بهینه‌سازی مصرف انرژی با کمک یک ناجی پر مصرف!

به گزارش ایسنا، برخی از دانشمندان و متخصصان فناوری امیدوارند که هوش مصنوعی بتواند این مشکل را حل کند. در حال حاضر، توجه زیادی به ماهیت انرژی‌بر خود هوش مصنوعی جلب شده است. به عنوان مثال، مایکروسافت اذعان کرده است که توسعه هوش مصنوعی آن، اهداف اقلیمی آنها را به خطر انداخته است. اما برخی از کارشناسان معتقدند که هوش مصنوعی همچنین می‌تواند با کمک به کارآمدتر کردن ساختمان‌های بزرگ از نظر انرژی، بخشی از راه حل نیز باشد. یک مطالعه در سال ۲۰۲۴ تخمین می‌زند که هوش مصنوعی می‌تواند به ساختمان‌ها کمک کند تا مصرف انرژی و انتشار کربن خود را دستکم 8 درصد کاهش دهند و تلاش‌های اولیه برای نوسازی سیستم‌های تهویه مطبوع با هوش مصنوعی نتایج دلگرم‌کننده‌ای را نشان داده است.

به نقل از تایم، نان ژو (Nan Zhou)، یکی از نویسندگان این مطالعه و دانشمند ارشد آزمایشگاه ملی لارنس برکلی، می‌گوید: تا به امروز، ما بیشتر از هوش مصنوعی برای راحتی خود یا برای کار استفاده می‌کنیم. اما من فکر می‌کنم هوش مصنوعی پتانسیل بسیار بیشتری در کارآمدتر و کم‌تر کردن انتشار کربن ساختمان‌ها دارد.

هوش مصنوعی در مرکز شهر منهتن

یک نمونه از استفاده از هوش مصنوعی برای بهینه کردن مصرف انرژی، یک ساختمان اداری ۳۲ طبقه در مرکز شهر منهتن است که در سال ۱۹۸۳ ساخته شده است. آوی شرون (Avi Schron)، معاون اجرایی شرکت بین‌المللی کمبیز (Cammeby’s International)، که مالک این ساختمان است، می‌گوید: برای سال‌ها، دمای ساختمان با ترموستات‌های ساده تنظیم می‌شد که می‌توانست منجر به ناکارآمدی یا اتلاف انرژی شود. شرون می‌گوید: هیچ تصور پیشرفته‌ای در مورد آن وجود نداشت، هیچ منطقی، هیچ ارتباطی با وضعیت آب و هوا وجود نداشت.

در سال ۲۰۱۹، شهر نیویورک قانون محلی ۹۷ را تصویب کرد که الزامات سختگیرانه‌ای را برای انتشار گازهای گلخانه‌ای ساختمان‌های اداری تعیین می‌کرد. برای رعایت این قانون، شرون یک سیستم هوش مصنوعی را از استارتاپ BrainBox AI سفارش داد که اطلاعات زنده از حسگرهای ساختمان‌ها از جمله دما، رطوبت، زاویه تابش خورشید، سرعت باد و الگوهای حضور افراد را دریافت می‌کند و سپس در مورد نحوه تعدیل دمای آن ساختمان‌ها، در لحظه تصمیماتی می‌گیرد.

سم رامادوری (Sam Ramadori)، مدیرعامل BrainBox AI، می‌گوید که ساختمان‌های بزرگ معمولا هزاران قطعه تجهیزات گرمایش و تهویه‌هوا دارند که همه آنها باید به طور همزمان کار کنند. بنابراین با این فناوری وقتی از آینده خبر داریم، هر پنج دقیقه هزاران دستورالعمل را به هر پمپ، فن، موتور و دریچه کوچک در سراسر ساختمان ارسال می‌کنم تا با استفاده کمتر از انرژی کمتر به آن چه در آینده پیش‌بینی می‌شود، رسیدگی کنیم. به عنوان مثال، سیستم هوش مصنوعی در خیابان ۴۵ برادوی اگر پیش‌بینی کند که جبهه هوای سرد در چند ساعت آینده فرا می‌رسد، به تدریج شروع به گرم کردن ساختمان می‌کند. اگر حسگرهای گرمای محیطی متوجه شوند که خورشید از یک طرف ساختمان شروع به تابیدن کرده است، شیرهای حرارتی را در آن مناطق می‌بندد.

