Je, AI inakuzaje uendelevu? 

Wakati watu wanauliza jinsi AI inakuza uendelevu, wazo la haraka mara nyingi huruka hadi kwenye maono mazuri: kuboresha minyororo ya usambazaji wa kimataifa mara moja au kutatua kichawi uundaji wa hali ya hewa. Baada ya kufanya kazi ardhini na timu za utengenezaji na vifaa, nimeona kwamba athari halisi ni punjepunje zaidi, mara nyingi ya fujo, na mbali na risasi ya fedha. Dhana potofu ni kwamba AI inafanya kazi katika utupu-haifanyiki. Thamani yake inafunguliwa tu ikiwa imeingizwa kwa undani katika michakato iliyopo, mara nyingi isiyofaa. Haihusu algoriti zenye akili na zaidi kuhusu marekebisho ya vitendo kwa mtiririko wa nyenzo, matumizi ya nishati na mifumo ya upotevu. Acha nitembee katika maeneo machache ambapo hii inachezwa, na ambapo wakati mwingine hujikwaa.

Saruji: Uboreshaji wa Nishati na Rasilimali

Chukua mpangilio wa kawaida wa kiviwanda, kama kiwanda cha kutengeneza vifunga. Mzigo wa nishati sio mara kwa mara; inaongezeka wakati wa kutengeneza au matibabu ya joto. Tulifanya kazi na timu katika kituo cha Hebei—fikiria kundi la viwanda katika Wilaya ya Yongnian—kupeleka miundo rahisi ya kujifunza kwa mashine kwenye data ya kihistoria ya matumizi ya nishati. Lengo halikuwa kuanzisha upya mchakato huo bali kutabiri ongezeko la mahitaji na kufanya shughuli zisizo muhimu. Matokeo yake yalikuwa punguzo la 7-8% la malipo ya kilele cha upakiaji, ambayo hupunguza moja kwa moja alama ya kaboni na gharama. Inaonekana ya kawaida, lakini kwa kiwango, katika mamia ya tanuru na mashinikizo, athari ya mkusanyiko ni kubwa. AI hapa haifikirii; ni utambuzi wa muundo unaotumika kwa mkusanyiko wa data wenye kelele sana, wa ulimwengu halisi.

Ambapo inapata ujanja ni miundombinu ya data. Mimea mingi, hata kubwa hupenda Handan Zitai Fastener Viwanda Co, Ltd., kuwa na mifumo ya urithi ya SCADA na kumbukumbu za mwongozo. Kikwazo cha kwanza ni kupata data safi, iliyowekwa na wakati kutoka kwenye sakafu ya duka. Tulitumia wiki tu kusanidi vitambuzi vya msingi vya IoT ili kulisha modeli-hatua ambayo mara nyingi huwekwa wazi katika masomo ya kifani. Bila hii, mtindo wowote wa AI ni zoezi la kinadharia tu. Tovuti https://www.zitaifasteners.com zinaweza kuonyesha bidhaa zao, lakini faida ya uendelevu hutokea nyuma ya pazia, katika ujumuishaji mdogo wa mitiririko ya data kutoka kwa mashine ambazo hazikuundwa ili kuzungumza na kila mmoja.

Pembe nyingine ni mavuno ya nyenzo. Katika uzalishaji wa kufunga, chuma cha coil kinapigwa na kuundwa. Chakavu hakiepukiki, lakini mifumo ya kuona ya kompyuta inayoendeshwa na AI sasa inaweza kukagua malighafi kwa kasoro kabla ya kugonga, na hata kurekebisha kwa nguvu mifumo ya ukataji ili kupunguza upotevu. Tulijaribu hili na mshirika, na wakati kanuni ilifanya kazi, ROI ilikuwa hasi kwa uendeshaji mdogo wa bechi kwa sababu ya ugumu wa kusanidi. Hii ni nuance muhimu: AI kwa uendelevu haitumiki kwa wote; inadai kiwango fulani na ukomavu wa uendeshaji ili kulipa.

Vifaa na Mtandao Uliofichwa

Usafiri ni mtoaji mkubwa wa kaboni. Hapa, jukumu la AI katika uboreshaji wa njia linajulikana sana, lakini vikwazo vya ulimwengu halisi ndivyo vinavyoifanya kuvutia. Kwa mtengenezaji aliye karibu na Reli ya Beijing-Guangzhou na Barabara Kuu ya Kitaifa 107, kama Zitai, swali si kutafuta njia fupi tu. Ni kuhusu kujumuisha mizigo kiasi, kutabiri ucheleweshaji wa bandari, na hata kujumuisha data ya trafiki ya wakati halisi na hali ya hewa ili kupunguza muda wa kutofanya kazi kwa lori. Tulitekeleza mfumo ambao ulifanya hivi, na uokoaji wa mafuta ulikuwa wastani wa karibu 12%. Hata hivyo, mapendekezo ya mfumo wakati mwingine yalikataliwa na wasafirishaji ambao waliamini uzoefu wao juu ya algoriti—changamoto ya kawaida ya ushirikiano kati ya binadamu na AI.

