気候関連テクノロジーのスタートアップが生成 AI を活用して気候危機に対処する方法

生成人工知能 (AI) は、オリジナルのテキスト、画像、動画、音楽を生成し、魔法のようにも、賢いコラボレーターのようにも見えます。驚異的なチャット機能と魅力的な画像作成で世界の注目を集めています。しかし、生成 AI はクリエイティブなコラボレーターやチャットボット以上のものになる可能性があります。AWS では、世界でも極めて困難な問題のいくつかを解決するために人間や企業がテクノロジーを利用する方法を、生成 AI が変革しているのを目の当たりにしています。

気候危機ほど緊急を要する問題はほとんどありません。世界は、気候変動の影響が不可逆的になる前に、地球温暖化を摂氏 2 度まで抑制するため、2050 年までに二酸化炭素排出量のネットゼロを達成することに競って取り組んでいます。気候危機に対処するにはスピードが重要です。生成 AI はまだ新しい分野ですが、既に気候ソリューションの構築とデプロイを加速する重要なツールになりつつあります。

気候危機を食い止めるための競争の最前線にいる気候テックスタートアップを数社ご紹介します。これらのスタートアップは、温室効果ガス排出量を削減し、世界がゼロカーボン経済に移行できるようにすることで気候変動と闘うために、生成 AI を利用しています。

BrainBox AI: 生成 AI を通じて建物の脱炭素化を加速

国際エネルギー機関 (IEA) によると、世界のエネルギー消費量の 30%、エネルギー関連排出量の 26% が建物によるものです。地球規模で排出量のネットゼロを達成するには、建物のエネルギー使用量を削減することが重要です。

BrainBox AI は、商業ビルを脱炭素化および最適化するための自律型 AI を開発しました。これは、お客様の光熱費も低く抑えます。AWS 上に構築されたクラウドベースの最適化ソリューションは、建物の既存の HVAC (暖房、換気、空調) システムに接続し、リアルタイムに最適化された制御コマンドを自律的に送信して、人間の介入なしに排出量とエネルギー消費を最小限に抑えます。

例えば、BrainBox AI は、天候やエネルギー料金体系などの履歴データや外部データセットに基づいて小売店の温度を予測することで、建物の所有者が HVAC エネルギーコストを最大 25 % 削減し、HVAC 関連の温室効果ガス排出量を最大 40 % 削減するのに役立ちました。

BrainBox AI は、新しい建物をシステムに追加する際に、生成 AI を利用して新しい建物ごとのオンボーディング時間を短縮します。以前は、建物内でポンプやエアハンドリングユニットなどの新しい機器が識別されるたびに、エンジニアはメーカーから発行された複雑な技術マニュアルを読み、ポンプの定格出力や生成する圧力などの詳細を確認して、最終的にはその情報を機械が読み取れる形式に変換する必要がありました。

Amazon Bedrock を利用して、BrainBox AI はデータを抽出し、設定ファイルを自動的に生成します。その後、これらのファイルはエンジニアによって完成および修正されます。このプロセスはパワータグ付けとして知られています。BrainBox AI は、Amazon Bedrock を利用することで、パワータグ付けにかかる時間を 90% 超短縮できると推定しています。その結果、BrainBox AI はより多くのお客様をより迅速にオンボーディングできるようになり、気候危機に対してより大きく、より迅速に影響をもたらすことができます。

Pendulum: 生成 AI を使用したサプライチェーンの脱炭素化

Pendulum は、組織が少ないリソースからより多くの価値を生み出す方法という、世界でも極めて差し迫った問題の 1 つに対処するために、AI の力を活用しています。同社のテクノロジーは、商業サプライチェーン、グローバルヘルス、国家安全保障などの分野における複雑な問題に対する持続可能なソリューションを提供します。

二酸化炭素排出量を削減するには、サプライチェーンの最適化が不可欠です。Accenture は、世界中のすべての炭素排出量の 60% がサプライチェーンから発生していると推定しています。U.S. Environmental Protection Agency によると、企業の温室効果ガスの排出量の 90% 超がサプライチェーンによるものである可能性があります。今日のサプライチェーンがどのように機能しているか (または機能していないのか) を見ることで、無駄なリソースと資本の範囲について驚くべきことを知ることができます。例えば、毎年、推定 5,620 億 USD が過剰在庫で失われており、食品の 17%、小売および消費者向けパッケージ商品の 8% が廃棄されています。

