Ukuaji wa AI unabadilisha tasnia ya nishati na sayansi ya mazingira. Katika sekta ya nishati, ujifunzaji wa mashine unatumika kuboresha kila kitu kuanzia utabiri wa nguvu mbadala hadi uhakika wa mtandao.

Wakati huo huo, kuendesha AI yenyewe kunahitaji umeme mwingi. Kwa mfano, vituo vya data (vinavyoendesha huduma za AI) vilitumia takriban 415 TWh mwaka 2024 – sawa na asilimia 1.5 ya umeme wa dunia – na inatarajiwa kuongezeka zaidi ya mara mbili ifikapo 2030.

Kukidhi mahitaji haya kutahitaji vyanzo mbalimbali: IEA inabaini kuwa takriban nusu ya umeme mpya wa vituo vya data utatoka kwa nishati mbadala (na gesi asilia, nyuklia na vingine vikitengeneza sehemu iliyobaki). Asili hii ya pande mbili – AI inahitaji nishati hata inavyosaidia kusimamia nishati – ina maana nishati na teknolojia ziko katika safari ya pamoja.

Matumizi ya AI katika Sekta ya Nishati

AI tayari inabadilisha jinsi tunavyotengeneza, kusambaza na kutumia umeme. Matumizi muhimu ni pamoja na:

• Utahiri na Ujumuishaji wa Nishati Mbadala: Ujifunzaji wa mashine unaweza kuboresha kwa kiasi kikubwa utabiri wa muda mfupi na wa kati wa uzalishaji wa upepo na jua. Kwa kuchambua data kubwa za hali ya hewa na mtandao, AI inarahisisha ujumuishaji wa nishati mbadala isiyotegemea hali moja bila kupoteza nishati nyingi.
  Kwa mfano, ripoti ya IRENA ya 2019 inaonyesha kuwa utabiri unaotegemea AI unaweza kupunguza kukatwa kwa nishati ya jua na upepo. IEA pia inasisitiza kuwa utabiri unaotegemea AI husaidia kusawazisha mitandao yenye uzalishaji uliosambazwa zaidi, “kupunguza kukatwa na utoaji wa gesi chafuzi” wa nishati mbadala.
  Utabiri sahihi unawawezesha waendeshaji kutoa zabuni bora katika masoko ya nishati na kusambaza uzalishaji kwa ufanisi zaidi.
• Uboreshaji na Ustahimilivu wa Mtandao: Mitandao ya umeme ya kisasa ni tata na mara nyingi hupata msongamano wakati wa mahitaji makubwa. AI husaidia kwa kugundua hitilafu moja kwa moja na kusimamia mtiririko.
  Kwa mfano, mifumo ya AI inaweza kubaini haraka hitilafu za vifaa, kupunguza muda wa kukatika kwa 30–50 %. Vihisi mahiri na algoriti za udhibiti vinaweza pia kuongeza uwezo wa uhamishaji wa mistari ya umeme.
  IEA inatarajia kuwa zana za AI zinaweza kufungua hadi 175 GW za uwezo wa ziada wa uhamishaji bila kujenga mistari mipya. Katika “mtandao mahiri” wa kidijitali, AI hujifunza kwa kuendelea mifumo ya mzigo ili kupunguza kilele na kusawazisha usambazaji.
• Ufanisi wa Viwanda na Majengo: AI inatumiwa sana kuboresha matumizi ya nishati katika viwanda, vituo vya kusafisha mafuta, ofisi na nyumba. Katika viwanda, AI huharakisha muundo na kuboresha michakato.
  IEA inaripoti kuwa kutumia AI iliyopo katika matumizi ya nishati viwandani kunaweza kuokoa nishati zaidi kuliko matumizi yote ya mwaka wa Mexico. Katika majengo, AI husimamia joto/kupooza na taa.
  Mifumo ya kudhibiti HVAC inayotegemea AI, ikiwa itatumiwa duniani kote, inaweza kupunguza mahitaji ya umeme kwa takriban 300 TWh kwa mwaka (sawa na uzalishaji wa mwaka wa Australia na New Zealand pamoja). Katika usafiri na usafirishaji, AI huboresha mtiririko wa trafiki na usimamizi wa mizigo: makadirio moja yanaonyesha kuwa upangaji wa njia unaotegemea AI unaweza kuokoa nishati sawa na ile inayotumiwa na magari milioni 120 kwa mwaka, ingawa athari za kurudisha matumizi (kama kuongezeka kwa usafiri) zinapaswa kusimamiwa.
• Uhifadhi wa Nishati na Uendeshaji wa Masoko: AI ni muhimu kwa uhifadhi wa nishati na muundo wa masoko ya umeme. Katika mifumo ya betri, AI hujifunza mifumo ya bei na mahitaji kununua/kuhifadhi umeme wakati wa bei nafuu na kuuza wakati wa bei ya juu.
  Kwa mfano, mradi wa betri wa Hornsdale wa Tesla nchini Australia unatumia “autobidder” wa AI unao kuza mara tano mapato ikilinganishwa na zabuni za binadamu. Katika masoko ya wakati halisi, algoriti za AI zinaweza kufanya biashara ya umeme kwa milisekunde ili kudumisha usawa wa mitandao.
  IRENA inabainisha kuwa mifano ya “AI ya hali ya juu” ni bora kwa kusimamia masoko ya ndani ya siku na mahitaji yanayobadilika.
• Matengenezo na Utabiri: Zaidi ya mtiririko wa nishati, AI husaidia matengenezo ya utabiri. Vihisi kwenye mitambo ya upepo, transformers, na boilers hutoa data kwa mifano ya AI inayotabiri hitilafu kabla hazijatokea.
  Hii hupunguza muda wa kukatika na kuongeza maisha ya vifaa. Katika mafuta na gesi, AI tayari inatambua uvujaji na kutabiri afya ya mabomba. Katika nishati mbadala, AI inaweza kukadiria wakati mtambo wa upepo unahitaji huduma, kuhakikisha muda mrefu wa uendeshaji na kupunguza upotevu wa nishati.