Zaidi ya njia, kuna uboreshaji wa hesabu. Kuweka hesabu kupita kiasi huunganisha mtaji na nafasi, na mara nyingi husababisha upotevu (haswa kwa viungio vilivyofunikwa au vilivyotibiwa vilivyo na wasiwasi wa maisha ya rafu). Miundo ya ubashiri kwa kutumia data ya mauzo, mitindo ya msimu, na hata viashirio vipana vya kiuchumi vinaweza kukaza viwango vya hesabu. Nakumbuka mradi mmoja ambapo tulipunguza akiba ya usalama kwa 15% bila kuongeza hatari ya kuisha. Lakini mtindo huo haukufaulu sana wakati mabadiliko ya ghafla ya sera ya kikanda yalipovuruga minyororo ya ugavi—haikuwa imefunzwa kuhusu matukio kama haya ya swan. Hii inaangazia kwamba miundo ya AI ni nzuri tu kama data ya kihistoria ambayo wameona; wanapambana na mishtuko ya kimfumo ya riwaya.

Msururu wa ugavi uliopanuliwa ndipo unapopata upana zaidi. AI inaweza kusaidia kuunda vitanzi vya uchumi vya duara. Kwa mfano, kwa kuchanganua data ya mzunguko wa maisha ya bidhaa, inaweza kutabiri wakati kundi la vifunga kutoka kwa shamba lililokatazwa la sola linaweza kupatikana kwa matumizi tena au kuchakatwa, na hivyo kupunguza hitaji la nyenzo mbichi. Hii bado ni changa, lakini miradi ya majaribio katika EU inachunguza hili. Inahamisha uendelevu kutoka kwa ufanisi tu hadi kwa uendeshaji wa rasilimali za kimfumo.

Ufuatiliaji, Kuripoti, na Msukumo wa Uwazi

Uendelevu leo unahitaji kipimo kikali. AI huharakisha sana ufuatiliaji wa mazingira. Badala ya ukaguzi wa kila mwezi wa mwongozo wa uzalishaji au maji machafu, mitandao ya sensorer yenye uchanganuzi wa AI inaweza kutoa data endelevu, ya punjepunje. Tulisaidia kuweka mfumo wa ufuatiliaji wa uzalishaji wa misombo ya kikaboni (VOC) katika warsha ya uwekaji sahani. AI haikupima tu; ilitambua uwiano kati ya bechi mahususi za uzalishaji na spikes za utoaji, kuruhusu marekebisho ya mchakato. Hii inageuza utiifu kutoka kituo cha gharama hadi chanzo cha maarifa ya kiutendaji.

Hata hivyo, kuzalisha data ni jambo moja; kuamini ni jambo lingine. Kuna mvutano unaoendelea kati ya vipimo endelevu vinavyozalishwa na AI na hitaji la rekodi zinazoweza kukaguliwa, zinazoweza kuthibitishwa za mifumo kama vile kuripoti kwa ESG. Je, wasimamizi na wawekezaji wanaweza kuamini muhtasari wa AI wa uhasibu wa kaboni? Tuko katika awamu ambapo AI hushughulikia uondoaji mzito wa uchakachuaji wa data, lakini wataalamu wa kibinadamu bado wanahitajika ili kuthibitisha na kutafsiri. Chombo hicho kina nguvu, lakini hakijabadilisha hitaji la uamuzi wa kitaalam.

Kwa kiwango kikubwa, AI inawezesha ufuatiliaji sahihi zaidi wa alama za kaboni kwenye minyororo changamano ya usambazaji. Kwa kuchambua na kuchanganua data kutoka kwa lango la wasambazaji, maonyesho ya usafirishaji na bili za nishati, inaweza kuunda ramani ya karibu ya wakati halisi. Kwa kampuni kama Zitai, ambayo ni sehemu ya msingi mkubwa wa uzalishaji, mwonekano huu ni muhimu kwa wateja wa chini huko Uropa au Amerika Kaskazini ambao wako chini ya shinikizo la kuripoti uzalishaji wa Scope 3. Inabadilisha uendelevu kutoka kwa ahadi isiyo wazi hadi sehemu inayoweza kupimika, inayosimamiwa ya biashara.

