Artificiële Intelligentie in Cleantech: nood aan ‘quintuple helix’-benadering

Cleantech is niet dé oplossing voor de maatschappelijke uitdagingen, maar onvermijdelijk wel een deel ervan. Om ons uit de huidige energie- en aanverwante crises te leiden, is een versnelde implementatie van innovatieve cleantech-oplossingen een absolute noodzaak en daarbij speelt Artificiële Intelligentie (AI) een belangrijke rol.

Met 3,6% van het BBP dat overheden en het bedrijfsleden investeren in innovatie, staat België in de top vijf van meest innovatieve Europese landen. Om deze plaats te behouden, is het belangrijk om ook over de muur te kijken. Nieuwe ideeën en innovaties volgen immers vaak uit kruisbestuiving tussen technologische domeinen en industriële sectoren. 

Steeds vaker komen ‘enabling technologieën’ en ‘Deeptech’ op de voorgrond. Ze hebben het potentieel om de ontwikkeling, opschaling en implementatie van impactvolle cleantech in de gewenste versnelling te brengen. Zo verwerven Artificiële Intelligentie (AI) en big data, in combinatie en in balans met menselijk vernuft, een steeds belangrijker aandeel in ons dagelijks leven.

De rol van AI in ons leven neemt toe

AI

In 2022 werd bij Ecoo in het Limburgse Beringen een gloednieuw ‘state-of-the-art’ recyclagecentrum in gebruik genomen. Het staat onder andere in voor de recyclage van polyethyleenfolie (PE-folie) en maakt daarvoor gebruik van de nieuwste technologieën: drie hoogtechnologische mechanische recyclagelijnen, een ‘real-time’ monitoringsysteem op basis van AI en een digitaal platform met kwaliteitscontrole voor internationale standaardisatie van r-LDPE (gerecycleerd polyethylene met lage densiteit).

Dit is maar één voorbeeld van hoe AI zijn weg vindt in onze maatschappij. Er zijn heel wat andere toepassingen, zoals het beperken van risico's voor landbouwgrond en opbrengsten, het voorspellen en optimaliseren van energiebelasting op basis van de elektriciteitsvraag, het ontwikkelen van nieuwe biogebaseerde formules ter vervanging van petrochemische materialen en het behouden en bevorderen van de biodiversiteit. In dit rapport komen een aantal mooie voorbeelden uitgebreider aan bod.

Maar wat met het energieverbruik?

AI heeft duidelijk veel potentieel, maar dat mag ons niet blind maken voor de onbeantwoorde uitdagingen en misverstanden. En toch taant de aandacht voor het groeiende energieverbruik van AI-systemen. Recente studies verdelen deze ongelooflijke groei onder in 3 AI-tijdperken. Ze doen dit op basis van de rekenkracht die nodig is om de modellen te trainen:

  • Het pre-‘Deep learning’-tijdperk (voor 2010 - de rekenkracht nodig voor de trainingsfase verdubbelde elke twintig maanden),

  • het ‘Deep learning’-tijdperk (2010-2015 - de rekenkracht voor de trainingsfase verdubbelde ongeveer elke zes maanden),

  • het grootschalige tijdperk (2016-nu - de rekenkracht nodig voor training maakt sprongen van honderd tot duizend maal).

Inspiratie uit de natuur

We laten ons meer en meer inspireren door de natuur in de zoektocht naar een oplossing voor dit probleem. Bij het ontwikkelen van volledig nieuwe hardware-architecturen vinden onderzoekers bijvoorbeeld inspiratie in het menselijke brein. Onlangs demonstreerde imec een versneller die 2900 biljoen handelingen per Joule realiseerde. Dit is tien keer energiezuiniger dan de huidige digitale versnellers. Met dit soort hardware-innovaties zullen we gegevens direct kunnen verwerken in apparaten die gebruik maken van batterijen, zoals drones en voertuigen. 

