如今，在幾乎所有行業中，數字技術和人工智能（AI），如機器學習（ML）模型已日益被廣泛使用，以利用數據來優化系統性能。包括用于優化從大氣中捕獲二氧化碳或減少人類活動的CO2排放的ML模型。然而，另一方面，AI模型的使用正在導致越來越多的能源消耗，并引發了環境問題（特別是在CO2排放方面），這些問題在以往研究中未得到充分關注。

 

2023年4月1日發表在Journal of Environmental Management的一篇名為《Method and evaluations of the effective gain of artificial intelligence models for reducing CO2 emissions》（人工智能模型為減少CO2排放的效益評估方法）的論文針對這種情況下的AI模型，提出了一種方法來量化它的負面影響（通過訓練和使用該模型產生的CO2排放量）和正面影響（當使用該模型時節省的CO2排放量）。該方法對三個最先進的AI模型進行了評估：1. 一個用于管理巴西家庭能源需求的人工神經網絡模型；2.  適應性神經模糊推理系統，用于突尼斯光伏功率預測；3. 用于瑞典和盧森堡電動汽車路徑規劃問題的貝葉斯回歸模型。結果顯示，如果只考慮積極影響，模型使用帶來的CO2減排量顯著，但具體取決于每個情境（分別為34％、73％和9％）然而，當同時考慮正負面影響時，對于一個用戶標準使用的情況下，負影響有時（第一和第三個模型）比積極影響更大。當如果有多個用戶使用該模型，平衡后減排效果再次變得高度正向。