AI pożera prąd, ale może też uratować nas przed blackoutem. Paradoks, o którym głośno mówią naukowcy z MIT
Dyskusja o sztucznej inteligencji często sprowadza się do jednego zarzutu: gigantycznego apetytu na energię.
I choć centra danych faktycznie drenują sieci, eksperci z MIT Energy Initiative (MITEI) wskazują na drugą stronę medalu. AI może okazać się kluczowym narzędziem, bez którego transformacja energetyczna i stabilne działanie sieci opartej na OZE będą po prostu niemożliwe.
W raporcie opublikowanym przez MIT naukowcy zwracają uwagę na rosnącą złożoność systemów energetycznych. Kiedyś równanie było proste: elektrownia węglowa produkowała stałą ilość prądu, a operatorzy martwili się tylko o szczyty zapotrzebowania. Dziś, gdy do gry wchodzą tysiące rozproszonych źródeł – paneli słonecznych i wiatraków, których wydajność zależy od kaprysu pogody – sieć staje się chaotyczna. Człowiek przestaje nad nią panować.
AI jako dyrygent sieci
Tutaj wkracza sztuczna inteligencja. Algorytmy potrafią zarządzać tym chaosem w skali mikrosekund. Anuradha Annaswamy z MIT tłumaczy, że AI tworzy „infrastrukturę informacyjną”, która spina fizyczne kable i transformatory.
Systemy te nie tylko prognozują pogodę (a więc i produkcję z OZE), ale też zarządzają popytem. Przykłady? Inteligentne termostaty, które mogą minimalnie zmienić temperaturę w tysiącach domów w szczycie obciążenia, odciążając sieć bez utraty komfortu. Baterie w autach elektrycznych (V2G), dla których AI może decydować, kiedy ładować auto (gdy prąd jest tani i jest go nadmiar), a kiedy oddać energię do sieci. Czy wreszcie same centra danych: AI może opóźniać mniej pilne obliczenia, by „wygładzić” piki zapotrzebowania.
Nowe materiały w tygodnie, nie dekady
Jeszcze bardziej fascynujący jest wpływ AI na fizykę i chemię. Ju Li, profesor inżynierii jądrowej z MIT, wskazuje, że algorytmy rewolucjonizują proces odkrywania nowych materiałów potrzebnych do budowy wydajniejszych baterii czy reaktorów jądrowych.
W laboratoriach MIT robotyczne ramiona sterowane przez AI same przeprowadzają eksperymenty, analizują wyniki i na ich podstawie planują kolejne testy – wszystko to 24 godziny na dobę. Coś, co kiedyś zajmowało naukowcom dekady prób i błędów, teraz może zająć lata lub nawet miesiące. AI „przeczytała” więcej prac naukowych niż jakikolwiek człowiek, dzięki czemu potrafi łączyć kropki między dziedzinami w sposób nieosiągalny dla ludzkiego umysłu.
Predykcja awarii
Trzecim filarem jest utrzymanie ruchu. Awaria kluczowego transformatora to koszty i ryzyko blackoutu. Algorytmy analizują dane z czujników i potrafią wykryć anomalię na długo przed tym, zanim sprzęt się zepsuje. To tzw. predictive maintenance – naprawiamy, zanim nastąpi awaria, co wydłuża życie infrastruktury i obniża koszty.
Bilans wydaje się jasny: choć trenowanie modeli AI zużywa mnóstwo energii, to inteligencja, którą dzięki temu zyskujemy, jest niezbędna, byśmy w ogóle mogli marzyć o czystej i stabilnej energetyce przyszłości.