Pendulum の AI を活用したソリューションにより、組織は業務をインテリジェントに管理し、製品の無駄、収益の損失、温室効果ガスの過剰排出を削減できます。AWS 上に構築された Pendulum のソフトウェアは、需要を予測し、供給を計画できるほか、出荷の位置を特定することもできます。これにより、企業は顧客が要求する正確な量の商品を生産しながら、必要なリソースをより正確に購入できるようになります。

企業データへのアクセスは、Pendulum プラットフォームにとって重要です。しかし、データはサイロ化されたシステムや、PDF およびプレーンテキストファイルなどの非構造化ドキュメントに保持されることがよくあります。Pendulum のソフトウェアは、運用上の意思決定に極めて高い関連性を有するデータソースを活用するように設計されています。同社は生成 AI をデプロイして、長く複雑な文書に含まれる重要な情報を迅速に利用できるようにして、お客様にとっての価値実現までの時間を短縮できるようにしています。

これが効果的にデプロイされている一例は、精密農業です。Pendulum のチームは、Amazon SageMaker で Human-in-the-Loop アプローチを使用して、AWS Trainium 上の大規模言語モデル (LLM) をインストラクションチューニングします。これにより、お客様の農業機械が農薬、水、他の製品の使用量を決定するために使用できる非構造化ファイルから、機械が読み取ることのできるデータが生成されます。その結果、お客様はリソースを過剰に使用したり、過剰に注文したりする可能性が低くなり、コストを削減して、二酸化炭素排出量や環境への影響を削減できます。さらに、お客様はプラントのニーズ、地域の規制、他の重要な基準を遵守することができます。

Pendulum は、このソリューションにより、これらのドキュメントのデコードに必要な時間が 83% 短縮され、品質保証のためにデータを確認するだけで済むようになったと推定しています。これにより、大規模にコストが削減され、ソフトウェアのデプロイが加速されます。

VIA: 生成 AI を使用して建物管理者がエネルギー効率を理解しやすくする

排出量の削減を実現するために、機関や企業は地域および個人レベルでエネルギーデータを追跡する必要があります。例えば、電気自動車 (EV) のフリートに関連する二酸化炭素排出量を削減するために、企業は、特定の地域、特定の時間に EV が再生可能エネルギーと化石燃料のいずれで充電されているかを理解することが重要です。エネルギー効率の高い建物には、組織の不動産ポートフォリオ全体にわたる詳細な個別データが不可欠です。誰もが高い透明性をもってすべてのデータを提供すれば、これは問題にはならないでしょう。しかし、プライバシーの問題やセキュリティ上の懸念により、個人レベルのデータにアクセスできないことがよくあります。多くの個人は、自らの車両の充電/放電/エネルギーデータの時刻、日付、場所を提供することに消極的です。このことは、エネルギー管理と温室効果ガスの削減を困難なものとしています。

Via Science, Inc. (VIA) は、組織が個人データのプライバシーと安全性を保ちながら、1 つの集団として二酸化炭素排出量を削減することを可能にします。同社は、U.S. Department of Energy によってテストおよび検証されたゼロ知識証明を使用して持続可能性データを提供します。これにより、規制やプライバシーの障壁により詳細な情報を共有できない場合でも、組織や企業はデータを追跡し、持続可能性の目標を達成できます。

VIA は当初、米国空軍のためのソリューションを開発しました。米国空軍は厳格なデータプライバシー要件を満たす必要があります。これらの要件は、建物管理チームやエネルギー管理チームが必要とする重要なデータにアクセスすることを禁じていることがよくあります。VIA の分散型ソフトウェアソリューションを利用することで、航空隊員と許可された請負業者はデータを共有することなく生成 AI モデルを使用できます。モデルのトレーニングにプライベートデータが使用されたり、プロンプトでモデルに送信されたりすることはありません。代わりに、ユーザーが「HVAC システムの状態が 60 未満である XYZ 空軍基地の建物をすべて表示してください」というようなプロンプトを入力すると、LLM は「あなたが求めていることは理解しています。私はデータにアクセスできないので、ローカルデータベースからデータを取得するために実行できる SQL クエリを生成します。データを表示するために実行できるフロントエンドコードもお送りします」と応答します。その後、これらの 2 つのコードはユーザーに送り返され、SLAM AI というツールが自動的に実行されて、ローカルでデータが視覚化されます。

