# Sztuczna inteligencja dla środowiska: Innowacje i rozwiązania 2025

> Czy sztuczna inteligencja naprawdę tak bardzo zanieczyszcza środowisko? Badanie przeprowadzone w Bristolu ujawnia: szacunki zostały przeszacowane nawet 90-krotnie. Aby przetworzyć złożony tekst, sztuczna inteligencja emituje 130-1500 razy mniej CO2 niż człowiek. Potencjał? Zmniejszenie globalnych emisji o 10% do 2030 r. - co odpowiada całej UE. We Włoszech: 500 milionów na monitorowanie środowiska za pomocą sztucznej inteligencji. Wpływ centrów danych? Do 2033 r. 90% z nich będzie zasilanych ze źródeł odnawialnych. Prawdziwym paradoksem nie jest wykorzystanie sztucznej inteligencji do ochrony klimatu.

Source: https://www.electe.net/pl/post/lintelligenza-artificiale-per-lambiente-innovazioni-e-soluzioni-2025

Site guide: https://www.electe.net/pl/llms.txt

## Wprowadzenie

W erze narastających wyzwań środowiskowych, [sztuczna](/lintelligenza-artificiale-nel-settore-dellenergia-nuove-soluzioni-per-la-produzione-e-distribuzione) inteligencja (AI) staje się potężnym sojusznikiem w walce ze zmianami klimatycznymi i w ochronie ekosystemu. Rok 2025 stanowi kluczowy moment, w którym zaawansowane technologie AI wreszcie przechodzą od obietnic do konkretnych zastosowań, oferując innowacyjne rozwiązania do monitorowania, przewidywania i łagodzenia wpływu na środowisko.

Niniejszy dokument analizuje główne innowacje, w których sztuczna inteligencja rewolucjonizuje zarządzanie środowiskiem, dostarczając konkretnych przykładów udanych wdrożeń i nakreślając przyszłe perspektywy tej synergii między technologią a zrównoważonym rozwojem.

## Potencjał sztucznej inteligencji w walce ze zmianami klimatu

Sztuczna inteligencja oferuje bezprecedensowe narzędzia do radzenia sobie z wyzwaniami środowiskowymi. Według najnowszych badań, sztuczna inteligencja może pomóc zmniejszyć globalną emisję gazów cieplarnianych nawet o 10 procent do 2030 roku, co odpowiada rocznej emisji całej Unii Europejskiej.

Możliwości sztucznej inteligencji w zakresie przetwarzania ogromnych ilości danych, identyfikowania złożonych wzorców i generowania dokładnych prognoz sprawiają, że jest ona szczególnie przydatna:

- Analizować dane klimatyczne i meteorologiczne w celu przewidywania ekstremalnych zjawisk
- Optymalizować wykorzystanie zasobów naturalnych i energetycznych
- Monitorować i chronić ekosystemy
- Ułatwiać przejście na gospodarkę o obiegu zamkniętym

## Kluczowe zastosowania sztucznej inteligencji dla środowiska w 2025 r.

### 1. Zaawansowane monitorowanie ekosystemów

Systemy monitorowania środowiska oparte na sztucznej inteligencji stanowią jedno z najbardziej obiecujących zastosowań. Platformy takie jak Envirosensing rewolucjonizują monitorowanie wylesiania poprzez analizę zdjęć satelitarnych o wysokiej rozdzielczości w połączeniu z algorytmami uczenia maszynowego. Systemy te umożliwiają

- Precyzyjnie śledzić zmiany w pokrywie leśnej
- Wcześnie identyfikować ryzyko wylesiania
- Automatyzować proces due diligence dla firm objętych europejskim rozporządzeniem EUDR

We Włoszech Ministerstwo Środowiska rozpoczęło inwestycję o wartości 500 milionów euro w celu opracowania zaawansowanego, zintegrowanego systemu monitorowania, który wykorzystuje teledetekcję lotniczą, czujniki in-situ i analizę AI do przewidywania zagrożeń hydrogeologicznych i identyfikacji przestępstw przeciwko środowisku.

### 2. Przewidywanie zmian klimatu i adaptacja

Sztuczna inteligencja zmienia naszą zdolność do przewidywania zmian klimatu i reagowania na nie:

- **Zaawansowane modele klimatyczne**: Algorytmy głębokiego uczenia znacząco poprawiają dokładność prognoz klimatycznych, identyfikując złożone wzorce, których tradycyjne modele mogłyby nie wykryć.
- **Systemy wczesnego ostrzegania**: Platformy takie jak "Sunny Lives", opracowane przez IBM i SEEDS, wykorzystują AI do analizy zdjęć satelitarnych i oceny lokalnego ryzyka zagrożeń naturalnych, przypisując budynkom wskaźniki ryzyka względnego.
- **Symulacja scenariuszy klimatycznych**: AI pozwala symulować różne scenariusze zmian klimatycznych i oceniać skuteczność potencjalnych strategii adaptacji i łagodzenia skutków.

