Marijana Novak 和 Megan Murdie 寫道，氣候變遷可能沒有靈丹妙藥，但基於人工智慧的研究可以幫助我們找到解決當今時代最複雜危機的解決方案。
到目前為止，我們大多數人都熟悉某些語言模型，例如 ChatGPT 或 OpenAI，它們在圍繞人工智慧的公共話語中幾乎無所不在。
它們引起了非凡的轟動，受到讚揚和蔑視，引發了關於人工智慧在我們生活中的地位的更廣泛的討論。
但我們許多人可能不知道，科學家和數據分析師多年來一直在使用基於人工智慧的語言模型來幫助研究工作——在永續發展領域也是如此。隨著氣候危機迫在眉睫——對地球上的生命構成了巨大而複雜的威脅——人工智慧作為一種幫助有效解決方案的工具正在脫穎而出。
其中一個解決方案是循環經濟，這是一種系統框架，它將我們的線性「獲取-製造-廢物」經濟轉變為資源循環和自然再生的經濟。
對於想要監控循環經濟活動和資源使用以及發現這些活動的影響的研究人員和政策制定者來說，人工智慧有潛力提供有價值的見解。
將人工智慧應用於循環就業市場分析
為了將循環經濟從理論付諸實踐，政策制定者首先需要了解實施循環策略的企業需要哪些技能，以及哪些部門和職業需要對工人進行再培訓。
這對於推動高影響產業至關重要：例如每年排放 12 億噸二氧化碳的紡織和服裝業。
那麼人工智慧從何而來呢？ 2023 年初，總部位於阿姆斯特丹的影響力組織「循環經濟」在其報告《讓循環紡織品投入工作》中推出了一種分析就業市場技能需求的創新方法，該報告探討了荷蘭紡織業的就業潛力。
對整個行業一年的職位清單進行了分析，利用人工智慧來確定清單是否表明需要「循環」技能——例如維修或循環設計。
與「傳統」技能相比，這凸顯了對循環技能的需求：某種產業可持續轉型的成績單。
這種方法可以跨行業應用：與從 Indeed 到 LinkedIn 等職缺發佈網站的合作，可以幫助持續監控循環技能與線性技能的需求。
人工智慧實現更全面的循環研究
研究人員面臨的一個常見障礙是無法提供完整且可靠的數據。
試圖評估循環活動的研究人員通常無法做到這一點，因為活動被分類在傳統部門代碼（例如建築業或製造業）下，而這些代碼不能準確反映循環活動（例如，循環建築的建造、循環拆除） 、二次維修活動或風力渦輪機的製造）。
公司通常也與多種活動相關聯，而傳統的業務活動數據無法反映這些活動，因此會扭曲傳統的業務活動數據。
弗拉芒技術研究所 (VITO)、循環經濟和魯汶大學協會與 Inoopa 公司合作，對公司進行基於人工智慧的自然語言分析，以估計該行業的循環活動。
他們使用人工智慧掃描公司網站上出現的所有文字——無論是部落格、報告、影片還是網頁——並將其組織成類似的主題，稱為「概念」。透過將這些「概念」與預先定義的循環概念相關聯，可以根據公司的循環活動對其進行評級。
例如，在實踐中，一家消費品公司將主要展示圍繞其產品的“概念”，但也可能圍繞著減少包裝或盡量減少生產過程中用水的目標。
可以分析這些主題以產生一個分數，顯示企業談論其循環活動的程度。
使用這種方法，專門的維修公司可能會獲得非常高的分數，而上述消費品公司（似乎正在致力於循環目標）可能會獲得中等分數。
借助這些關於循環性的新見解，政策制定者可以更好地制定有利政策，並支持積極參與循環經濟轉型的產業和公司的產業間合作和基礎設施建設。
人工智慧可以推動法律和政策文件的快速創建
推動循環轉型的一個關鍵因素是：說到做到。永續項目需要資金才能蓬勃發展並擴大規模。
儘管歐盟在歐盟分類法等永續金融法規方面處於領先地位，可以幫助投資者做出更環保的選擇，但複雜的數據揭露使這一過程變得混亂。
Briink 詳細介紹了自然語言處理在這方面的作用：例如，這些模型可以掃描大量非結構化文本，以查找歐盟分類法中列出的可持續活動的證據，這可以幫助投資者確定哪些活動適用於公司、投資組合或客戶名單。
隨著不同歐盟成員國出現新的複雜法律，自然語言處理可以用來繪製各種法律文件，提供立法環境的最新概述。
這將減輕分析師和從業人員的工作，使發展能夠按照氣候危機所需的速度和規模進行。
人工智慧、大數據和氣候危機
雖然人工智慧與循環經濟研究的整合正在順利進行，但使用自然語言模型仍有許多值得探索的地方。
考慮到可用文本的數量（案例研究、政策文件、職位列表、研究論文、社交媒體帖子）以及人工智慧語言模型的成熟度，有機會利用人工智慧來填補數據空白並提供有關循環經濟的新視角：它在不同的部門和地區不斷發展。
氣候變遷可能沒有靈丹妙藥，但基於人工智慧的研究可以幫助我們找到解決當今時代最複雜危機的解決方案。
Marijana Novak 是循環差距報告倡議的負責人，Megan Murdie 是循環經濟的作家。
在歐洲新聞台，我們相信所有觀點都很重要。聯絡我們：查看@euronews.com發送推介或意見並參與對話。
