Pertumbuhan AI sedang membentuk semula industri tenaga dan sains alam sekitar. Dalam sektor tenaga, pembelajaran mesin digunakan untuk mengoptimumkan segala-galanya dari ramalan kuasa boleh diperbaharui hingga kebolehpercayaan grid.
Pada masa yang sama, penggunaan tenaga untuk menggerakkan AI itu sendiri memerlukan elektrik yang besar. Contohnya, pusat data (yang menjalankan perkhidmatan AI) telah menggunakan kira-kira 415 TWh pada tahun 2024 – lebih kurang 1.5 % daripada elektrik global – dan dijangka meningkat lebih dua kali ganda menjelang 2030.
Memenuhi permintaan ini memerlukan sumber yang pelbagai: IEA mendapati kira-kira separuh daripada elektrik pusat data baru akan datang dari tenaga boleh diperbaharui (dengan gas asli, nuklear dan lain-lain melengkapkan baki). Sifat dua hala ini – AI memerlukan tenaga walaupun ia membantu mengurus tenaga – bermakna tenaga dan teknologi berada dalam perjalanan bersama.
Aplikasi AI dalam Sektor Tenaga
AI sudah mengubah cara kita menghasilkan, mengagihkan dan menggunakan tenaga. Aplikasi utama termasuk:
- Ramalan dan Integrasi Tenaga Boleh Diperbaharui: Pembelajaran mesin boleh meningkatkan dengan ketara ramalan jangka pendek dan sederhana bagi output angin dan solar. Dengan menganalisis data meteorologi dan grid yang luas, AI memudahkan integrasi tenaga boleh diperbaharui yang berubah-ubah tanpa membazir tenaga berlebihan.
Contohnya, laporan IRENA 2019 menyatakan bahawa ramalan cuaca dan penjanaan yang dipacu AI boleh mengurangkan pemotongan tenaga solar dan angin. IEA juga menekankan bahawa ramalan berasaskan AI membantu menyeimbangkan grid dengan penjanaan yang lebih teragih, “mengurangkan pemotongan dan pelepasan” tenaga boleh diperbaharui.
Ramalan yang lebih tepat membolehkan pengendali membuat bidaan yang lebih baik di pasaran tenaga dan mengatur penjanaan dengan lebih cekap. - Pengoptimuman dan Ketahanan Grid: Grid tenaga moden adalah kompleks dan sering tertekan oleh permintaan puncak. AI membantu dengan mengesan kerosakan secara automatik dan mengurus aliran.
Contohnya, sistem berasaskan AI boleh mengesan kegagalan peralatan dengan lebih pantas, memendekkan tempoh gangguan sebanyak 30–50 %. Sensor pintar dan algoritma kawalan juga boleh meningkatkan kapasiti berkesan talian penghantaran.
IEA meramalkan bahawa alat AI boleh membuka sehingga 175 GW kapasiti penghantaran tambahan tanpa membina talian baru. Dalam “grid pintar” yang didigitalkan, AI sentiasa mempelajari corak beban untuk mengurangkan puncak dan menyeimbangkan bekalan. - Kecekapan Industri dan Bangunan: AI digunakan secara meluas untuk memperkemas penggunaan tenaga di kilang, loji penapisan, pejabat dan rumah. Dalam industri, AI mempercepat reka bentuk dan mengoptimumkan proses.
Laporan IEA menyatakan bahawa penggunaan AI sedia ada dalam tenaga industri boleh menjimatkan lebih banyak tenaga daripada keseluruhan penggunaan tahunan Mexico. Dalam bangunan, AI mengurus pemanasan/pendinginan dan pencahayaan.
Sistem kawalan HVAC berasaskan AI yang sedia ada, jika diperluaskan secara global, boleh mengurangkan permintaan elektrik sebanyak kira-kira 300 TWh setahun (setanding dengan jumlah penjanaan tahunan gabungan Australia dan New Zealand). Dalam pengangkutan dan mobiliti, AI mengoptimumkan aliran trafik dan logistik: satu anggaran mencadangkan perancangan laluan berasaskan AI boleh menjimatkan tenaga sebanyak yang digunakan oleh 120 juta kereta dalam setahun, walaupun kesan pantulan (seperti pemanduan lebih banyak) perlu dikawal. - Penyimpanan Tenaga dan Operasi Pasaran: AI penting untuk penyimpanan tenaga dan reka bentuk pasaran elektrik. Dalam sistem bateri, AI mempelajari corak harga dan permintaan untuk membeli/menyimpan tenaga apabila murah dan menjual apabila bernilai.
