Κάθε καλοκαίρι η συζήτηση επαναλαμβάνεται: έρχεται καύσωνας, τα κινητά μας γεμίζουν ειδοποιήσεις, οι μετεωρολόγοι μιλούν για «θερμικό θόλο» και όλοι ψάχνουμε τρόπους να δροσιστούμε. Αυτό που λίγοι γνωρίζουν είναι πως πίσω από τις προβλέψεις καιρού, αλλά και πίσω από τις ενεργειακές προκλήσεις που συνοδεύουν τη ραγδαία ανάπτυξη της τεχνητής νοημοσύνης, κρύβεται η ίδια τεχνολογία. Από τη μία, η ΑΙ βοηθά να εντοπίζονται οι καύσωνες πριν ακόμη εκδηλωθούν. Από την άλλη, τα κέντρα δεδομένων που υποστηρίζουν τα μεγάλα μοντέλα τεχνητής νοημοσύνης καταναλώνουν ολοένα και περισσότερη ενέργεια και απαιτούν ισχυρά συστήματα ψύξης, ιδιαίτερα κατά τη διάρκεια ακραίων θερμοκρασιών.
Η ΑΙ ως μετεωρολόγος: γρηγορότερη, αλλά όχι πάντα ακριβέστερη
Ο Ευρωπαϊκός Οργανισμός Μεσοπρόθεσμων Προγνώσεων Καιρού (ECMWF) λειτουργεί πλέον το δικό του σύστημα πρόγνωσης βασισμένο σε βαθιά νευρωνικά δίκτυα, το AIFS, το οποίο τρέχει παράλληλα με το κλασικό φυσικό μοντέλο IFS και σε πολλές περιπτώσεις φτάνει ή ξεπερνά την ακρίβειά του σε μεσοπρόθεσμες προβλέψεις, ενώ βασίζεται σε βαθιά νευρωνικά δίκτυα εκπαιδευμένα σε δεδομένα επανανάλυσης και επιχειρησιακά δεδομένα.
Η ενσωμάτωση αυτή θεωρείται σημαντικό βήμα για τη μετεωρολογία, καθώς η μηχανική μάθηση μπορεί να αξιοποιεί δεκαετίες μετεωρολογικών δεδομένων και να παράγει προβλέψεις πολύ ταχύτερα από τα παραδοσιακά αριθμητικά μοντέλα.
Ωστόσο, η εικόνα δεν είναι απόλυτη. Μελέτες που συνέκριναν μοντέλα ΑΙ με τα κλασικά φυσικά μοντέλα δείχνουν ότι, παρότι οι επιδόσεις τους είναι εξαιρετικές σε πολλές περιπτώσεις, εξακολουθούν να αντιμετωπίζουν δυσκολίες στην ακριβή πρόβλεψη ορισμένων ακραίων γεγονότων, όπως ιδιαίτερα έντονοι καύσωνες ή θερμοκρασιακά ρεκόρ. Με άλλα λόγια, η ΑΙ αποτελεί ένα ισχυρό νέο εργαλείο πρόγνωσης, αλλά δεν αντικαθιστά ακόμη πλήρως τη φυσική μοντελοποίηση της ατμόσφαιρας.
Πόλεις που «διαβάζουν» τη ζέστη γειτονιά προς γειτονιά
Πέρα από τη γενική πρόγνωση καιρού, η ΑΙ έχει αποκτήσει έναν ακόμη πιο εξειδικευμένο ρόλο: να χαρτογραφεί τη ζέστη μέσα στις ίδιες τις πόλεις.
Συνελικτικά νευρωνικά δίκτυα αναλύουν δορυφορικές εικόνες για να εντοπίσουν αστικές θερμικές νησίδες, ενώ μοντέλα όπως τα LSTM και GRU επεξεργάζονται δεδομένα θερμοκρασίας ώρα προς ώρα ώστε να προβλέψουν πώς θα εξελιχθεί ένα κύμα καύσωνα σε πολύ μικρότερη γεωγραφική κλίμακα.
Ερευνητές συνδυάζουν διαφορετικές τεχνικές μηχανικής μάθησης ώστε τα συστήματα έγκαιρης προειδοποίησης να εκτιμούν όχι μόνο πότε θα φτάσει η ζέστη αλλά και ποιες γειτονιές θα επηρεαστούν περισσότερο. Έτσι, οι τοπικές αρχές μπορούν να κατευθύνουν εγκαίρως κινητές μονάδες δροσισμού ή άλλες παρεμβάσεις στα σημεία που έχουν μεγαλύτερη ανάγκη.
Η άλλη όψη της τεχνητής νοημοσύνης
Την ίδια στιγμή όμως, η ίδια η τεχνητή νοημοσύνη δημιουργεί νέες ενεργειακές απαιτήσεις.
Καθώς αυξάνεται η χρήση μοντέλων όπως το ChatGPT, το Gemini και το Claude, επεκτείνονται και τα μεγάλα κέντρα δεδομένων που απαιτούνται για την εκπαίδευση και λειτουργία τους. Τα κέντρα αυτά καταναλώνουν μεγάλες ποσότητες ηλεκτρικής ενέργειας και χρειάζονται ιδιαίτερα ισχυρά συστήματα ψύξης, ειδικά κατά τη διάρκεια των θερινών μηνών.
Ορισμένες πρόσφατες ερευνητικές εργασίες εξετάζουν ακόμη και το ενδεχόμενο τα μεγάλα data centers να επηρεάζουν το μικροκλίμα της περιοχής γύρω από τις εγκαταστάσεις τους, καταγράφοντας τοπικές αυξήσεις της θερμοκρασίας της επιφάνειας. Πρόκειται για πεδίο έρευνας που βρίσκεται ακόμη υπό εξέλιξη και αφορά τοπικές επιδράσεις, όχι τη δημιουργία ή την ενίσχυση των ίδιων των καυσώνων.
Παράλληλα, κατά τη διάρκεια έντονων κυμάτων ζέστης, η λειτουργία των data centers συμπίπτει με τη μέγιστη χρήση κλιματιστικών, αυξάνοντας σημαντικά τη ζήτηση ηλεκτρικής ενέργειας. Στις Ηνωμένες Πολιτείες αλλά και στην Ευρώπη, διαχειριστές ηλεκτρικών δικτύων προειδοποιούν ότι η ολοένα μεγαλύτερη διείσδυση της ΑΙ καθιστά ακόμη σημαντικότερο τον σωστό σχεδιασμό των ενεργειακών υποδομών.
Το ερώτημα που μένει ανοιχτό
Η τεχνητή νοημοσύνη δεν είναι απλώς ένα νέο εργαλείο απέναντι στους καύσωνες. Βοηθά τους επιστήμονες να προβλέπουν τη ζέστη γρηγορότερα, να εντοπίζουν θερμικές νησίδες μέσα στις πόλεις και να οργανώνουν καλύτερα την πολιτική προστασία.
Ταυτόχρονα όμως, η ολοένα μεγαλύτερη υπολογιστική ισχύς που απαιτεί η ανάπτυξη της ΑΙ συνοδεύεται από αυξημένη κατανάλωση ηλεκτρικής ενέργειας και νέες απαιτήσεις για ψύξη των υποδομών.
Το ερώτημα για τα επόμενα χρόνια δεν είναι μόνο πόσο καλά θα προβλέπουμε τους καύσωνες, αλλά και πώς θα αναπτύξουμε την τεχνητή νοημοσύνη με τρόπο ενεργειακά αποδοτικό και περιβαλλοντικά βιώσιμο.