Научный обзор: ИИ для устойчивого развития

ИИ обладает потенциалом ускорить работу команд по устойчивому развитию за счет автоматизации трудоемких этапов расчета выбросов и поиска новых путей декарбонизации. Но чтобы ИИ способствовал устойчивому развитию, командам прежде всего необходима уверенность в его результатах и возможность на них полагаться.

В спешке внедрить ИИ некоторые команды по устойчивому развитию принимают на вооружение инструменты без реальных методов оценки их надежности. Наше исследование разрабатывает открытые методы оценки, которые помогают технологическим компаниям создавать надежные системы ИИ для устойчивого развития, а также помогают командам принимать обоснованные решения о том, где ИИ вписывается в сложность их работы.

Исследования Watershed в области ИИ для устойчивого развития

Бенчмарки: оценка точности ИИ для задач и рабочих процессов устойчивого развития

PCFBench: A diagnostic benchmark for product carbon footprint estimation Препринт, 2026 г. Открытый бенчмарк, который тестирует модели ИИ на каждом этапе создания углеродного следа продукта: от декомпозиции продукта на материалы до сопоставления этих материалов с данными о выбросах. Он включает 614 примеров с разметкой экспертов и результаты для восьми передовых моделей ИИ. Набор данных и код для оценки находятся в свободном доступе.

ATLAS: A spend classification benchmark for estimating scope 3 carbon emissions NeurIPS 2024, воркшоп «Борьба с изменением климата с помощью машинного обучения» (избранный доклад) Большинство компаний, отчитывающихся о выбросах в цепочке поставок, начинают с данных о расходах. ATLAS — это набор из 10 000 размеченных позиций расходов для тестирования того, насколько точно ИИ относит каждую покупку к правильной категории выбросов.

Критерии оценки: как создавать заслуживающие доверия системы ИИ для устойчивого развития

Evaluation criteria for AI-assisted product carbon footprinting systems: The cases of mapping and supply chain modeling Препринт, 2026 г.; находится на рецензировании в Журнале промышленной экологии (Journal of Industrial Ecology) Определяет, что должна уметь демонстрировать заслуживающая доверия система углеродного учета на базе ИИ, включая результаты бенчмарков, индикаторы неопределенности и записи хода рассуждений, доступные для проверки рецензентом. Критерии были разработаны совместно с практиками корпоративной устойчивости и двумя верификационными компаниями, а затем применены к двум системам ИИ, используемым в Watershed.

Автоматизация с учетом качества для сопоставления с базами данных LCI Журнал промышленной экологии (Journal of Industrial Ecology), 2026 г. Сопоставление тысяч приобретенных материалов с данными о выбросах занимает у экспертов минуты на каждый элемент, причем неверное соответствие может выглядеть столь же правдоподобно, как и правильное. В этой статье ИИ, предлагающий каждое соответствие, объединяется со вторым независимым ИИ, который оценивает его, чтобы рецензенты могли сосредоточиться на вариантах, наиболее вероятно являющихся ошибочными.

How are companies reducing emissions? An LLM-based approach to creating a carbon emissions reduction levers library at scale NeurIPS 2024, воркшоп «Борьба с изменением климата с помощью машинного обучения» (проект) Информация о том, как компании сокращают выбросы, разбросана по длинным отчетам об устойчивом развитии. В этом проекте описана система ИИ, которая извлекает меры по сокращению из публичных отчетов и упорядочивает их по отраслям, регионам и областям охвата выбросов, чтобы компании могли видеть, какие меры применяются в их секторе.

Создавайте надежные оценки Watershed, 2025 г. Практическая структура для оценки систем ИИ, выполняющих работу в несколько этапов.

Основные выводы

В ходе наших бенчмарков и системных тестов очевидной стала важность выбора правильной системы оценки. Оценка только финального показателя скрывает ошибки, которые обнажают пошаговые проверки, а проектные решения, делающие систему надежной, часто становятся заметны только тогда, когда измеряется каждый шаг. Тестируя само тестирование, как мы это делали в некоторых наших исследованиях, мы движемся к созданию все более совершенных систем оценки для построения все более точного ИИ.

Где ИИ дает сбой в углеродном учете

• Точность падает, когда модели демонстрируют ход своих мыслей. В тестах восьми передовых моделей ИИ самая сильная из них оценивала общие выбросы продукта с точностью в пределах 2× от верифицированного значения для 77% продуктов. Когда те же модели создавали углеродный след шаг за шагом, этот показатель снижался до 37–58%. (PCFBench, 2026 г.)
• Многие созданные ИИ спецификации материалов не сходятся. В тех же тестах 25–55% спецификаций материалов, созданных моделями, не прошли проверку на сохранение массы: вес компонентов не соответствовал весу продукта. (PCFBench, 2026 г.)
• Уверенность моделей была надежной в одних задачах и ненадежной в других. Когда модели сопоставляли материалы с данными о выбросах, заявленная ими уверенность примерно коррелировала с их точностью. Когда им приходилось решать, можно ли вообще сопоставить материал или его нужно декомпозировать дальше, их наиболее уверенные ответы (около 95% заявленной уверенности) были верными примерно в 63% случаев. (PCFBench, 2026 г.)
• Нечеткие входные данные подрывают точность. Система маппинга на базе ИИ от Watershed совпала с одобренными экспертами вариантами для более чем 90% четко определенных материалов, но лишь для 59.7% расплывчатых описаний, таких как «пластиковая деталь». (Критерии оценки, 2026 г.)