Contohnya, projek bateri Hornsdale Tesla di Australia menggunakan “autobidder” AI yang melipatgandakan hasil berbanding bidaan manusia. Dalam pasaran masa nyata, algoritma AI boleh berdagang tenaga dalam milisaat untuk mengekalkan keseimbangan grid.
IRENA menyatakan bahawa model “AI maju” seperti ini sesuai untuk mengurus pasaran intrahari dan permintaan fleksibel. - Penyelenggaraan dan Ramalan: Selain aliran tenaga, AI membantu penyelenggaraan ramalan. Sensor pada turbin, transformer, dan dandang memberi data kepada model AI yang meramalkan kegagalan sebelum ia berlaku.
Ini mengurangkan masa henti dan memanjangkan hayat peralatan. Dalam minyak dan gas, AI sudah mengesan kebocoran dan meramalkan kesihatan saluran paip. Dalam tenaga boleh diperbaharui, AI boleh menganggarkan bila turbin angin perlu diselenggara, memastikan masa operasi lebih tinggi dengan pembaziran tenaga yang lebih rendah.
Kesemua aplikasi ini membantu mengurangkan kos, meningkatkan kebolehpercayaan dan mengurangkan pelepasan. IEA menyatakan bahawa penggunaan AI di seluruh sistem tenaga boleh terus mengurangkan pelepasan operasi – contohnya dengan meningkatkan kecekapan loji atau mengoptimumkan campuran bahan api – walaupun permintaan tenaga yang dipacu AI meningkat.
Aplikasi AI dalam Pemuliharaan Alam Sekitar
Di luar tenaga, AI adalah alat yang berkuasa untuk alam sekitar dan sains iklim. Ia cemerlang dalam mencari corak dan anomali dalam set data besar, menjadikannya berguna untuk pemantauan, pemodelan dan pengurusan:
- Pemodelan Iklim dan Cuaca: Agensi sains utama kini menggunakan AI untuk menjadikan model cuaca dan iklim lebih tepat. Contohnya, NASA dan IBM telah mengeluarkan model AI cuaca-iklim sumber terbuka Prithvi, yang dilatih menggunakan data sejarah berdekad-dekad.
Model ini boleh meningkatkan resolusi spatial simulasi iklim (hingga skala serantau) dan memperbaiki ramalan jangka pendek. Model AI seperti ini membolehkan ramalan lebih baik mengenai cuaca ekstrem dan tren iklim, secara langsung membantu perancangan adaptasi. - Pemantauan Penebangan Hutan dan Tanah: Satelit menghasilkan petabyte imej Bumi. AI menganalisis imej ini untuk memantau hutan dan penggunaan tanah.
Contohnya, platform berasaskan AI telah digunakan di lebih 30 negara untuk memetakan berjuta-juta hektar penebangan hutan dan menganggarkan karbon yang tersimpan dalam hutan. Dengan mengautomasikan analisis imej, AI memberi peta hampir masa nyata tentang kehilangan habitat dan membantu mensasarkan penanaman semula.
Teknik serupa mengesan pengembangan bandar, pencairan glasier, dan perubahan penutup tanah lain yang mempengaruhi karbon dan biodiversiti. - Pengawalan Lautan dan Pembersihan Pencemaran: AI juga membantu memetakan pencemaran dan membimbing pembersihan. Organisasi seperti The Ocean Cleanup menggunakan penglihatan mesin untuk mengesan dan memetakan plastik terapung di kawasan laut terpencil.
Dengan melatih AI menggunakan imej satelit dan dron, mereka mencipta peta pencemaran terperinci supaya kapal pembersihan boleh mensasarkan kawasan berketumpatan tinggi dengan cekap. AI juga digunakan di tapak pelupusan sampah dan loji kitar semula: satu sistem AI syarikat permulaan mengimbas berbilion item sisa dan mengenal pasti puluhan ribu tan bahan kitar semula yang dibuang.
