AI-metoder svært nyttig.

Et godt eksempel på det er produksjon av bølgepapp, der svinn er et stort problem. Her kan kunstig intelligens bidra til å forstå sammenhengen mellom påføring av lim og tørkehastighet i produksjonsprosessen , og kvaliteten på både på produktet og prosessene. Dette gjør det igjen mulig å redusere svinn, feil og vrak. Produksjonsplaner kan også optimeres med tanke på energiforbruk, sammen med andre innsatsfaktorer som materialforbruk, lager og omstilling.

Raskere overgang til sirkulærøkonomi

Det aller viktigste vi kan gjøre er å redusere forbruk. Vi må gjenbruke mer materialer og reparere framfor å kaste. For å akselerere overgangen til en sirkulær økonomi er det særlig tre områder hvor AI kan gjøre en forskjell:

1. Design av sirkulære produkter, komponenter og materialer.
2. Bidra til økt verdiskapning og lønnsomhet for sirkulære forretningsmodeller.
3. Optimalisering av sirkulær infrastruktur og produksjon.

Digitalisering og datahåndtering gjør det mulig å følge materialstrømmer gjennom hele verdikjeder. Dette gjør det lettere å legge til rette for resirkulering og gjenbruk av materialer før en ressurs ender som avfall. For å øke slik gjenbruk i industrien er det viktig å kunne dokumentere kvaliteten på resirkulerte råvarer, å kunne effektivt finne råvarer av rett kvalitet, og å bygge produksjonsanlegg som er så fleksible som mulig for å være i stand til å ta imot resirkulerte råvarer. For å gjøre dette mulig er det essensielt å bruke data og kunstig intelligens.

Effektiv drift og rehabilitering av bygg

Bygninger og infrastruktur er en stor kilde til utslipp, både under bygging, bruk, rehabilitering og riving. Å rehabilitere et bygg er normalt bedre for miljøet enn å rive og bygge nytt. Likevel velges riving ofte framfor rehabilitering.

AI kan gjennom bildeanalyse, datainnsamling og modellering av bygningsmassen bidra til å forstå tilstanden på bygningen og økonomiske konsekvenser av forskjellige valg. Dette kan gjøre at flere velger å rehabilitere.

Samtidig kan vi redusere energibruken i bygg gjennom smart styring og gode materialvalg. Smart styring av inneklima bruker digitale tvillinger av bygg og kraftsystemet for å gi en best mulig opplevelse for brukeren med et lavest mulig energiforbruk.

Les mer om bruken av kunstig intelligens i byggebransjen her.

Redusere samfunnsrisikoen knyttet til klimaendringer

Mest mulig må gjøres for å motvirke at klimaendringer skjer. Men i realiteten må vi også forberede oss på å håndtere konsekvensene av endringene.

I enkelte tilfeller kan vi estimere risiko for hendelser og gi råd om forebyggende tiltak gjennom modellering og datafangst. Eksempler på dette er overvåkning av klimaeffekter på bygninger, håndtering av overvann i bebygde områder, samt varsling og prediksjon av jordskred.

Kunstig intelligens kan også spille en stor rolle for å kunne forstå situasjonen bedre under utrykning til katastrofer og andre hendelser, og dermed øke sannsynligheten for at man treffer gode tiltak.

Har du lyst til å vite mer om mulighetene kunstig intelligens skaper? Les mer her. 

Kontaktperson