Проектные решения, повысившие надежность в наших тестах

• Независимый проверяющий облегчает поиск ошибок. В системе, где один ИИ сопоставляет материалы с данными о выбросах, а второй ИИ оценивает каждое соответствие, не видя рассуждений первого, проверяющий обнаружил 67% ошибок при проверке 20% элементов по сравнению с 37–40% для более простых методов флажки. Его оценки позволили принимать 30% соответствий автоматически с уровнем ошибок 0.3%. (Автоматизация с учетом качества, 2026 г.)
• Отраслевая экспертиза повышает точность. Удаление написанных экспертами рекомендаций по выбору прокси-наборов данных снизило точность системы маппинга примерно на 9 процентных пунктов при неизменности остальной части системы. (Автоматизация с учетом качества, 2026 г.)
• Вариативность при повторяющихся запусках может сигнализировать о нечетких входных данных. При многократном запуске на одних и тех же входных данных система маппинга выдавала одинаковые ответы для точных соответствий и разные ответы для нечетких входных данных (полиэтилен в один раз, полипропилен в другой для «пластиковой детали»). Эту вариативность можно использовать для направления элементов на рассмотрение человека. (Критерии оценки, 2026 г.)
• Проверка каждого компонента показывает, как расставить приоритеты проверок. При сравнении с 269 верифицированными третьей стороной экологическими декларациями продукции углеродные следы, созданные ИИ, показали медианную погрешность в 33% без систематического смещения. В документе отмечается, что декларации для идентичных продуктов могут различаться более чем на 50% при использовании одинаково соответствующих требованиям методов. Проверки на уровне компонентов показанили, что показатели материальных и энергетических затрат были самой слабой частью моделей. (Критерии оценки, 2026 г.)

PCFBench тестирует модели ИИ общего назначения. В документах «Критерии оценки» и «Автоматизация с учетом качества» тестировались собственные системы Watershed, и все авторы являются сотрудниками Watershed, как указано в статьях. В каждом исследовании используются собственные метрики и наборы данных, поэтому показатели из разных исследований нельзя сравнивать напрямую.

Что это означает для команд по устойчивому развитию

Оценивая системы ИИ для работы в области устойчивого развития, важно знать, какие вопросы задавать и что искать в этих системах.

Вопросы, которые следует задать, прежде чем полагаться на любую систему ИИ для работы с выбросами:

• Оценивается ли система на каждом шаге или только по финальному показателю?
• Что происходит, если в данных о выбросах нет подходящего соответствия? Системный флажок выдает предупреждение или все равно выбирает что-то?
• Была ли ее уверенность проверена экспертным рецензированием?
• Проверяется ли качество с помощью процесса, отдельного от того, который создал ответ?
• Как изменяется точность при нечетких входных данных и сообщает ли система, какие входные данные являются нечеткими?
• Проходит ли система повторную валидацию при изменении базовой модели ИИ?

На что обратить внимание

• Промежуточные шаги, которые можно проверить. Для углеродного следа продукта это означает спецификацию материалов, данные о выбросах, сопоставленные с каждым материалом, а также нормы энерго- и материалопотребления, каждое с указанием источника.
• Индикатор качества или достоверности для каждого элемента, причем слабые соответствия четко отмечены для проверки.
• Результаты с разбивкой по задачам и качеству исходных данных. Надежный провайдер может показать, как система работает с точно заданными и расплывчатыми входными данными, а также на каждом этапе процесса.
• Базовые физические проверки. В углеродном следе продукта вес компонентов в сумме должен составлять общий вес продукта.
• Документация источников данных и версий, включая информацию о том, какая база данных выбросов и какая модель ИИ создали каждый результат, чтобы результаты можно было воспроизвести.
• Четкое заявление об ограничениях и о том, для каких целей система подходит, а для каких нет.

Об исследователях

Шейна Улисси (Shaena Ulissi), специалист по работе с данными и климатолог, ведущий автор критериев оценки Watershed для расчета углеродного следа с помощью ИИ. Исследования: Критерии оценки систем расчета углеродного следа продукции с помощью ИИ (ведущий автор); PCFBench; автоматизация с учетом качества; библиотека рычагов сокращения выбросов.

Эндрю Думит (Andrew Dumit), инженер по ИИ. Создает системы ИИ, которые измеряют углеродный след продукции и выбросы в цепочке поставок. Исследования: автоматизация с учетом качества, ATLAS, PCFBench, критерии оценки; создание устойчивых оценок.

Кришна Рао (Krishna Rao), ученый в области ИИ. Ведущий автор PCFBench. Исследования: PCFBench (ведущий автор); ATLAS; автоматизация с учетом качества; критерии оценки.

Др. Джеймс Джойс (Dr. James Joyce), руководитель направления науки об устойчивом развитии. Специалист по оценке жизненного цикла. Исследования: критерии оценки; PCFBench; автоматизация с учетом качества.

Стивен Уотсон (Steven Watson), руководитель продукта Watershed Product Footprints. Исследования: PCFBench; критерии оценки; автоматизация с учетом качества.

Др. Сангвон Су (Dr. Sangwon Suh), Университет Цинхуа, научный советник Watershed. Исследования: критерии оценки; ATLAS; библиотека рычагов сокращения выбросов.

Будьте в курсе

Эл. почта*

Отправляя эту форму, вы соглашаетесь с политикой конфиденциальности Watershed и даете согласие на получение маркетинговых сообщений от Watershed.