دبي - بسام راشد - أخبار الفوركس اليوم برز الذكاء الاصطناعي كواحد من أكبر التوجهات العالمية الكبرى في عصرنا. فهو يقود الثورة الصناعية الرابعة ويُنظر إليه بشكل متزايد كإستراتيجية رئيسية لمواجهة بعض أكبر التحديات في عصرنا، بما في ذلك تغيّر المناخ والتلوث. وتستخدم شركات الطاقة أدوات الذكاء الاصطناعي في رقمنة السجلات وتحليل كميات ضخمة من البيانات والخرائط الجيولوجية، مع إمكانية تحديد مشكلات محتملة مثل الاستخدام المفرط للمعدات أو تآكل خطوط الأنابيب.

ويُستخدم الذكاء الاصطناعي في تحليل البيانات الزلزالية، وتحسين مسارات الحفر، وإدارة المكامن بكفاءة أعلى، بما يساعد على تعظيم الاستخراج وتقليل التأثير البيئي وأخطاء البشر في الوقت نفسه. وتعمل شركة AI Driller على توظيف الذكاء الاصطناعي لإدارة عمليات الحفر عن بُعد عبر عدة منصات، بينما تستخدم شركتا Petro AI وTachyus نماذج ذكاء اصطناعي قائمة على الفيزياء لتوقع الإنتاج وإدارة المكامن. كما توظف شركتا خدمات الطاقة العملاقتان Baker Hughes المدرجة في بورصة نيويورك تحت الرمز (NYSE:BKR) وC3.ai المدرجة تحت الرمز (NYSE:AI) الذكاء الاصطناعي المؤسسي للتنبؤ بالأعطال عبر أصولهما، في حين تقوم شركة Buzz Solutions بتحليل البيانات البصرية لفحص خطوط الكهرباء.

وبالمثل، يُعيد الذكاء الاصطناعي تشكيل قطاع الكهرباء من خلال تحسين العمليات عبر سلسلة القيمة بالكامل، بدءًا من التوليد وحتى الاستهلاك، بينما يمثّل في الوقت نفسه تحديًا كبيرًا بسبب ارتفاع الطلب على الطاقة اللازمة لتشغيله.

يساعد الذكاء الاصطناعي في تحسين استجابة الطلب وكفاءة الطاقة، من خلال أدوات مثل Brainbox AI وEnerbrain التي تُسهم في تقليل الفاقد في استهلاك الطاقة بشكل ذاتي، في حين تساعد منصة Uplight شركات المرافق على تحفيز كفاءة الاستهلاك. كما يُسهّل الذكاء الاصطناعي دمج الطاقة المتجددة عبر تحليل مجموعات بيانات ضخمة، بما في ذلك أنماط الطقس، للتنبؤ الدقيق بإنتاج مصادر الطاقة الشمسية وطاقة الرياح المتقطعة.

ويُستخدم الذكاء الاصطناعي في الطاقة المتجددة لتحسين إدارة الشبكات، وتعظيم الإنتاج من خلال موازنة العرض والطلب لحظيًا، إضافة إلى استخدام التعلم الآلي للتنبؤ بأعطال المعدات، مما يقلّل من فترات التوقف والتكاليف. فعلى سبيل المثال، توفّر شركتا Envision وPowerFactors منصات متكاملة لإدارة أساطيل الطاقة المتجددة الضخمة. بينما تستخدم شركتا Clir وWindESCo الذكاء الاصطناعي لاكتشاف التوربينات ذات الأداء الضعيف وضبط زاوية الشفرات واتجاهها لالتقاط المزيد من الطاقة. وتستخدم SkySpecs الذكاء الاصطناعي وطائرات مسيّرة ذاتية التشغيل لإجراء عمليات فحص آلية لتوربينات الرياح، في حين تعمل شركة Form Energy على معالجة تحديات تخزين الطاقة.

وفي سياق متصل، أصبح الذكاء الاصطناعي عنصرًا جوهريًا في بناء الشبكات الذكية من خلال توفير الرؤية اللازمة لإدارة الازدحام ومنع انقطاع التيار. وتستخدم شركة Kraken Technologies الذكاء الاصطناعي وتعلم الآلة كـ"عقل" للشبكات الكهربائية الحديثة، بهدف موازنة الإمدادات المتجددة المتقطعة مع الطلب الفعلي في الوقت الحقيقي، والتنسيق بين ملايين الأصول اللامركزية للطاقة، وأتمتة العمليات من أجل تعزيز الكفاءة والاستقرار.

وتعمل شركتا WeaveGrid وCamus Energy على تمكين شركات المرافق من دمج المركبات الكهربائية وموارد الطاقة الموزعة الأخرى داخل الشبكة من دون التسبب بتحميل زائد. تركّز WeaveGrid على إدارة عملية شحن المركبات الكهربائية عبر برمجيات تُحسّن التوافق مع قدرة الشبكة وتوافر الطاقة المتجددة. بينما تستخدم Camus Energy التعلم الآلي في أنظمة "المساعد المشترك" التي تتنبأ بالطلب على الكهرباء وتدفقات الطاقة بدقة عالية، مما يسرّع الحسابات الفيزيائية المعقدة للشبكة ويعزز الاستقرار خلال فترات ذروة شحن السيارات الكهربائية.