Het volstaat echter niet om de hardware energiezuinig te maken. Inefficiënte algoritmes kunnen de voordelen van een energiezuinige versneller tenietdoen. Daarom ontwikkelen we energie-efficiënte algoritmen. We zetten ze in voor berekeningen tijdens het gebruik van onze slimme apparaten én om het aantal berekeningen te verminderen tijdens het trainen van AI-algoritmen in datacenters. Ook hiervoor vond men zijn inspiratie bij natuurlijke intelligentie: als je een goede tennisser bent, is het immers een kleine stap om te leren squashen. Zo kunnen we een AI-model ook van het ene domein naar een aangrenzend domein overbrengen.

Na het trainen kunnen we verder ook het aantal berekeningen verminderen via compressiestrategieën. We halen parameters die voor het eindresultaat van minder belang zijn weg met als resultaat een kleiner, sneller en energiezuiniger algoritme met een gelijkaardige accuraatheid.

Deze strategieën leiden tot een sterkere vermindering van het aantal berekeningen, het zijn maar enkele voorbeelden van de technieken om de energie-efficiëntie van onze AI-systemen verder te verbeteren.

Privacy en ethische risico’s

Naast het hoge, inefficiënte energieverbruik kampen de huidige AI-oplossingen ook met mogelijke privacy-problemen en ethische risico’s, en dit zonder een goed wetgevend kader.  Transparantie en openheid tussen de verschillende spelers rond de tafel is essentieel. De discrepantie tussen wat ontwikkelaars creëren, wat overheden willen en wat aan klanten wordt aangeboden, is enorm toegenomen. Dit is voornamelijk te wijten aan de ‘silo-aanpak’ tijdens de ontwikkeling van het systeem en het verborgen karakter van de technologie.

Europa heeft met de nieuwe ‘European AI Act’ die in de volgende jaren zal worden geactiveerd, als eerste een stap gezet richting een broodnodig wetgevend kader. Deze Europese AI-wet wijst verschillende risicocategorieën toe aan AI-toepassingen. Bedrijven kunnen zich nu al informeren over hoe Europa AI transparanter en veiliger wil maken.

Een multidisciplinaire aanpak volgens het Quintuple Helix-innovatiemodel

Reeds van in de ontwerpfase van AI-gebaseerde oplossingen moet multidisciplinair gewerkt worden om de steeds complexere systemen transparanter te maken en om (autonome) beslissingen veilig en energiezuinig te houden. Bijvoorbeeld via het Quintuple Helix-model dat de interactie bevordert tussen de vijf actoren in onze kenniseconomie: onderzoeksteams, bedrijven, overheden, burgers en de natuur.

Hiervoor moeten we nog de juiste taal vinden, want de Babylonische spraakverwarring die vandaag bestaat tussen de vijf spelers, is een groot struikelblok. De onderzoeker spreekt in formules en algoritmen, het bedrijfsleven drukt zich uit in KPI’s, groei en winst, de burger spreekt de taal van rechtvaardigheid, de overheid spreekt in termen van wetten en regels, en de natuur geeft steeds meer alarmsignalen over het onophoudelijk misbruik van ruwe grondstoffen en fossiele brandstoffen. Vooral naar de stem van die laatste wordt vandaag nog te weinig geluisterd.

Quintuple Quest – Focus on Planet


Er is dan ook een nieuwe en belangrijke rol weggelegd voor de AI-vertaler. De AI-vertaler is in de eerste plaats een generalist, met voldoende kennis over elk domein om met zijn sociale vaardigheden het multidisciplinaire debat tussen alle partijen in goede banen te leiden, om zo het AI-systeem van de toekomst meer gebalanceerd af te stemmen op ‘Sustainable Development Goals’.

 

Mieke De Ketelaere
Adj. Professor in Sustainable, Ethical and Trustworthy AI, Vlerick Business School

Mieke De Ketelaere - Adj. Professor in Sustainable, Ethical and Trustworthy AI