Mitego na Gharama Zilizopuuzwa

Sio yote chanya. Gharama ya hesabu ya mafunzo na kuendesha mifano kubwa ya AI yenyewe ni mzigo wa mazingira. Mradi unaolenga kuokoa nishati katika kiwanda lazima ulinganishe na nishati inayotumiwa na seva za wingu zinazofunza miundo. Katika kazi yetu, tumehamia kutumia miundo bora zaidi, iliyobobea badala ya kujifunza kwa kina kwa kutumia nguvu kwa sababu hii hii. Wakati mwingine, muundo rahisi wa takwimu hukuletea 80% ya manufaa kwa 1% ya gharama ya hesabu. Uendelevu kwa njia ya AI lazima uzingatie alama yake mwenyewe.

Pia kuna hatari ya kuboresha sehemu moja ya mfumo kwa gharama ya nyingine. Wakati fulani tuliboresha ratiba ya uzalishaji kwa ajili ya ufanisi wa nishati, na kupata tu kwamba iliongeza uchakavu wa zana fulani, na hivyo kusababisha uingizwaji wa mara kwa mara na upotevu wa nyenzo zinazohusiana. Mtazamo wa jumla ni muhimu. Uendelevu wa kweli hauhusu upeo wa ndani bali uthabiti wa mfumo mzima na athari ndogo kabisa. Mifumo ya AI inahitaji kuundwa kwa kuzingatia uboreshaji wa malengo mengi, ambayo ni tatizo gumu zaidi.

Hatimaye, kipengele cha binadamu. Utekelezaji wa mabadiliko yanayoendeshwa na AI unahitaji wafanyikazi wenye ujuzi, usimamizi wa mabadiliko, na mara nyingi, mtaji wa mbele. Kwa biashara nyingi ndogo na za kati katika ukanda wa utengenezaji, kipaumbele ni kuishi na kutimiza utaratibu. Hoja ya uendelevu lazima iambatane na manufaa ya kiuchumi ya muda mfupi hadi wa kati. Ndio maana marubani waliofaulu zaidi ambao nimeona wanaanza na matunda ya chini: matengenezo ya kitabiri ili kuzuia wakati wa chini wa gharama na upotevu wa nyenzo, au vidhibiti mahiri vya mwanga/joto ambavyo hulipa chini ya miaka miwili.

Kuangalia Mbele: Kuunganishwa, Sio Kutengwa

Kwa hivyo, AI inakuzaje uendelevu kwa dhati? Sio kupitia AI ya kung'aa, inayojitegemea kwa miradi mizuri. Ni kupitia ujumuishaji wake wa taratibu, mara nyingi usio wa kuvutia, katika rundo la teknolojia ya uendeshaji ya viwanda kama vile viwanda, vifaa na nishati. Inaongeza uendelevu kwa kutengeneza ufanisi wa rasilimali inaweza kupimika na inayoweza kutekelezeka, kwa kufichua vijito vya taka ambavyo hapo awali havikuonekana, na kwa kuwezesha mifumo inayobadilika zaidi na inayoitikia.

Wakati ujao, kwa maoni yangu, upo katika AI iliyoingia. Fikiria mashine ya viwandani ambayo hujirekebisha yenyewe vigezo vyake kwa matumizi ya chini ya nishati huku ikidumisha ubora, au jukwaa la vifaa ambalo huchagua kiotomatiki chaguo la usafirishaji wa kaboni ya chini zaidi ambayo inakidhi gharama na vikwazo vya wakati. Inakuwa kipengele cha kawaida, sio mpango tofauti. Kazi katika maeneo kama vile msingi wa uzalishaji wa Yongnian, pamoja na mtandao mnene wa watengenezaji, ni uwanja mzuri wa majaribio kwa mbinu hizi zilizounganishwa.

Mwishowe, AI ni zana yenye nguvu, lakini ni hiyo-chombo. Mchango wake katika uendelevu unaagizwa na mikono inayoishikilia na matatizo wanayochagua kutatua. Ongezeko hilo linatokana na kuangazia madhubuti, mafanikio ya ziada katika mtiririko wa nyenzo na nishati, kutokana na data ambayo sasa tunaweza kunasa na kuelewa. Ni safari ya kivitendo, iliyojaa majaribio na hitilafu, iliyo mbali na mzunguko wa hype, na hapo ndipo thamani yake halisi ya maisha ya baadaye endelevu inajengwa.