Dalam kedua-dua kes, AI mempercepatkan proses yang sebelum ini dilakukan secara manual atau tidak dilakukan langsung. - Pengurusan Air dan Pertanian: Dalam pengurusan air, AI meramalkan kemarau dan banjir dengan mengintegrasikan data cuaca, tanah dan penggunaan. Petani menggunakan alat “pertanian tepat” (sering dipacu AI) untuk mengoptimumkan pengairan dan baja, meningkatkan hasil sambil mengurangkan larian air.
Pakar global menyatakan AI boleh mempercepatkan penerimaan pertanian lestari, mengurangkan pembaziran dan memelihara sumber. (Contohnya, sistem pengairan berasaskan AI telah menunjukkan penjimatan sehingga 40 % dalam penggunaan air dan tenaga.) - Tindak Balas Bencana dan Biodiversiti: Perkhidmatan kecemasan menggunakan AI untuk meramalkan penyebaran kebakaran hutan, mengoptimumkan laluan evakuasi, dan mengkoordinasi logistik bantuan.
Model AI sedang dilatih untuk membaca imej satelit bagi tanda-tanda kemarau atau wabak perosak (amaran awal untuk petani). Pemuliharaan hidupan liar menggunakan AI untuk mengenal pasti haiwan dalam rakaman kamera gerak atau audio, membantu melindungi spesies terancam.
Satu sistem AI di Afrika, contohnya, belajar meramalkan corak cuaca serantau untuk memberi amaran kepada kampung di Burundi, Chad dan Sudan tentang banjir atau kemarau yang akan datang.
Aplikasi ini menunjukkan nilai luas AI: memproses data alam sekitar yang kompleks secara masa nyata, menyediakan pandangan (contohnya mengenai pelepasan, penggunaan sumber, atau perubahan ekosistem) yang tidak dapat ditangani manusia sahaja.
Seperti yang ditekankan oleh inisiatif UNESCO AI untuk Planet, gabungan AI dengan data global boleh memperkasakan keputusan lebih baik – contohnya mencipta sistem amaran awal untuk cuaca buruk dan kenaikan paras laut bagi melindungi lebih tiga bilion orang yang terdedah.
Cabaran dan Pertimbangan Etika
Walaupun menjanjikan, AI juga menimbulkan cabaran penting untuk penggunaan tenaga dan alam sekitar:
- Jejak Tenaga dan Karbon: Latihan dan operasi model AI – terutamanya model bahasa besar (LLM) – menggunakan banyak elektrik. IEA memberi amaran bahawa pusat data adalah antara pengguna elektrik yang berkembang paling pesat.
AI generatif sudah menggunakan beban kuasa yang setanding dengan sebuah negara kecil. Menurut UNESCO, satu permintaan AI boleh menggunakan ~0.34 Wh (bermakna lebih 300 GWh setahun secara global, setara dengan penggunaan tahunan kira-kira 3 juta orang).
Jika tidak dikawal, bahagian AI dalam pelepasan global boleh meningkat dari ~0.5 % hari ini ke 1–1.5 % menjelang 2035. (Sebaliknya, aplikasi AI dalam penggunaan akhir boleh mengurangkan CO₂ sektor tenaga sehingga 5 % menjelang 2035 – manfaat jauh lebih besar daripada jejak AI – tetapi memerlukan mengatasi banyak halangan.) - Penggunaan Sumber: Pembinaan dan penyejukan pusat data memerlukan bahan mentah dan air. Penghasilan satu komputer untuk AI boleh memerlukan ratusan kilogram mineral dan logam, dan cip khusus menggunakan elemen jarang seperti galium (lebih 99 % penapisan galium berlaku di China).
Ini menambah kepada sisa elektronik dan kesan perlombongan. Pusat data juga menggunakan jumlah air yang besar untuk penyejukan – satu anggaran mencadangkan penyejukan berkaitan AI boleh menggunakan lebih enam kali ganda penggunaan air nasional Denmark.