Pamoja, matumizi haya husaidia kupunguza gharama, kuongeza uhakika na kupunguza utoaji wa gesi chafuzi. IEA inabainisha kuwa kutumia AI katika mfumo mzima wa umeme kunaweza kupunguza moja kwa moja utoaji wa gesi – kwa mfano kwa kuboresha ufanisi wa mitambo au kuboresha mchanganyiko wa mafuta – hata AI inavyoongeza mahitaji ya nishati.

Matumizi ya AI katika Uhifadhi wa Mazingira

Nje ya nishati, AI ni chombo chenye nguvu kwa mazingira na sayansi ya hali ya hewa. Inabobea katika kutambua mifumo na kasoro katika data kubwa, na hivyo kuwa muhimu kwa ufuatiliaji, uigaji na usimamizi:

• Uigaji wa Hali ya Hewa na Tabianchi: Mashirika makubwa ya sayansi sasa yanatumia AI kuboresha usahihi wa mifano ya hali ya hewa na tabianchi. Kwa mfano, NASA na IBM walizindua mfano wa AI wa hali ya hewa na tabianchi wa chanzo huria Prithvi, uliopatiwa mafunzo kwa data za kihistoria za miongo mingi.
  Mfano huu unaweza kuongeza azimio la kijiografia la uigaji wa tabianchi (hadi ngazi za mikoa) na kuboresha utabiri wa muda mfupi. Mifano kama hii ya AI inaruhusu utabiri bora wa hali mbaya za hewa na mwelekeo wa tabianchi, ikisaidia kupanga mikakati ya kukabiliana na mabadiliko.
• Ufuatiliaji wa Ukataji Misitu na Ardhi: Satellaiti hutengeneza picha nyingi za Dunia. AI inachambua picha hizi kufuatilia misitu na matumizi ya ardhi.
  Kwa mfano, majukwaa yanayotumia AI yamekuwa yakitumika katika nchi zaidi ya 30 kupima maelfu ya hekta za ukataji misitu na kukadiria kaboni iliyohifadhiwa misituni. Kwa kuendesha uchambuzi wa picha kiotomatiki, AI huwapa wahifadhi wa mazingira ramani za karibu na za wakati halisi za upotevu wa makazi na kusaidia kulenga upandaji miti.
  Mbinu kama hizi pia hufuatilia upanuzi wa miji, kuyeyuka kwa barafu, na mabadiliko mengine ya ardhi yanayoathiri kaboni na bioanuwai.
• Usafishaji wa Bahari na Uchafuzi: AI pia husaidia kupima uchafuzi na kuelekeza usafishaji. Mashirika kama The Ocean Cleanup hutumia kuona kwa mashine kugundua na kupima plastiki zinazotiririka katika maeneo ya mbali ya bahari.
  Kwa kufundisha AI kwa picha za satellaiti na ndege zisizo na rubani, wanatengeneza ramani za kina za uchafuzi ili meli za usafishaji ziweze kuelekeza maeneo yenye uchafuzi mkubwa kwa ufanisi. AI pia hutumika katika maeneo ya taka na vituo vya urejeleaji: mfumo mmoja wa AI wa kampuni mpya ulipitia mabilioni ya vitu vya taka na kubaini tani elfu kadhaa za vifaa vinavyoweza kurejelewa vilivyokuwa vinatupwa.
  Kwenye matukio yote mawili, AI huharakisha kwa kiasi kikubwa michakato ambayo hapo awali ilifanywa kwa mikono au haikufanyika kabisa.
• Maji na Kilimo: Katika usimamizi wa maji, AI hutabiri ukame na mafuriko kwa kuunganisha data za hali ya hewa, udongo na matumizi. Wakulima hutumia zana za “kilimo sahihi” (mara nyingi zinazoendeshwa na AI) kuboresha umwagiliaji na mbolea, kuongeza mazao huku wakipunguza mmomonyoko.
  Wataalamu wa kimataifa wanabainisha kuwa AI inaweza kuharakisha upokeaji wa kilimo endelevu, kupunguza upotevu na kuhifadhi rasilimali. (Kwa mfano, mifumo ya umwagiliaji inayotegemea AI imeonyesha kuokoa hadi asilimia 40 ya matumizi ya maji na nishati.)
• Majibu ya Majanga na Bioanuwai: Huduma za dharura hutumia AI kutabiri kuenea kwa moto wa porini, kuboresha njia za uokoaji, na hata kuratibu usambazaji wa misaada.
  Mifano ya AI inafundishwa kusoma picha za satellaiti kutambua dalili za ukame au milipuko ya wadudu (onyo la mapema kwa wakulima). Uhifadhi wa wanyamapori hutumia AI kutambua wanyama katika video za kamera za mwendo au rekodi za sauti, kusaidia kulinda spishi zilizo hatarini.
  Mfumo wa AI Afrika, kwa mfano, ulijifunza kutabiri mifumo ya hali ya hewa ya mkoa ili kuwaonya vijiji Burundi, Chad na Sudan kuhusu mafuriko au ukame unaokuja.