پس از ۱۱ ماه استفاده از  BrainBox AI، این ساختمان گزارش داده است که مصرف انرژی مربوط به تجهیزات گرمایش و تهویه‌هوا آن ۱۵.۸ درصد کاهش یافته است، که بیش از 42 هزار دلار صرفه‌جویی و ۳۷ تُن کاهش انتشار کربن دی‌اکسید را نشان می‌دهد. شرون می‌گوید ساکنین راحت‌تر هستند زیرا تجهیزات گرمایش و تهویه‌هوا به طور پیشگیرانه به تغییرات دما پاسخ می‌دهد و نصب آن ساده بوده است زیرا فقط به ادغام نرم‌افزار نیاز داشته است.

سیستم هوش مصنوعی مستقل BrainBox اکنون تجهیزات گرمایش و تهویه‌هوا را در ۴۰۰۰ ساختمان در سراسر جهان، از فروشگاه‌ها گرفته تا فرودگاه‌ها، مستقر کرده است. این شرکت همچنین یک دستیار مولد مبتنی بر هوش مصنوعی به نام Aria ایجاد کرده است که به مدیران تأسیسات ساختمان اجازه می‌دهد تجهیزات گرمایش و تهویه‌هوا را از طریق متن یا صدا کنترل کنند. این شرکت انتظار دارد که Aria در اوایل سال ۲۰۲۵ به طور گسترده در دسترس قرار گیرد.

مطالعات علمی

چندین دانشمند نیز به پتانسیل چنین تلاش‌هایی در این حوزه پرداخته‌اند. ژو و همکارانش، چائو دینگ (Chao Ding)، جینگ کی (Jing Ke) و مارک لوین (Mark Levine) در آزمایشگاه ملی لارنس برکلی در کالیفرنیا، چندین سال پیش از اینکه چت جی‌پی‌تی توجه عمومی را به خود جلب کند، شروع به مطالعه تأثیرات بالقوه هوش مصنوعی بر بهره‌وری در ساختمان‌ها کردند. امسال، آنها مقاله‌ای منتشر کردند که در آن استدلال شده بود که ادغام هوش مصنوعی و سیستم‌های تهویه مطبوع می‌تواند منجر به کاهش ۸ تا ۱۹ درصدی مصرف انرژی و انتشار کربن شود. در این مقاله استدلال می‌شود که هوش مصنوعی می‌تواند به کاهش ردپای کربن یک ساختمان در هر مرحله از چرخه عمر آن، از طراحی تا ساخت و ساز تا بهره‌برداری و نگهداری، کمک کند. این فناوری می‌تواند پیش‌بینی کند که چه زمانی اجزای سیستم تهویه مطبوع ممکن است از کار بیفتند و به طور بالقوه زمان از کار افتادگی و تعمیرات پرهزینه را کاهش دهد.

ژو همچنین استدلال می‌کند که سیستم‌های هوش مصنوعی در بسیاری از ساختمان‌ها می‌توانند به مقاوم‌تر شدن شبکه‌های برق منطقه‌ای کمک کنند. منابع انرژی تجدیدپذیر مانند باد و خورشید که به طور فزاینده‌ای در حال محبوب‌تر شدن هستند، اغلب منابع برق ناهمسانی تولید می‌کنند و باعث ایجاد نوسانات شدید می‌شوند. او می‌گوید: اینجا جایی است که این ساختمان‌ها می‌توانند با تغییر یا کاهش انرژی واقعا کمک کننده باشند. به عنوان مثال، این امر به کاهش فشار از روی شبکه در لحظات افزایش تقاضا کمک می‌کند.

