Zmiana klimatu jest jednym z największych, globalnych wyzwań. Sztuczna inteligencja i uczenie maszynowe, mimo że same generują znaczący ślad węglowy, mogą zostać wykorzystane do zmniejszania emisji gazów cieplarnianych i dostosowania do zmieniającego się klimatu, także poprzez sektor finansowy.

Skutki zmian klimatycznych, a co za tym idzie zmian ekosystemów i degradacja zasobów naturalnych, są coraz bardziej widoczne. Raport Międzyrządowego Zespołu ds. Zmian Klimatu (Intergovernmental Panel on Climate Change, IPCC) Organizacji Narodów Zjednoczonych z 2018 roku wskazuje na katastrofalne skutki zaniechania lub opóźniania działań na rzecz wyeliminowana emisji gazów cieplarnianych.

Przeciwdziałanie zmianom klimatycznym, łagodzenie ich oraz przygotowywanie się na nieuniknione konsekwencje globalnego ocieplenia to problemy wielopłaszczyznowe i wieloaspektowe, a z pomocą w ich rozwiązywaniu może przyjść sztuczna inteligencja i uczenie maszynowe.

Nowe technologie przetwarzania i analizy danych mogą zostać wykorzystane do ograniczania emisji gazów cieplarnianych, m.in. poprzez zmiany w systemach energii elektrycznej, transporcie, budownictwie, przemyśle, sposobie użytkowania gruntów oraz w zielonych inwestycjach. Ponadto mogą być przydatne do modelowania klimatu, przewidywania ryzyka z nim związanego oraz zarządzania katastrofami klimatycznymi.

Możliwości wykorzystania sztucznej inteligencji i uczenia maszynowego mogą dotyczyć zarówno wykorzystania zdjęć satelitarnych, by lepiej monitorować wycinki lasów, jak i opracowania nowych materiałów mogących zastąpić stal i cement, których produkcja stanowi 9 proc. globalnej emisji gazów cieplarnianych.

Reklama

Sztuczna inteligencja ma potencjał do przekształcania całych gałęzi przemysłu. Dotyczy to w szczególności systemów energii elektrycznej, które są odpowiedzialne za około jedną czwartą emisji gazów cieplarnianych spowodowanych przez człowieka. Wiele systemów elektroenergetycznych dysponuje ogromną liczbą danych, dlatego uczenie maszynowe może pomóc w prognozowaniu wytwarzania i zapotrzebowania na energię elektryczną oraz w zmniejszeniu marnotrawstwa energii w budynkach.

Zrównoważone technologie

Podobnie sztuczna inteligencja może wspierać zielone finansowanie, poprzez analizę danych oraz informacji upublicznianych przez przedsiębiorstwa i wykorzystanie algorytmów przetwarzających język naturalny do identyfikacji ryzyka klimatycznego.

„Zielone” możliwości inwestycyjne dotyczą inwestowania w zrównoważone technologie. Instytucje finansowe inwestują w ten sposób m.in. poprzez tworzenie „zielonych” indeksów finansowych, które koncentrują się na niskoemisyjnej energii, czystej technologii i usługach środowiskowych. Projektują też portfele inwestycyjne, neutralne pod względem emisji dwutlenku węgla, które wykluczają podmioty o stosunkowo wysokim śladzie węglowym.

Takie strategie inwestycyjne powodują znaczące przesunięcia w niektórych sektorach rynku – w kierunku alternatywnych źródeł energii odnawialnej. Są one postrzegane jako mające większy potencjał wzrostu niż tradycyjne źródła energii, takie jak węgiel, ropa i gaz. Dotyczy to na przykład sektora usług użyteczności publicznej.
Tworzenie zielonych strategii inwestycyjnych może być łatwiejsze dzięki wykorzystaniu algorytmów uczenia głębokiego – zarówno do wyboru portfela w oparciu o cechy wybieranych akcji, jak i do czasu inwestycji – przy wykorzystaniu wzorców historycznych do przewidywania przyszłego popytu. Może to zmaksymalizować wpływ i zakres strategii inwestycji klimatycznych.

Wysoki koszt zmian klimatu

Szacuje się, że łączny, skumulowany wpływ zmian klimatu na globalne aktywa finansowe wynosi około 2,5 biliona dolarów. Trudno jednak przewidzieć długofalowe konsekwencje globalnego ocieplenia, ponieważ nie wiadomo gdzie, jak lub kiedy wpłynie ono na cenę akcji danego przedsiębiorstwa, czy też poziom i wycenę długu publicznego danego kraju. Dodatkowo przewidywanie utrudnia horyzont planowania w systemie finansowym – większość analityków finansowych i inwestorów koncentruje się na analizie, wycenie ryzyka oraz prognozowaniu potencjalnych zysków w perspektywie krótkoterminowej: kwartalnej lub rocznej.

Takie podejście nie uwzględnia zatem ryzyka w średnim i długim okresie, które obejmuje fizyczne oddziaływanie zmian klimatu na aktywa lub łańcuchy dystrybucji, skutki prawne tych zmian dla generowania zysków oraz pośrednie konsekwencje rynkowe mające wpływ na kształtowanie się popytu i podaży.

Rozwiązaniem może być predykcyjna analiza klimatu, która ma na celu przewidywanie skutków finansowych zmian klimatycznych. Obejmuje ona analizę portfeli inwestycyjnych, funduszy i przedsiębiorstw, by zidentyfikować obszary i podmioty charakteryzujące się podwyższonym ryzykiem spowodowanym zmianami klimatycznymi. Takimi zagrożonymi podmiotami mogą być na przykład przedsiębiorstwa zajmujące się przetwórstwem drewna, które mogłyby zbankrutować na skutek licznych pożarów lasów, lub organizacje zajmujące się wydobywaniem wody, której źródło mogłoby zostać zanieczyszczone wskutek zmian krajobrazu.

Analiza predykcyjna zmian klimatycznych, w kontekście ryzyka dla systemu finansowego, poza możliwościami wykorzystania algorytmów uczenia głębokiego, może opierać się również m.in. na tworzeniu strategii arbitrażowych wykorzystujących ryzyko związane ze śladem węglowym na rynkach finansowych. Może też wykorzystywać uczenie maszynowe do prognozowania ceny węgla na giełdach emisji, czy też analizę ewolucji relacji medialnych na temat zmian klimatycznych, by umożliwić dynamiczne zabezpieczanie się przed ryzykiem zmian klimatu.

Sztuczna inteligencja i uczenie maszynowe mogą zatem odegrać ważną rolę przynajmniej w łagodzeniu skutków zmian klimatycznych, w tym finansowych. Wymaga to jednak uświadomienia konieczności wspólnych działań i współpracy w całym łańcuchu wartości inwestycji. Jednocześnie poszczególne instytucje ponoszą odpowiedzialność za zarządzanie ryzykiem i możliwościami związanymi z klimatem. Te, które działają proaktywnie, są w stanie stworzyć wartość dla swoich klientów i kontrahentów, zapewnić sobie przewagę konkurencyjną, zmniejszyć systemowe ryzyko finansowe oraz wnieść cenny wkład w społeczeństwo jako całość.

Autorka: Milena Kabza, doktor nauk ekonomicznych, Departament Stabilności Finansowej NBP