さらにエネルギーを節約し、コンピューティングコストを削減するために、VIA は CPU 上で実行されるコンパクトなオープンソース LLM を使用します。LLM のパフォーマンスが急速に進化しているため、同社は新しいモデルを継続的に評価しています。Amazon Elastic Kubernetes Service (EKS) を活用して、シームレスにホットスワップモデルを作成し、より効率的なモデルが利用可能になったときに統合できます。

生成 AI と気候テックの次

BrainBox AI、Pendulum、VIA は、気候危機に対処するためのエキサイティングな方法で AWS での生成 AI を使用しています。これらは、非構造化データから重要な要素を抽出し、新しいコンテンツを生成する生成 AI の機能を利用します。これにより、これらの企業はより迅速にお客様にサービスを提供し、より多くのお客様にサービスを提供して、温室効果ガスの排出量を削減できます。また、これらの企業とそのお客様のコストも削減されます。

当社は、気候テックのスタートアップが、AWS で生成 AI を利用して気候危機に対処するための新たな方法をさらに見つけることを期待しています。ここでは、気候テックに適用できると考えられる他の業界の事例をいくつかご紹介します。

予測モデルトレーニング用の合成データを生成するための、生成 AI を使用したデータ拡張

生成 Al は、現実世界の直接的な観察から取得されるのではなく、生成されるデータのクラスである合成データを作成できます。これは、地下の岩石形成データが入手困難な地熱または炭素隔離のための地下モデリングに役立つ可能性があります。低炭素輸送分野のスタートアップは、生成 AI を使用して新しい車両をテストするシナリオを作成することもできます。また、気候テックのハードテックの製造にも役立つ可能性があります。合成画像データの作成は、錆や亀裂のある機器 (コンプレッサーやタービンなど) の画像を作成するために利用できます。これらの画像は、コストを削減し、運用上のダウンタイムを最小限に抑える上で重要な役割を果たす予知保全のためのビジョンベースの機械学習 (ML) モデルのトレーニングに使用できます。

生成 AI を使用して気候テックの製造効率を高める

機械の使用状況やメンテナンスのログなどの履歴データに基づいてトレーニングされたモデルを使用することで、生成 AI は、温度、振動、稼働時間などのさまざまな要因間のパターンや関係を特定できます。これにより、システムは機器の故障の可能性を予測し、そのパターンを品質エンジニア、メンテナンスエンジニア、オペレーターなどの適切なステークホルダーにプロアクティブに伝えることができます。メンテナンスの必要性をプロアクティブに伝えることで、ダウンタイムが短縮され、製造の中断が最小限に抑えられます。

生成 AI を使用して持続可能な農業と食料生産のための新しいタンパク質配列を設計および合成する

生成 AI は、細胞内で特定の機能を実行することを可能にするタンパク質の折りたたみ構造を予測できます。これにより、研究者はガイダンスを得ながら、機能性タンパク質やさまざまな分子を生成できるようになります。さらに、生成 AI により、科学者は既知のタンパク質配列の構造を正確に定義して、分子/生物学的標的を特定することができます。

気候テックのスタートアップが生成 AI を使用して地球温暖化に対処できる方法は他にもたくさんあるでしょう。このブログ記事がアイデアを喚起し、気候テックの創業者が刺激的な新しい方法で生成 AI を使用することについてのインスピレーションを得られるよう願っています。

生成 AI ワークロードは大量のエネルギーとクラウドリソースを消費する可能性があるため、すべてのワークロードと同様に、環境への影響を考慮することが不可欠です。このテクノロジーを持続的に利用することは私たちの共同責任です。Amazon は 2040 年までにネットゼロカーボンを達成することに取り組んでいます。この取り組みの一環として、Amazon は 2025 年までに AWS データセンターを含め、事業運営に必要な電力を 100% 再生可能エネルギーで賄う計画を進めています。これにより、Amazon は直近 4 年間にわたって、再生可能エネルギーの世界最大の企業購入者となりました。AWS は、企業が環境の持続可能性のために生成 AI ワークロードを最適化するのをサポートするためのガイダンスを提供します。また、これらの企業が生成 AI の使用の影響と、組織の全体的な持続可能性の目標に対する自らの貢献を測定することも重要です。