تلاش‌های دیگر در سراسر جهان نیز دلگرم‌کننده بوده‌اند. در استکهلم، یک شرکت ابزارهای هوش مصنوعی را در ۸۷ سیستم گرمایش و تهویه‌هوا در مراکز آموزشی پیاده‌سازی کرد و هر ۱۵ دقیقه دما و جریان هوا را تنظیم می‌کرد. یک مطالعه نشان داد که این سیستم‌ها منجر به کاهش سالانه ۶۴ تُن کربن دی‌اکسید و کاهش ۸ درصدی مصرف برق شده‌اند  و مرکز مهندسی انرژی محیط زیست دانشگاه مریلند به تازگی مطالعه‌ای منتشر کرده است که استدلال می‌کند توانایی‌های پیش‌بینی مدل‌های هوش مصنوعی می‌تواند مصرف برق سیستم‌های پیچیده گرمایش و تهویه‌هوا، به ویژه آن‌هایی که دارای واحدهای داخلی و خارجی هستند را به طور قابل توجهی کاهش دهد.

با گرم شدن کره زمین، سیستم‌های خنک‌کننده کارآمد به طور فزاینده‌ای اهمیت پیدا می‌کنند. آرش زرمهر (Arash Zarmehr)، مشاور عملکرد ساختمان در شرکت مهندسی WSP، می‌گوید که پیاده‌سازی هوش مصنوعی «حرکتی ضروری برای همه طراحان و مهندسان» است. او می‌گوید: همه مهندسان می‌دانند که کنترل‌های انسانی بر سیستم‌های گرمایش و تهویه‌هوا باعث کاهش راندمان می‌شود. هوش مصنوعی می‌تواند به ما کمک کند تا به سمت کربن‌زدایی واقعی از ساختمان‌ها حرکت کنیم.

با وجود پتانسیل هوش مصنوعی، استفاده از آن در بهره‌وری ساختمان با چالش‌هایی از جمله تضمین ایمنی و حفظ حریم خصوصی داده‌های ساکنین روبرو است. سپس سوال بزرگتری در مورد تأثیر کلی هوش مصنوعی بر محیط زیست مطرح می‌شود. برخی منتقدان، بر این باورند که که تبلیغ پروژه‌هایی اینچنینی راهی برای سبز جلوه دادن هوش مصنوعی است که خود مصرف گسترده‌ انرژی دارد. آژانس بین‌المللی انرژی پیش‌بینی می‌کند که هوش مصنوعی باعث افزایش چشمگیر تقاضای برق مراکز داده می‌شود که می‌تواند از سال ۲۰۲۲ تا ۲۰۲۶ دو برابر شود. و این هفته، دانشمندان دانشگاه کالیفرنیا ریورساید و کلتک مطالعه‌ای را منتشر کردند که استدلال می‌کند آلودگی هوای ناشی از نیروگاه‌های هوش مصنوعی و ژنراتورهای پشتیبان می‌تواند تا سال ۲۰۳۰ منجر به ۱۳۰۰ مرگ زودرس در سال در ایالات متحده شود. شائولی رن (Shaolei Ren)، یکی از نویسندگان این مطالعه، در بیانیه‌ای گفت: اگر کسی مبتلا به آسم یا سایر بیماری‌های زمینه‌ای باشد، آلودگی هوای ناشی از این مراکز داده می‌تواند در همین لحظه او را تحت تأثیر قرار دهد. این یک مسئله بهداشت عمومی است که باید فورا به آن رسیدگی کنیم.

ژو اذعان می‌کند که مصرف انرژی مراکز داده هوش مصنوعی پس از شروع نوشتن مقاله توسط او و همکارانش «به شدت افزایش یافته است». او می‌گوید: اینکه هوش مصنوعی تا چه حد کاهش انتشار گازهای گلخانه‌ای که در مقاله‌مان به آن رسیده‌ایم را جبران می‌کند، نیاز به تحقیقات در آینده دارد. اما بدون انجام هیچ تحقیقی، من هنوز فکر می‌کنم هوش مصنوعی مزایای بسیار بیشتری برای ما دارد.

انتهای پیام