ساختمان‌ها سهمی قابل توجه در مصرف انرژی جهانی دارند؛ بر اساس گزارش آژانس بین‌المللی انرژی، ۱۸ درصد از کل انرژی مصرفی دنیا مربوط به گرمایش و روشنایی ساختمان‌ها است. یکی از دلایل اصلی این هدررفت، قدیمی بودن سیستم‌های تهویه مطبوع (HVAC) و واکنش کند آنها به تغییرات آب و هوایی است که می‌تواند منجر به اتلاف شدید انرژی شود. با این حال، امیدهایی وجود دارد که هوش مصنوعی (AI) بتواند این چالش را برطرف کند.
هوش مصنوعی: راهکاری برای بهره‌وری یا عامل افزایش مصرف؟
در حالی که بسیاری از دانشمندان و متخصصان فناوری به پتانسیل هوش مصنوعی در حل مشکل مصرف بالای انرژی در ساختمان‌ها امیدوارند، بحث‌هایی نیز در مورد مصرف انرژی خود هوش مصنوعی در جریان است. برای مثال، مایکروسافت اذعان کرده که توسعه هوش مصنوعی‌اش، اهداف اقلیمی این شرکت را با چالش مواجه کرده است. با این وجود، کارشناسان دیگری معتقدند که هوش مصنوعی می‌تواند با افزایش کارایی انرژی در ساختمان‌های بزرگ، بخشی از راه حل باشد. یک مطالعه در سال ۲۰۲۴ تخمین می‌زند که هوش مصنوعی می‌تواند به ساختمان‌ها کمک کند تا مصرف انرژی و انتشار کربن خود را حداقل ۸ درصد کاهش دهند. تلاش‌های اولیه برای مدرن‌سازی سیستم‌های HVAC با هوش مصنوعی نیز نتایج دلگرم‌کننده‌ای را نشان داده است.
نان ژو، دانشمند ارشد آزمایشگاه ملی لارنس برکلی و یکی از نویسندگان این مطالعه، می‌گوید: “تا به امروز، ما بیشتر از هوش مصنوعی برای راحتی خود یا برای کار استفاده کرده‌ایم. اما من فکر می‌کنم هوش مصنوعی پتانسیل بسیار بیشتری در کارآمدتر و کم‌کربن‌تر کردن ساختمان‌ها دارد.”
تجربه‌ای موفق از منهتن: بهینه‌سازی هوشمند دما در یک ساختمان اداری
یک نمونه برجسته از به‌کارگیری هوش مصنوعی برای بهینه‌سازی مصرف انرژی، یک ساختمان اداری ۳۲ طبقه است که در سال ۱۹۸۳ در مرکز شهر منهتن ساخته شد. آوی شرون، معاون اجرایی شرکت بین‌المللی کمبیز (Cammeby’s International) که مالک این ساختمان است، توضیح می‌دهد که برای سال‌ها، دمای ساختمان با ترموستات‌های ساده تنظیم می‌شد که این امر به ناکارآمدی و اتلاف انرژی می‌انجامید. شرون می‌گوید: “هیچ درک پیشرفته‌ای از وضعیت آب و هوا یا منطقی برای تنظیم دما وجود نداشت.”
در سال ۲۰۱۹، شهر نیویورک قانون محلی ۹۷ را تصویب کرد که الزامات سختگیرانه‌ای را برای انتشار گازهای گلخانه‌ای ساختمان‌های اداری تعیین می‌کرد. برای رعایت این قانون، شرون یک سیستم هوش مصنوعی را از استارتاپ BrainBox AI سفارش داد. این سیستم با دریافت اطلاعات لحظه‌ای از حسگرهای ساختمان – شامل دما، رطوبت، زاویه تابش خورشید، سرعت باد و الگوهای حضور افراد – در مورد نحوه تنظیم دمای ساختمان تصمیم‌گیری می‌کند.
