“Het berekenen van een zogenoemd NLP-model[1] kost 300 kilogram CO2 uitstoot, dit is te vergelijken met de uitstoot van vijf benzine auto’s over hun gehele levensduur, inclusief hun productie, of 125 retour vluchten van New York naar Beijing.”

Universiteit van Massachusetts

Gemeenten gaan voor maatschappelijk verantwoord ondernemen (MVO), dit gaat om verantwoord omgaan met milieu, mensen en maatschappij. Ook maken gemeenten steeds meer gebruik van kunstmatige intelligentie, zelfstandig of via diensten en producten van andere bedrijven. Werken met data, kunstmatige intelligentie en algoritme vraagt ontzettend veel energie en grondstoffen. Daarnaast heeft het naast privacy ook veel gevolgen voor mensen en de maatschappij.

In een drieluik wordt kunstmatige intelligentie belicht in relatie tot de thema’s milieu, mens en maatschappij. Wat zijn de risico’s en welke maatregelen kan een gemeente treffen?

In dit artikel: kunstmatige intelligentie en milieu.

Gebruik van kunstmatige intelligentie

Op basis van een uitgestuurde enquête van het CBS werd in 2018 al geschat dat de helft van de Nederlandse gemeenten gebruik maakt van algoritmen in hun primaire processen. Naar schatting maken zeker 25 gemeenten gebruik van voorspellende systemen en algoritmen om bijvoorbeeld bijstandsfraude op te sporen, te voorspellen waar mogelijk ondermijnende criminaliteit plaatsvindt en om burgers met schulden op tijd te kunnen helpen. Ook andere digitale technologieën maken gebruik van algoritmen en kunstmatige intelligentie, zoals Internet of Things (IoT), digitale platformen en robotica, die gemeenten weer inzetten om hun maatschappelijke taken uit te voeren en te optimaliseren.

Risico’s

Kunstmatige intelligentie is een enorme machine met een ondoorzichtige leveringsketen over de hele wereld. We moeten af van het idee dat kunstmatige intelligentie alleen databases en algoritmen in de cloud zijn. Er zit een enorm fysieke wereld achter met logistiek, transport en fysieke arbeid. Het rekenwerk en de opslag van data komen tegen kosten die niet alleen economisch zijn:

• Witte lithium kristallen, tegenwoordig bekend als het ‘grijze goud’, worden voornamelijk gebruikt voor herlaadbare batterijen. Deze zitten in onze laptops, IoT apparaten, robotica, smartphones en datacenters back-up power. Gebruikers en gemeenten maken vanuit deze apparaten, via de cloud, gebruik van algoritmen en kunstmatige intelligentie. Het mijnen van lithium en andere grondstoffen gaat regelmatig gepaard met oorlog, hongersnood , vernietiging van de natuur en dood. Landschappen worden verwoest en mensen worden verdreven.
• Het vervolgens berekenen van algoritmen vraagt een enorm computergebruik. De hoofdmaat van deze energie wordt opgewerkt uit gas en kolen. Uit onderzoek uit 2019 van de universiteit van Massachusetts bleek dat het berekenen van een zogenoemd NLP-model 300 kilogram CO2 uitstoot. Dit is te vergelijken met de uitstoot van vijf benzine auto’s over hun gehele levensduur, inclusief hun productie of 125 retour vluchten van New York naar Beijing. De CO2-voetafdruk van de infrastructuur van computerberekeningen is gelijk aan die van de luchtvaartindustrie.
• Apparaten die worden gebruikt om de algoritmen te draaien, informatie te visualiseren, of te verbinden worden veelal gebouwd uit verschillende mineralen en olie. Deze worden ook gemijnd, soms onder erbarmelijke omstandigheden voor mensen, maar altijd met grof geweld voor de omgeving. Het water in de grond of bijliggende bronnen wordt vervuild bij het mijnen van de mineralen en grondstoffen. Een klein percentage van de gemijnde aarde bevat waardevolle zeldzame elementen voor high-tech apparaten, het overgrote gedeelte wordt terug gedumpt, onder andere in water. Dit kan het water bijvoorbeeld vervuilen met ammonium. Tot slot worden grote hoeveelheden water gebruikt om datacenters te koelen, dit water is niet meer beschikbaar voor de inwoners en de natuurlijke omgeving.

Maatregelen

Gemeenten voelen de urgentie om te voldoen aan 49% CO2-reductie in 2030 ten opzichte van 1990. Zij hebben vrijwel unaniem ingestemd met het Klimaatakkoord. De uitdaging is nu om de ambities op het gebied van CO2-reductie te vertalen naar beleid en uitvoering. De VNG helpt gemeenten hierbij met het programma CO2-reductie door gemeenten, dat wordt uitgevoerd met financiering uit de Klimaatenveloppe.

Rondom de directe inzet van kunstmatige intelligentie is het aan gemeenten de taak om een afweging te maken tussen de risico’s tegenover de opbrengsten. Hierbij is het belangrijk om goed geïnformeerd een afweging te maken. Maak gebruik van verantwoorde leveranciers (al is dit in de praktijk moeilijk te doorgronden). Probeer wanneer het mogelijk is met inkoop afspraken te maken over duurzame kunstmatige intelligentie. Daarnaast is het van belang hoe lang de resultaten van waarde zijn voor de organisatie, zorg dat de organisatie geen gebruik maakt van wegwerp oplossingen.

Een aanvullende oplossing is ‘open’ ontwikkelen, door hergebruik van algoritme kan er veel energie bespaard worden. Men kan voortbouwen op ontwikkelde algoritmen, gemeenten kunnen oplossingen uitwisselen door samen te werken of te werken met een beloningssysteem voor het gebruik van elkaars oplossingen.

De volgende keer

De inzet van kunstmatige intelligentie kan een bijdrage leveren aan menselijk welzijn, maar kan ook tot dehumaniserende situaties leiden. Het kan gaan om het gevaar van objectivering of instrumentalisering van mensen…

Bronnen

• Datavakbond. Data-Lokaal
• Gemeente Enschede. Maatschappelijk Verantwoord Ondernemen (MVO)
• Kate Crawford. De atlas van AI, 2021
• Kool, L., J. Timmer, L. Royakkers en R. van Est, Opwaarderen – Borgen van publieke waarden in de digitale samenleving. Den Haag, Rathenau Instituut 2017
• MIT Technology Review. Karen Hao. Training a single AI model can emit as much carbon as five cars in their lifetimes
• NOS. Fraude opsporen of gevaar van discriminatie? Gemeenten gebruiken ‘slimme’ algoritmes
• Sophie Doove en Daniëlle Otten, CBS, Verkennend onderzoek naar het gebruik van algoritmen binnen overheidsorganisaties, 2018.

[1] https://en.wikipedia.org/wiki/Natural_language_processing