Meld deg på

Arbeidspapir

Hensyn til miljøpåvirkningen av AI i vitenskapen

Denne artikkelen undersøker de miljømessige implikasjonene av å bruke kunstig intelligens (KI) i vitenskapelig forskning. Den fungerer som en innføring for forskere, forskningsinstitusjoner og beslutningstakere innen vitenskap som ønsker å forstå ulike tilnærminger til å håndtere miljøpåvirkningen av KI i vitenskapen. I tillegg gir den veiledning om hvordan reduksjon av miljøkostnader kan bidra til de bredere målene om bærekraft og etisk bruk av KI i forskningsmiljøer.

Artikkelen er en del av en serie på tre innføringer som utforsker ulike tekniske dimensjoner ved AI og dens innvirkning på vitenskapen:

  1. Typer av AI i vitenskap
  2. Hensyn til miljøpåvirkningen av AI i vitenskapen
  3. Data for AI i vitenskap

Selv om bevis for de spesifikke miljøpåvirkningene av AI i vitenskapelig forskning fortsatt er i utvikling, gir artikkelen konseptuelle rammeverk og praktiske verktøy for å vurdere de miljømessige konsekvensene av hele AI-livssyklusen i vitenskapelige prosjekter.

Den første delen introduserer viktige rammeverk for å forstå miljøpåvirkninger på en helhetlig måte.

Den andre delen skisserer en tilnærming for å definere og måle miljøkostnader gjennom hele AI-livssyklusen.

Den tredje delen presenterer konkrete strategier for å redusere det direkte miljøavtrykket til vitenskapelige prosjekter som bruker eller er avhengige av ressurskrevende AI-applikasjoner.

Nøkkelferier

  • Det er begrenset bevissthet og bevis om miljøkostnadene ved bruk av kunstig intelligens (KI) i vitenskapelig forskning. Denne artikkelen tilbyr rammeverk og verktøy som forskere og forskningsinstitusjoner kan vurdere for å vurdere miljøpåvirkningen av forskningen sin som en del av en mer bærekraftig, etisk og ansvarlig bruk av AI i vitenskapen.
  • Å håndtere miljøpåvirkningen av AI krever en flerdimensjonal tilnærming. Forskere og vitenskapsfolk som planlegger å integrere AI i arbeidsflytene sine, må vurdere verktøy i lys av deres vitenskapelige verdi, sosiale rettferdighet og miljøkostnader gjennom hele AI-livssyklusen, med fokus på rebound-effekter og langsiktige konsekvenser.
  • Å ta i bruk mer ressurseffektive AI-modeller har miljømessige og sosiale fordeler. Mindre, lokale og sparsommelige tilnærminger til AI kan forbedre tilgjengelighet, overkommelighet, åpenhet og sosial inkludering rundt bruken av AI, spesielt i mangfoldige og ressursbegrensede forskningssammenhenger.

Hensyn til miljøpåvirkningen av AI i vitenskapen

september 2025

DOI: 10.24948 / 2025.10


Dette arbeidet ble utført med hjelp av et stipend fra International Development Research Centre (IDRC) i Ottawa, Canada. Synspunktene som uttrykkes her representerer ikke nødvendigvis synspunktene til IDRC eller styret.