سم رامادوری، مدیرعامل BrainBox AI، اشاره می‌کند که ساختمان‌های بزرگ معمولاً هزاران قطعه تجهیزات گرمایش و تهویه هوا دارند که باید به طور همزمان کار کنند. او توضیح می‌دهد: “با این فناوری، ما با داشتن اطلاعاتی از آینده، هر پنج دقیقه هزاران دستورالعمل را به هر پمپ، فن، موتور و دریچه کوچک در سراسر ساختمان ارسال می‌کنیم تا با استفاده از انرژی کمتر، به پیش‌بینی‌های آتی رسیدگی کنیم.” برای مثال، اگر سیستم هوش مصنوعی در ساختمان خیابان ۴۵ برادوی پیش‌بینی کند که یک جبهه هوای سرد در ساعات آینده فرا می‌رسد، به تدریج شروع به گرم کردن ساختمان می‌کند. یا اگر حسگرهای گرمای محیطی تشخیص دهند که خورشید از یک سمت ساختمان شروع به تابیدن کرده است، شیرهای حرارتی را در آن مناطق می‌بندد.
پس از ۱۱ ماه استفاده از BrainBox AI، این ساختمان ۱۵.۸ درصد کاهش در مصرف انرژی مربوط به تجهیزات گرمایش و تهویه هوای خود را گزارش کرد. این میزان معادل بیش از ۴۲ هزار دلار صرفه‌جویی و ۳۷ تُن کاهش انتشار دی‌اکسید کربن است. شرون همچنین افزود که ساکنین ساختمان به دلیل پاسخگویی پیشگیرانه تجهیزات به تغییرات دما، راحت‌تر هستند و نصب این سیستم نیز تنها به ادغام نرم‌افزاری نیاز داشته و ساده بود.
سیستم هوش مصنوعی مستقل BrainBox اکنون تجهیزات گرمایش و تهویه هوا را در ۴۰۰۰ ساختمان در سراسر جهان، از فروشگاه‌ها گرفته تا فرودگاه‌ها، مدیریت می‌کند. این شرکت همچنین یک دستیار مولد مبتنی بر هوش مصنوعی به نام Aria ایجاد کرده است که به مدیران تأسیسات ساختمان امکان می‌دهد تجهیزات گرمایش و تهویه هوا را از طریق متن یا صدا کنترل کنند. انتظار می‌رود Aria در اوایل سال ۲۰۲۵ به طور گسترده در دسترس قرار گیرد.
پتانسیل گسترده‌تر هوش مصنوعی در ساختمان‌ها و شبکه‌های برق
مطالعات علمی نیز پتانسیل هوش مصنوعی را در این حوزه تأیید می‌کنند. ژو و همکارانش، چائو دینگ، جینگ کی و مارک لوین از آزمایشگاه ملی لارنس برکلی در کالیفرنیا، سال‌ها پیش از اینکه چت‌جی‌پی‌تی مورد توجه عموم قرار گیرد، شروع به مطالعه تأثیرات بالقوه هوش مصنوعی بر بهره‌وری در ساختمان‌ها کردند. آنها در مقاله‌ای که امسال منتشر کردند، استدلال می‌کنند که ادغام هوش مصنوعی و سیستم‌های HVAC می‌تواند منجر به کاهش ۸ تا ۱۹ درصدی مصرف انرژی و انتشار کربن شود. این مقاله همچنین بیان می‌کند که هوش مصنوعی می‌تواند به کاهش ردپای کربن یک ساختمان در هر مرحله از چرخه عمر آن، از طراحی و ساخت و ساز گرفته تا بهره‌برداری و نگهداری، کمک کند. این فناوری حتی قادر است پیش‌بینی کند که چه زمانی اجزای سیستم HVAC ممکن است از کار بیفتند و بدین ترتیب، زمان خرابی و هزینه‌های تعمیرات پرهزینه را به طور بالقوه کاهش دهد.
ژو همچنین استدلال می‌کند که سیستم‌های هوش مصنوعی در بسیاری از ساختمان‌ها می‌توانند به مقاوم‌تر شدن شبکه‌های برق منطقه‌ای کمک کنند. منابع انرژی تجدیدپذیر مانند باد و خورشید، که به طور فزاینده‌ای محبوب می‌شوند، اغلب برق ناهمسانی تولید کرده و باعث نوسانات شدید می‌شوند. او می‌گوید: “اینجا جایی است که ساختمان‌ها می‌توانند با تغییر یا کاهش انرژی واقعاً کمک کننده باشند. برای مثال، این امر به کاهش فشار از روی شبکه در لحظات افزایش تقاضا کمک می‌کند.”