Kesan sebegini bermakna kita mesti mengurus pertumbuhan AI dengan berhati-hati. - Kesan Pantulan dan Kesaksamaan: Penjimatan kecekapan dari AI boleh terjejas jika pengguna meningkatkan penggunaan (contohnya perjalanan atau penggunaan tenaga yang lebih murah). IEA memberi amaran bahawa tanpa dasar yang berhati-hati, manfaat iklim bersih AI mungkin terjejas oleh kesan pantulan.
Selain itu, penerimaan AI tidak sekata: hanya beberapa negara dan syarikat kini mempunyai infrastruktur dan data untuk memanfaatkan AI sepenuhnya. IEA menyatakan sektor tenaga kekurangan kepakaran AI berbanding industri teknologi, dan banyak wilayah (terutamanya di Selatan Global) mempunyai pusat data yang terhad.
Ini boleh memburukkan jurang digital jika tidak ditangani. - Isu Etika dan Tadbir Urus: Selain karbon, AI membawa risiko sosial. Keputusan automatik dalam tenaga dan alam sekitar mesti adil dan telus.
Privasi (contohnya dalam meter pintar), bias dalam algoritma, dan keselamatan siber dalam infrastruktur kritikal adalah kebimbangan serius. Pakar menekankan keperluan untuk standard dan dasar: inisiatif UNESCO dan PBB menggalakkan negara mengamalkan garis panduan etika dan kelestarian AI.
Contohnya, cadangan etika AI UNESCO (2021) termasuk bab mengenai impak alam sekitar. Rangka kerja kolaboratif dan peraturan akan penting untuk memastikan alat AI benar-benar menyokong matlamat kelestarian tanpa kesan buruk yang tidak diingini.
Inisiatif Global dan Pandangan Masa Depan
Kerajaan dan badan antarabangsa mengiktiraf peranan AI. Contohnya, Jabatan Tenaga AS telah melancarkan program untuk memodenkan grid dengan AI.
Laporan DOE (2024) menyorot AI dalam perancangan grid, permit dan ketahanan, malah membayangkan LLM membantu semakan persekutuan. Begitu juga, IEA telah menerbitkan analisis global sendiri (“Tenaga dan AI”, 2025) untuk membimbing pembuat dasar.
Di pihak PBB, Perikatan AI untuk Planet UNESCO (bersama UNDP, rakan teknologi dan NGO) berusaha mengutamakan dan mengembangkan penyelesaian AI untuk perubahan iklim. Matlamatnya termasuk mengenal pasti kes penggunaan AI utama (contohnya pengesanan pelepasan) dan menghubungkan inovasi dengan pembiayaan dan pihak berkepentingan.
Melihat ke hadapan, pengaruh AI akan terus berkembang. Kemajuan seperti model yang lebih kecil dan cekap boleh mengurangkan jejak AI dengan ketara.
Pada masa sama, penyelesaian tenaga berasaskan AI (seperti grid tenaga boleh diperbaharui pintar dan ramalan iklim adaptif) menawarkan alat untuk menangani krisis iklim. Merealisasikan manfaat ini memerlukan R&D berterusan, perkongsian data terbuka, dan dasar bertanggungjawab.
Seperti yang dinyatakan oleh Forum Ekonomi Dunia, AI bukanlah penyelesaian ajaib – tetapi dengan usaha bersama, ia boleh menjadi pemecut berkuasa untuk tenaga lestari dan pemuliharaan alam sekitar.
>>> Ketahui lebih lanjut:
AI dalam Perubatan dan Penjagaan Kesihatan
AI sedang merevolusikan sistem tenaga dan sains alam sekitar, menawarkan kecekapan yang lebih baik dan pandangan baru iea.org science.nasa.gov. Namun, pertumbuhannya yang pesat juga menggunakan tenaga dan sumber, menimbulkan kebimbangan kelestarian unesco.org unep.org.
Impak bersih akan bergantung pada pengurusan permintaan AI dan potensinya: menggunakan AI untuk mengurangkan pelepasan dan melindungi ekosistem, sambil meminimumkan jejak alam sekitar AI itu sendiri.
Inisiatif antarabangsa (IEA, UNESCO, DOE, dan lain-lain) menekankan bahawa dasar, inovasi dan kerjasama global adalah penting untuk memastikan AI menjadi sekutu – bukan lawan – dalam perjuangan menentang perubahan iklim dan peralihan ke tenaga bersih iea.org unesco.org.