وأخيرًا، يُستخدم الذكاء الاصطناعي في إدارة الانبعاثات الكربونية والحوكمة البيئية والاجتماعية والمؤسسية (ESG)، من خلال مركزية البيانات وتحسين العمليات ومراقبة سلاسل الإمداد وتعزيز جودة التقارير. ويساعد الذكاء الاصطناعي الشركات على تتبع الانبعاثات لحظيًا، وإجراء تحليلات تنبؤية للانبعاثات، وإدارة سلاسل الإمداد فورياً. إضافةً إلى ذلك، يقوم الذكاء الاصطناعي بأتمتة مهام مثل إعداد تقارير الحوكمة البيئية والاجتماعية والمؤسسية، واكتشاف الشذوذ في بيانات الانبعاثات، والمساعدة في التنقل ضمن الأطر التنظيمية المعقدة.

تستخدم منصتا Carbon Chain وWatershed الذكاء الاصطناعي والتعلم الآلي لتوفير قياس دقيق وقابل للتوسع للانبعاثات الكربونية على مستوى تفصيلي للشركات، وخصوصًا فيما يتعلق بانبعاثات سلسلة الإمداد (النطاق 3). تساعد Carbon Chain المؤسسات على احتساب الأثر الكربوني الإجمالي عبر أتمتة جمع وتحليل كميات كبيرة من بيانات سلسلة الإمداد لإنتاج تقارير مفصلة جاهزة للتدقيق. وتستخدم المنصة نماذج تعلم آلي لدمج البيانات القادمة من مصادر متنوعة ومتجزئة غالبًا (أنظمة تخطيط الموارد المؤسسية، تقارير الموردين، وغيرها) لبناء صورة دقيقة عن الانبعاثات.

في المقابل، تعتمد Watershed بشكل واسع على الذكاء الاصطناعي ضمن منصتها المؤسسية للاستدامة من أجل أتمتة جمع البيانات وتحسين دقتها وتوفير رؤى عملية لخفض الانبعاثات. ويُعدّ "Product Footprints" أحد أهم أدواتها، إذ يستخدم نماذج ذكاء اصطناعي متقدمة لتحليل كل منتج مشتَرٍ وتفكيكه إلى مواده الأولية وعمليات تصنيعه ونقله، وتتبع المراحل الأولية مثل استخراج المواد الخام، والتصنيع، والنقل. ويأتي هذا بديلاً للتقييمات اليدوية البطيئة لدورة الحياة أو التقديرات غير الدقيقة المعتمدة على حجم الإنفاق، حيث يوفّر تحليلات تفصيلية للانبعاثات خلال دقائق.

لكن في الجانب الآخر، جاءت هذه التطورات في الذكاء الاصطناعي بتكلفة. إذ ظهرت تقارير تشير إلى أن الولايات والمناطق التي تضم تركيزًا عاليًا من مراكز بيانات الذكاء الاصطناعي تشهد ارتفاعًا كبيرًا في فواتير الكهرباء مقارنة بغيرها. فشركات التكنولوجيا الكبرى ومختبرات الذكاء الاصطناعي تبني الآن مراكز بيانات عملاقة قد تستهلك ما يعادل غيغاواط من الكهرباء في بعض الحالات، وهي كمية كافية لتزويد أكثر من 800,000 منزل بالطاقة. لذلك، ليس من المستغرب أن الولايات التي تضم أكبر عدد من هذه المرافق الشرهة للطاقة تشهد أيضًا أكبر ارتفاع في أسعار الكهرباء.

تضم ولاية فيرجينيا 666 مركز بيانات، وهي صاحبة العدد الأكبر من هذه المنشآت في الولايات المتحدة. ومن اللافت أن أسعار الكهرباء السكنية في الولاية ارتفعت بنسبة 13% في أغسطس مقارنة بالفترة ذاتها من العام السابق، وهو ثاني أكبر معدل ارتفاع على مستوى البلاد بعد ولاية إلينوي التي سجّلت زيادة بلغت 15.8%. وتحتل إلينوي المرتبة الرابعة من حيث عدد مراكز البيانات بـ244 مركزًا.

ومن غير المستغرب أيضًا تزايد ردود الفعل السلبية تجاه شركات التكنولوجيا، حيث انتقد عدد من السياسيين إدارة ترامب بسبب إبرامها صفقات خاصة مع شركات التكنولوجيا العملاقة وإجبار المستهلكين على تحمل تكاليف مراكز البيانات. وبناءً على ذلك، من المرجح أن نشهد توجهًا متزايدًا نحو اعتماد نموذج شركة Oklo المدرجة في بورصة نيويورك تحت الرمز (NYSE:OKLO)، والذي تقوم فيه مراكز البيانات بتوفير إمدادات الكهرباء الخاصة بها لتجنب تحميل المستهلك أعباء إضافية.