Matumizi haya yanaonyesha thamani kubwa ya AI: kusindika data tata za mazingira kwa wakati halisi, kutoa maarifa (mfano kuhusu utoaji wa gesi, matumizi ya rasilimali, au mabadiliko ya mifumo ya ikolojia) ambayo binadamu pekee hawawezi kuyashughulikia.
Kama inavyosisitizwa na mpango wa UNESCO AI kwa Sayari, kuunganisha AI na data za dunia kunaweza kuwezesha maamuzi bora – kwa mfano kuunda mifumo ya onyo la mapema kwa hali mbaya za hewa na kuongezeka kwa kiwango cha bahari ili kulinda watu zaidi ya bilioni tatu walio hatarini.

Changamoto na Masuala ya Maadili

Licha ya ahadi zake, AI pia inaleta changamoto muhimu kwa matumizi ya nishati na mazingira:

• Matumizi ya Nishati na Kaboni: Kufundisha na kuendesha mifano ya AI – hasa mifano mikubwa ya lugha (LLMs) – hutumia umeme mwingi. IEA inatabiri kuwa vituo vya data ni miongoni mwa watumiaji wa umeme wanaokua kwa kasi zaidi.
  AI ya kizazi tayari hutumia nguvu sawa na nchi ndogo. Kulingana na UNESCO, kutoa ombi moja la AI kunaweza kutumia ~0.34 Wh (sawa na zaidi ya 300 GWh kwa mwaka duniani kote, sawa na matumizi ya watu milioni 3 kwa mwaka).
  Kama haitasimamiwa, sehemu ya AI katika utoaji wa gesi chafuzi duniani inaweza kuongezeka kutoka ~0.5 % leo hadi 1–1.5 % ifikapo 2035. (Ikilinganishwa, matumizi ya AI katika sekta ya nishati yanaweza kupunguza CO₂ kwa hadi 5 % ifikapo 2035 – faida kubwa zaidi kuliko athari za AI – lakini kufanikisha hili kunahitaji kushinda vizingiti vingi.)
• Matumizi ya Rasilimali: Ujenzi na kupoza vituo vya data kunahitaji malighafi na maji. Kutengeneza kompyuta moja kwa ajili ya AI kunaweza kuhitaji kilo nyingi za madini na metali, na chips maalum hutumia vipengele adimu kama gallium (zaidi ya 99 % ya uchimbaji wa gallium uko China).
  Hii huongeza taka za elektroniki na athari za uchimbaji madini. Vituo vya data pia hutumia maji mengi sana kwa ajili ya kupoza – makadirio moja yanaonyesha kupoza AI kunaweza kutumia zaidi ya mara sita matumizi ya maji ya taifa la Denmark.
  Athari hizi zinahitaji usimamizi makini wa ukuaji wa AI.
• Athari za Kurudisha Matumizi na Usawa: Faida za ufanisi kutoka AI zinaweza kupotea ikiwa watumiaji wataongeza matumizi (mfano usafiri wa bei nafuu au matumizi ya nishati). IEA inatabiri kuwa bila sera madhubuti, faida halisi ya AI kwa hali ya hewa inaweza kudhoofishwa na athari za kurudisha matumizi.
  Zaidi ya hayo, upokeaji wa AI ni tofauti: nchi chache na makampuni tu kwa sasa yana miundombinu na data za kutumia AI kikamilifu. IEA inabainisha kuwa sekta ya nishati haina wataalamu wa AI ikilinganishwa na sekta za teknolojia, na maeneo mengi (hasa Kusini mwa Dunia) hayana vituo vya data vya kutosha.
  Hii inaweza kuongeza pengo la kidijitali ikiwa haitashughulikiwa.
• Masuala ya Maadili na Usimamizi: Zaidi ya kaboni, AI inaleta hatari za kijamii. Uamuzi wa moja kwa moja katika nishati na mazingira lazima uwe wa haki na wazi.
  Faragha (mfano katika mita mahiri), upendeleo katika algoriti, na usalama wa mtandao katika miundombinu muhimu ni masuala makubwa. Wataalamu wanasisitiza haja ya viwango na sera: UNESCO na mashirika ya UN yanahimiza nchi kuanzisha miongozo ya maadili na uendelevu wa AI.
  Kwa mfano, mapendekezo ya maadili ya AI ya UNESCO (2021) yanajumuisha sura kuhusu athari za mazingira. Mifumo ya ushirikiano na kanuni zitakuwa muhimu kuhakikisha zana za AI zinahudumia malengo ya uendelevu bila madhara yasiyotarajiwa.

