Искусственный интеллект снижает выбросы CO2

Чат-боты снижают выбросы CO2 при обработке входящих запросов на 40% и энергопотребление на 8%
Внедрение сервисов чат-ботов уже помогают значительно повысить эффективность процессов обработки запросов, связанных с экологией и науками об окружающей среде

Например, согласно методике расчета выбросов CO2, разработанной компанией Hitachi Ltd., использование сервиса чат-ботов привело к снижению выбросов CO2 на 40%. Это снижение является результатом сокращения количества часов, необходимых для обработки запросов от сотрудников, на 60% и снижения энергопотребления ИТ-устройств на 8%. Бернерс-Ли (2020) сообщил, что при обработке электронных писем выделяется различное количество CO2, в диапазоне от 0,03 до 26 г, в зависимости от длины и количества получателей. По оценкам, в 2019 году на электронные письма во всем мире будет приходиться до 150 миллионов тонн CO2e, что составляет около 0,3% мирового выброса углекислого газа. В этом контексте сервисы чат-ботов предлагают более экологичную альтернативу.

Чат-боты способны предоставлять точные и эффективные ответы на запросы, основанные на наборе данных часто задаваемых вопросов, используя язык разметки искусственного интеллекта (AIML) и латентный семантический анализ. Этот сервис чат-ботов может помочь снизить углеродный след организаций, таких как университеты, предприятия и другие, за счет потенциального сокращения потребности в традиционных запросах по электронной почте, при этом предоставляя пользователям приятный интерактивный опыт. По оценкам, выбросы углекислого газа, возникающие в результате использования устройств, Интернета и вспомогательных систем, составляют около 3,7% от общего объема выбросов парниковых газов в мире (Ferreboeuf, 2019).

Несмотря на отсутствие конкретных доказательств, чат-боты считаются более энергоэффективными, чем традиционный поиск в Интернете. Это связано с тем, что чат-боты могут предоставлять персонализированные и точные результаты с меньшими затратами энергии, используя алгоритмы обработки естественного языка и методы машинного обучения для понимания запроса пользователя и извлечения релевантной информации в режиме реального времени, без необходимости многократного поиска или кликов мышью.