أخبار ar.wedoany.com، طور فريق بحثي من جامعة واشنطن نظامًا للذكاء الاصطناعي قادرًا على التقدير التلقائي للأثر البيئي لمختلف الأجهزة الإلكترونية خلال مرحلة الإنتاج. يعمل النظام عبر استخدام عدة وكلاء ذكاء اصطناعي (برامج تنفذ المهام بشكل مستقل) لاستخلاص المعلومات من البيانات العامة وإجراء تقييم دورة الحياة (LCA)، حيث يتراوح متوسط معدل الخطأ بين 5% و19%، وهي نسبة دقة مماثلة لتلك التي يحققها الخبراء البشريون في إجراء تقييمات دورة الحياة. نُشرت نتائج الدراسة في 12 يونيو في مجلة Nature Electronics الأكاديمية.
أظهرت الدراسة أن المستهلكين على استعداد لدفع مبلغ أكبر مقابل أجهزة أكثر استدامة، لكن الحصول على بيانات تفصيلية عن الأثر البيئي للأجهزة الإلكترونية لا يزال صعبًا للغاية حاليًا. فالهاتف المحمول، على سبيل المثال، يتكون من مئات الرقائق والمكونات الأخرى، ولكل مكون انبعاثات إنتاجية مختلفة، وغالبًا ما تكون هذه البيانات غير متاحة للعموم أو حتى غير مقاسة. قد يستغرق جمع المعلومات اللازمة لتقييم دورة الحياة يدويًا بواسطة الخبراء البشريين أيامًا أو حتى أشهرًا. صمم فريق البحث عدة وكلاء ذكاء اصطناعي يعملون معًا لاستخراج معلومات المكونات الإلكترونية تلقائيًا من أوصاف المنتجات والصور والملفات، مما يتيح تقديم تقديرات قابلة للمقارنة في غضون دقيقة تقريبًا.
يحاكي النظام عبر وكيلين من وكلاء الذكاء الاصطناعي أدوارًا مختلفة في عملية تقييم دورة الحياة. يقوم أحد الوكيلين بدور المحلل، حيث يحدد المعلومات المطلوبة وطريقة دمجها، ويراجع دقة النتائج. أما الوكيل الآخر فيلعب دور المهندس، حيث يجمع معلومات المكونات الإلكترونية من البيانات العامة، بما في ذلك فحص جداول البيانات والبحث عن صور داخلية للأجهزة للحصول على معلومات الرقائق، وتشمل مصادر البيانات قواعد بيانات لجنة الاتصالات الفيدرالية (FCC) ومنشورات iFixit وغيرها من القنوات غير التقليدية. يعمل الوكيلان بشكل دوري حتى يؤكد الوكيل الأول اكتمال المعلومات، ثم يتم الرجوع إلى قواعد بيانات تقييم دورة الحياة لتحويل قائمة المكونات إلى تقديرات للانبعاثات الكربونية.
طور الفريق أيضًا طريقة "أقرب الجيران"، التي تتجاوز جمع البيانات التفصيلية لتقدير البصمة الكربونية بشكل مباشر. بالنسبة للأجهزة الشائعة مثل أجهزة الكمبيوتر المحمولة والهواتف الذكية التي تتوفر عنها تقارير عامة عن البصمة الكربونية، وجدوا أن المنتجات ذات المواصفات المتشابهة مثل حجم الشاشة والمعالج تتقارب في قيمها الكربونية. وبالتالي، يمكن التعبير عن البصمة الكربونية لجهاز غير معروف كمتوسط مرجح لمنتجات مماثلة. تنطبق هذه الطريقة أيضًا على تقدير المواد غير المدرجة في قواعد بيانات تقييم دورة الحياة، مثل البلاستيك المستدام الجديد الذي يمكن تقديره بناءً على بلاستيك ذي خصائص وتركيبات كيميائية مماثلة. في الاختبارات، بلغ متوسط خطأ هذه الطريقة 23%، بينما بلغ متوسط خطأ الخبراء البشريين 143%.
أكد فريق البحث أن النظام يهدف إلى المساعدة في تقليل الانبعاثات الكربونية بشكل عام، لكن تشغيل نموذج الذكاء الاصطناعي نفسه يتطلب طاقة. ولهذا اتخذوا عدة إجراءات لتخفيف الأثر، بما في ذلك استخدام نماذج ذكاء اصطناعي صغيرة تستهلك طاقة أقل من النماذج العامة، وتجنب العمليات الحسابية المتكررة من خلال الاستعلام أولاً عن تقديرات الانبعاثات الموجودة. إذا احتاج النظام بالفعل إلى استدعاء نموذج الذكاء الاصطناعي، فإن الانبعاثات الكربونية الناتجة عن تقدير البصمة الكربونية لجهاز واحد تعادل حاليًا الانبعاثات الناتجة عن تحضير كوب من الشاي. يخطط الفريق للتعاون مع الشركات في المستقبل للمساعدة في أتمتة سير العمل لديهم.
صرح فيكرام آير (Vikram Iyer)، الأستاذ المساعد في كلية بول جي ألين لعلوم الكمبيوتر والهندسة بجامعة واشنطن والمؤلف الرئيسي للدراسة، بأن الناس على استعداد لدفع سعر أعلى مقابل أجهزة أكثر استدامة، لكن المنتجات مثل الهواتف تتكون من مئات الرقائق والمكونات الأخرى، وبيانات انبعاثات الإنتاج لكل مكون غير متاحة للعموم ويصعب الحصول عليها، وقد يستغرق جمعها يدويًا بواسطة الخبراء البشريين أيامًا أو حتى أشهرًا، بينما صمم فريقهم عدة وكلاء ذكاء اصطناعي يعملون معًا لإكمال التقدير في غضون دقيقة. وأوضح تشانغ تشيهان (Zhihan Zhang)، المؤلف الأول وطالب الدكتوراه في كلية ألين، أنهم أجروا مقابلات مع خبراء تقييم دورة الحياة وبنوا نظامًا لمحاكاة عملية التفاعل. تشمل قائمة المؤلفين المشاركين الآخرين: ألكسندر ميتزجر، فيليكس هينلاين، زاكاري إنجلهاردت، شويتاك باتيل (Shwetak Patel) من كلية ألين بجامعة واشنطن؛ يوكسوان مي (Yuxuan Mei) من كلية ويليسلي (كانت طالبة دكتوراه في كلية ألين بجامعة واشنطن أثناء إجراء الدراسة)؛ تينغيو تشنغ (Tingyu Cheng) من جامعة نوتردام؛ غريغوري د. أباوود (Gregory D. Abowd) من جامعة نورث إيسترن؛ وأدريانا شولتز (Adriana Schulz) من جامعة براون (كانت أستاذة مساعدة في كلية ألين بجامعة واشنطن أثناء إجراء الدراسة). تم تمويل هذه الدراسة من قبل جوائز أبحاث أمازون (Amazon Research Awards) والمؤسسة الوطنية للعلوم (National Science Foundation)، وحصل تشانغ على دعم من منحة زمالة جوجل للدكتوراه (Google PhD Fellowship).
تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com
