Guardian zamieścił wypowiedź Rolnicka, który twierdzi, że pierwszą rolą, jaką sztuczna inteligencja może odegrać w działaniach na rzecz klimatu, jest destylacja surowych danych w użyteczne informacje - pobieranie dużych zbiorów danych, których przetworzenie zajęłoby człowiekowi zbyt wiele czasu, i wyciąganie informacji w czasie rzeczywistym w celu kierowania polityką lub działaniami sektora prywatnego. Na przykład, pobieranie zdjęć satelitarnych i określanie, gdzie ma miejsce wylesianie, jak zmienia się różnorodność biologiczna, gdzie społeczności przybrzeżne są zagrożone powodzią. Jak podkreśla wykładowca, tego rodzaju narzędzia są już wykorzystywane przez organizacje na całym świecie, od ONZ po firmy ubezpieczeniowe, a my pracujemy nad ich skalowaniem i ulepszaniem.

Drugą rolą jest optymalizacja skomplikowanych systemów - takich jak system ogrzewania i chłodzenia w budynku, gdzie istnieje wiele elementów sterujących, które algorytm może skutecznie obsługiwać. Inteligentne termostaty stały się głównym nurtem w naszych domach, a teraz zaczynamy to dostrzegać w przypadku drapaczy chmur i fabryk. Wiele firm poprawia efektywność energetyczną i wciąż pozostaje wiele do zrobienia, zwłaszcza w branżach takich jak stal i cement, które często są oporne na wdrażanie nowych technologii.

Kolejnym tematem jest prognozowanie. Sztuczna inteligencja nie jest w stanie przewidzieć czegoś tak dużego, jak to, co stanie się z gospodarką - ale prognozy mają sens w przypadku wąskich problemów z dużą ilością danych, takich jak zapotrzebowanie na energię elektryczną w określonym czasie lub jaka moc będzie dostępna w oparciu o słońce i wiatr, prognozowanie, jak będzie się poruszać burza lub produktywność upraw w oparciu o pogodę.

Myślenie o sztucznej inteligencji jako futurystycznym narzędziu, które doprowadzi do niezmierzonego dobra lub szkody, odwraca uwagę od sposobów, w jakie używamy jej teraz.

Czwarty temat dotyczy przyspieszenia symulacji naukowych, takich jak modelowanie klimatu i pogody. Dysponujemy, jak twierdzi Rolnick, naprawdę dobrymi modelami klimatycznymi, ale czasami ich uruchomienie może zająć miesiące, nawet na superkomputerach, co stanowi przeszkodę. Bardzo dobrze rozumiemy zmiany klimatu, ale nie oznacza to, że dokładnie wiemy, co stanie się w każdym momencie. Tak więc posiadanie szybszych modeli klimatycznych może pomóc w lokalnych i regionalnych reakcjach.

Nie możemy jeszcze tego zrobić z GPT-4 lub innymi potężnymi systemami sztucznej inteligencji, ponieważ systemy te nie są napisane w ludzkim języku programowania; są to gigantyczne sztuczne sieci neuronowe i prawie nie mamy pojęcia, jak działają. Istnieje jednak bardzo aktywne pole badawcze zwane mechanistyczną interpretowalnością. Celem jest wykorzystanie tych sieci neuronowych i ustalenie, jak działają. Jeśli w tej dziedzinie poczynimy tak duże postępy, że będziemy w stanie wykorzystać samą sztuczną inteligencję do wyodrębnienia wiedzy z innej sztucznej inteligencji i sprawdzenia, czego się nauczyła, będziemy mogli ponownie zaimplementować ją w innego rodzaju architekturze obliczeniowej - pewnego rodzaju kodzie dowodowym - któremu można zaufać.

Sugestie te pokazują, jak wielką nadzieję badacze pokładają w sztucznej inteligencji, skoro widzą w niej remedium nawet na takie „zagrożenia”, jak zmiany klimatu.