Gépek, amelyek „az életnek tanulnak”

Száz év múlva, ha a gazdaságtörténészek sorra veszik a 21. század első évtizedeinek legfontosabb fejleményeit, akkor – a válságok, a járványok és a háborúk mellett – valószínűleg a fenntarthatósági fordulatot is ki fogják emelni, amelynek során a körkörös gazdaság és a karbonsemlegesség a politikai és a vállalati prioritások közé került. Valószínűleg arról is megemlékeznek majd, milyen speciális problémákkal kellett megbirkózniuk a 20. század felelősen gondolkodó döntéshozóinak. A változásokat ugyanis nem lehet egyik pillanatról a másikra előidézni, különösen nem a társadalom fontos vázát alkotó infrastruktúra terén. Hiszen a meglévő épületállomány döntő hányadának tervezésekor nem a zöldszempontok, hanem inkább a hosszú élettartam volt a legfontosabb, ahogy a villamosenergia-rendszerek is néhány nagy központi – javarészt fosszilis tüzelőanyagot használó – erőmű körüli, centrális struktúraként jöttek létre, ezért nem állnak készen a számtalan kicsi, zöldforrásból származó energiatermelő egység egyidejű kezelésére.

A jövő történészei – reméljük – arról is beszámolnak majd, miként oldotta meg az emberiség ezeket a feladatokat. Még nem tartunk itt, a fenyegető veszélyeket azonban már érzékeljük. Csak egy példát említve a pesszimista forgatókönyvekből: ha a klímaváltozást nem sikerül keretek közé szorítani, az ENSZ becslése szerint 2050-ig 200 millió ember kényszerül majd lakhelye elhagyására.

Az új infrastrukturális beruházásoknak tehát, nem is kérdés, fenntarthatónak kell lenniük. De mit kezdjünk a már meglévő épületeinkkel és hálózatainkkal, amelyek még évtizedekig szolgálni fognak bennünket? Ahhoz, hogy egy korosabb épület – mindenekelőtt annak legtöbb energiát fogyasztó fűtő-légkondicionáló-szellőztető rendszere – fenntartható módon működjön, a digitalizáció kínál megoldást. Szenzorok sokaságát kell felszerelni, az általuk szolgáltatott valós idejű adatok tömegét feldolgozni, és így döntést hozni. Sok szenzor telepítése azonban költséges lehet, ugyanakkor már kevesebb szenzor is olyan mennyiségű adatot küld, amelynek feldolgozása nem is olyan régen még lehetetlennek tűnt. 

 egyrészt képesek az adattömeg valós idejű, „okos” feldolgozására, másrészt heurisztikus módszerek alkalmazásával a hiányos adathalmazokat „szemügyre véve” is képesek felismerni a mintázatokat. Így ha – mondjuk – 100 helyett csak 15 szenzorra van pénzünk, a mesterséges intelligencia akkor is képes energiatakarékos módon vezérelni a rendszereket.

amelyeknek nem csupán a lakossági energiatermelők által a rendszerbe táplált áramot kell fogadniuk, de a kiszolgálási oldalon is új feladatokkal szembesülnek, például az elektromos járművek töltése miatt.

A mesterséges intelligencia megoldást kínál a villamosenergia-hálózatok egy másik problémájára is: a vezetékkel érintkező idegen tárgyak (például faágak) miatti impedanciaváltozások miatt bekövetkező tűzesetekre. Az ilyen eseteket rendkívül nehéz detektálni, de – miként azt a Siemensnél folyó fejlesztés eredményei mutatják – az intelligens rendszerek megtaníthatók, miként ismerjék fel – és előzzék meg – az efféle eseteket akár „mikroszkopikus” zavarok alapján is.

A tűzesetek megelőzésével a mesterséges intelligencia akár életeket is menthet, de persze az sem elhanyagolható, ha a gyenge hatékonysággal menedzselt kereskedelmi ingatlanokban – négyből három ilyen – elpazarolt energia 30 százalékát is képes megmenteni, akár a felkapcsolva felejtett lámpák lekapcsolásával. Nem véletlenül fogalmazunk így: ezek a rendszerek már nem csupán támogatják a döntéseket, de egyszerűbb döntéseket is hozhatnak. Az épületek – ahogy a gyártás is – ideális környezetet biztosítanak a gépi tanuláshoz, gépeink pedig valóban az életnek tanulnak: megszerzett ismereteiket a zöld-, fenntartható, körforgásos gazdaság – vagyis a jövő – érdekében, szinte azonnal hasznosíthatják is.