Egy, a Nature egyik folyóiratában megjelent, lektorált tanulmány arra a következtetésre jutott, hogy a mesterséges intelligencia (AI) alkalmazása az olaj- és földgázkitermelésben várhatóan növelheti a kitermelést, és ennek következtében sok modellben nettó üvegházhatásúgáz‑kibocsátás‑növekedéshez vezethet. A szerzők szerint az AI tisztaenergia‑hatásai nem feltétlenül ellensúlyozzák a fosszilis szektorban elért termelékenységi javulás miatti többletkibocsátást.
Kik állnak a tanulmány mögött
A tanulmányt Holly Alpine és Will Alpine vezették, akik korábban a Microsoftnál dolgoztak, majd 2024‑ben alapították meg az Enabled Emissions Campaign nonprofit kezdeményezést. A kutatásban a Purdue University kutatói és egy független kutató is közreműködött.
Milyen mechanizmusokról van szó
A tanulmány rámutat: az AI többféleképpen támogatja a fosszilis üzemanyagok kitermelését — például új lelőhelyek felkutatásában, a meglévő mezők hozamának növelésében és fúrások jobb tervezésében. Ugyanakkor az AI javíthatja a megújuló energia üzemeltetését és előrejelzését is. A kutatók azt állítják, hogy a modellezett forgatókönyvek többségében a fosszilis ágazatban elért hatékonysági nyereségek érvényesülnek dominánsan.
Számok és forgatókönyvek
A szerzők modellezése szerint az AI hozzájárulása a kibocsátáshoz nagyjából a globális energiaágazat 2024‑es kibocsátásának 1–5%-ával egyenértékű lehet az általuk vizsgált forgatókönyvekben. Ezen többlet‑kibocsátás mintegy három‑tizenkétszeresére tehető a Nemzetközi Energiaügynökség (IEA) által becsült jelenlegi adatközpont‑kibocsátásnak a tanulmány szerint.
A kutatók 64 különböző forgatókönyvet futtattak le a globális gazdaságot modellező számítógépes rendszerrel, és az eredmények azt mutatták: az egyetlen eset, amikor a modellezett kibocsátások csökkentek, az az volt, ha az AI nem növelte a fosszilis‑üzemanyagok termelékenységét.
Vitapontok és az ipar reakciója
Az American Petroleum Institute (API), az olajipar fő szakmai szervezete, vitatta, hogy több energia és alacsonyabb kibocsátás ellentétes célok lennének. Andrea Woods, az API szóvivője szerint az amerikai olaj‑ és földgázipar „több energiát termel, miközben csökkenti a kibocsátásokat technológiába való beruházásokkal és jobb üzemeltetési gyakorlatokkal”.
Ugyanakkor a tanulmány rámutat, hogy az elmúlt két évben gyorsult az olajipar AI‑fogadása: nagy termelők (például Chevron, ExxonMobil, ADNOC és Aramco) arról számoltak be, hogy az AI segít ígéretes fúrási helyek azonosításában és a meglévő mezők visszanyerésének javításában. Szolgáltatócégek, mint az SLB, Halliburton és Baker Hughes, szintén AI‑eszközöket alkalmaznak a fúrások irányítására és a kutak elhelyezésének optimalizálására.
Elemzők és tanácsadó cégek, köztük a Goldman Sachs és a Wood Mackenzie, azt vetítik előre, hogy az AI csökkentheti a kitermelési költségeket és növelheti a gazdaságilag kinyerhető tartalékokat.
Mit nem modelleztek és milyen korlátok vannak
A tanulmány nem próbálta meg számszerűsíteni az AI lehetséges szerepét olyan áttörő tisztaenergia‑technológiák felgyorsításában, mint az energiafúzió vagy a hosszú idejű energiatárolás. Michael Lazarus, a Stockholm Environment Institute nyugalmazott vezető kutatója, aki tanácsadóként segítette a szerzőket, arra figyelmeztetett, hogy sok optimista forgatókönyv „AI‑álmodozás” kategóriájába esik, és nehéz előre modellezni ilyen áttöréseket.
Következmények és javasolt lépések
A tanulmány szerzői átláthatóságot követelnek: Will Alpine hangsúlyozta, hogy az AI‑hatások nyílt feltárásával lehet csak érdemben megvitatni a szabályozást és a kormányzást. A kutatás eredménye azt sugallja, hogy pusztán a megújuló energia támogatása önmagában nem biztos, hogy elegendő a kibocsátások kívánt csökkentéséhez, ha az AI jelentősen olcsóbbá és jövedelmezőbbé teszi a fosszilis kitermelést.
Összegzés
A Nature‑ban megjelent tanulmány arra hívja fel a figyelmet, hogy az AI mint általános célú technológia mindkét irányba növelheti a gazdasági termelékenységet: tiszta energiában és fosszilis szektorban egyaránt. A kulcskérdés a kutatók szerint az, hogy a társadalom mely alkalmazásokat részesíti előnyben, és milyen szabályozási, átláthatósági intézkedéseket hoz az AI kibocsátásra gyakorolt összhatásának mérséklésére.