تلاش‌های جهانی و دستاوردهای چشمگیر
تلاش‌های مشابه در سراسر جهان نیز نتایج مثبتی را به همراه داشته است. در استکهلم، یک شرکت ابزارهای هوش مصنوعی را در ۸۷ سیستم HVAC در مراکز آموزشی پیاده‌سازی کرد و هر ۱۵ دقیقه دما و جریان هوا را تنظیم می‌کرد. یک مطالعه نشان داد که این سیستم‌ها منجر به کاهش سالانه ۶۴ تُن دی‌اکسید کربن و ۸ درصد کاهش مصرف برق شده‌اند. علاوه بر این، مرکز مهندسی انرژی محیط زیست دانشگاه مریلند اخیراً مطالعه‌ای منتشر کرده که استدلال می‌کند توانایی‌های پیش‌بینی مدل‌های هوش مصنوعی می‌تواند مصرف برق سیستم‌های پیچیده HVAC، به‌ویژه آن‌هایی که دارای واحدهای داخلی و خارجی هستند، را به طور قابل توجهی کاهش دهد.
با گرم شدن کره زمین، سیستم‌های خنک‌کننده کارآمد اهمیت فزاینده‌ای پیدا می‌کنند. آرش زرمهر، مشاور عملکرد ساختمان در شرکت مهندسی WSP، اظهار می‌کند که پیاده‌سازی هوش مصنوعی “یک حرکت ضروری برای همه طراحان و مهندسان” است. او می‌گوید: “همه مهندسان می‌دانند که کنترل‌های انسانی بر سیستم‌های گرمایش و تهویه هوا باعث کاهش راندمان می‌شود. هوش مصنوعی می‌تواند به ما کمک کند تا به سمت کربن‌زدایی واقعی از ساختمان‌ها حرکت کنیم.”
چالش‌ها و نگرانی‌ها در مسیر پیش رو
با وجود پتانسیل هوش مصنوعی، استفاده از آن در بهره‌وری ساختمان با چالش‌هایی روبرو است، از جمله تضمین ایمنی و حفظ حریم خصوصی داده‌های ساکنین. علاوه بر این، سوال بزرگتری در مورد تأثیر کلی هوش مصنوعی بر محیط زیست مطرح می‌شود. برخی منتقدان بر این باورند که تبلیغ پروژه‌های اینچنینی راهی برای “سبز جلوه دادن” هوش مصنوعی است که خود مصرف انرژی گسترده‌ای دارد. آژانس بین‌المللی انرژی پیش‌بینی می‌کند که هوش مصنوعی باعث افزایش چشمگیر تقاضای برق مراکز داده می‌شود که می‌تواند از سال ۲۰۲۲ تا ۲۰۲۶ دو برابر شود.
در همین هفته، دانشمندان دانشگاه کالیفرنیا ریورساید و کلتک مطالعه‌ای را منتشر کردند که استدلال می‌کند آلودگی هوای ناشی از نیروگاه‌های هوش مصنوعی و ژنراتورهای پشتیبان می‌تواند تا سال ۲۰۳۰ منجر به ۱۳۰۰ مرگ زودرس در سال در ایالات متحده شود. شائولی رن، یکی از نویسندگان این مطالعه، بیان کرد: “اگر کسی مبتلا به آسم یا سایر بیماری‌های زمینه‌ای باشد، آلودگی هوای ناشی از این مراکز داده می‌تواند در همین لحظه او را تحت تأثیر قرار دهد. این یک مسئله بهداشت عمومی است که باید فوراً به آن رسیدگی کنیم.”
ژو اذعان می‌کند که مصرف انرژی مراکز داده هوش مصنوعی پس از شروع نگارش مقاله توسط او و همکارانش “به شدت افزایش یافته است.” او می‌گوید: “اینکه هوش مصنوعی تا چه حد کاهش انتشار گازهای گلخانه‌ای که در مقاله‌مان به آن رسیده‌ایم را جبران می‌کند، نیاز به تحقیقات آینده دارد. اما بدون انجام هیچ تحقیقی، من هنوز فکر می‌کنم هوش مصنوعی مزایای بسیار بیشتری برای ما دارد.”