Mpango wa Kimataifa na Mtazamo wa Baadaye

Serikali na mashirika ya kimataifa yanatambua nafasi ya AI. Idara ya Nishati ya Marekani, kwa mfano, imeanzisha programu za kuboresha mtandao kwa kutumia AI.

Ripoti ya DOE (2024) inaangazia AI katika upangaji wa mtandao, vibali na ustahimilivu, na hata inaona LLMs kusaidia ukaguzi wa serikali. Vivyo hivyo, IEA imetoa uchambuzi wake wa kimataifa (“Nishati na AI”, 2025) kusaidia watunga sera.

Kwa upande wa UN, mpango wa UNESCO AI kwa Umoja wa Sayari (kwa kushirikiana na UNDP, washirika wa teknolojia na NGOs) unalenga kuwekeza na kupanua suluhisho za AI kukabiliana na mabadiliko ya tabianchi. Malengo yake ni pamoja na kubaini matumizi bora ya AI (mfano kufuatilia utoaji wa gesi) na kuunganisha uvumbuzi na ufadhili pamoja na wadau.

Kuangalia mbele, ushawishi wa AI utaongezeka zaidi. Maendeleo kama mifano midogo, yenye ufanisi zaidi inaweza kupunguza kwa kiasi kikubwa athari za AI. 

Wakati huo huo, suluhisho za nishati zinazoendeshwa na AI (kama mitandao mahiri ya nishati mbadala na utabiri wa hali ya hewa unaobadilika) hutoa zana za kukabiliana na mzozo wa tabianchi. Kufanikisha faida hizi kutahitaji utafiti na maendeleo endelevu, kushirikiana kwa wazi kwa data, na sera za uwajibikaji.

Kama vile Jukwaa la Uchumi Duniani linavyosema, AI si suluhisho la kichawi – lakini kwa juhudi za pamoja, inaweza kuwa kichocheo chenye nguvu kwa nishati endelevu na utunzaji wa mazingira.

>>> Jifunze zaidi:

AI katika Tiba na Huduma za Afya

AI katika Kilimo Mahiri

AI inabadilisha mifumo ya nishati na sayansi ya mazingira, ikitoa ufanisi ulioboreshwa na maarifa mapya iea.org science.nasa.gov. Hata hivyo, ukuaji wake wa haraka pia hutumia nishati na rasilimali, kuleta wasiwasi wa uendelevu unesco.org unep.org.

Athari halisi itategemea usimamizi wa mahitaji ya AI na uwezo wake: kutumia AI kupunguza utoaji wa gesi na kulinda mifumo ya ikolojia, huku ikipunguza athari za mazingira za AI yenyewe.

Mikakati ya kimataifa (IEA, UNESCO, DOE, n.k.) inasisitiza kuwa sera, uvumbuzi na ushirikiano wa dunia ni muhimu kuhakikisha AI inakuwa mshirika – si adui – katika mapambano dhidi ya mabadiliko ya tabianchi na katika mabadiliko ya nishati safi iea.org unesco.org.