### 3. Optymalizacja zasobów energetycznych

W sektorze energetycznym AI napędza [transformację](/non-lastricate-i-sentieri-delle-mucche-dalla-boston-coloniale-alla-trasformazione-digitale) w kierunku bardziej wydajnych i zrównoważonych systemów:

- **Inteligentne sieci energetyczne oparte na AI**: Inteligentne systemy, które bilansują popyt i podaż energii w czasie rzeczywistym, ułatwiając integrację energii odnawialnej.
- **Prognozowanie produkcji energii odnawialnej**: Algorytmy poprawiające dokładność prognoz produkcji energii z wiatru i słońca, zmniejszając potrzebę korzystania z rezerwowych źródeł kopalnych.
- **Efektywność energetyczna**: Systemy zarządzania energią oparte na AI, które optymalizują zużycie energii w budynkach, procesach przemysłowych i transporcie.

### 4. Zrównoważone zarządzanie rolnictwem

Rolnictwo precyzyjne oparte na sztucznej inteligencji rewolucjonizuje sektor rolniczy:

- **Monitorowanie stanu gleby**: Czujniki IoT połączone z algorytmami AI analizują w czasie rzeczywistym zdrowie gleby, w tym mikrobiom, umożliwiając ukierunkowane interwencje i ograniczając zużycie nawozów.
- **Zoptymalizowane zarządzanie zasobami wodnymi**: Systemy AI, które precyzyjnie określają potrzeby nawadniania, ograniczając marnotrawstwo wody.
- **Przewidywanie chorób upraw**: Algorytmy, które wcześnie identyfikują potencjalne choroby, umożliwiając działania zapobiegawcze i ograniczając stosowanie pestycydów.

### 5. Wykrywanie zanieczyszczeń i zarządzanie nimi

Sztuczna inteligencja znacznie poprawia naszą zdolność do monitorowania zanieczyszczeń i zarządzania nimi:

- **Monitorowanie jakości powietrza**: Sieci czujników IoT połączone z AI analizują w czasie rzeczywistym poziomy zanieczyszczeń powietrza na obszarach miejskich.
- **Identyfikacja źródeł zanieczyszczeń**: Algorytmy computer vision stosowane do zdjęć satelitarnych lub materiałów z dronów w celu identyfikacji nielegalnych źródeł zanieczyszczeń.
- **Optymalizacja gospodarki odpadami**: Inteligentne systemy usprawniające selektywną zbiórkę i recykling za pomocą robotów sterowanych przez AI.

## Wyzwania i kwestie etyczne

Pomimo swojego potencjału transformacyjnego, wdrożenie sztucznej inteligencji do celów środowiskowych wiąże się również z poważnymi wyzwaniami:

### Ślad środowiskowy sztucznej inteligencji: analiza porównawcza

Sama sztuczna inteligencja ma wpływ na środowisko, który zasługuje na uwagę, ale analiza porównawcza z innymi technologiami i sektorami pozwala spojrzeć na jej rzeczywisty wpływ z odpowiedniej perspektywy.

Według najnowszych danych, szkolenie złożonego modelu sztucznej inteligencji, takiego jak GPT-3, pochłonęło około 1287 MWh i wygenerowało około 550 ton CO2. Liczba ta może wydawać się wysoka, ale należy ją porównać z innymi sektorami:

- **Transport**: Sektor transportu odpowiada za około 26% emisji gazów cieplarnianych we Włoszech. Lot w obie strony między Nowym Jorkiem a San Francisco powtórzony 550 razy generowałby emisje równoważne wytrenowaniu GPT-3.
- **Streaming wideo**: Godzina streamingu wideo generuje średnio od 36 do 100 gramów CO2, według szacunków Międzynarodowej Agencji Energii. Biorąc pod uwagę miliardy godzin streamingu konsumowanego globalnie, łączny wpływ jest znaczący.
- **Codzienne użycie vs. trenowanie**: Niedawne badanie opublikowane w Scientific Reports sugeruje, że pomimo wysokich kosztów energetycznych trenowania, AI może być bardziej efektywna energetycznie niż praca ludzka przy złożonych zadaniach, emitując od 130 do 1500 razy mniej CO2 przy przetwarzaniu złożonego tekstu.

#### Rola zrównoważonych źródeł energii dla centrów danych

Zasilanie centrów danych obsługujących systemy sztucznej inteligencji jest kluczowym wyzwaniem dla zrównoważonego rozwoju środowiska. Pojawia się kilka rozwiązań energetycznych, które stanowią realną alternatywę dla zmniejszenia śladu węglowego:

**1. Energia jądrowa dla centrów danych**

Energia jądrowa przeżywa renesans w kontekście centrów danych ze względu na wysoki "współczynnik wydajności" (zdolność do ciągłego generowania energii) i niską emisję CO2. Według IdTechEx, centra danych w 2024 roku ponownie zainteresowały się tym źródłem energii, badając różne opcje:

- **Małe reaktory modułowe (SMR)**: Te kompaktowe reaktory obiecują niższe koszty i krótszy czas budowy w porównaniu z konwencjonalnymi elektrowniami jądrowymi, dzięki produkcji na skalę przemysłową.
- **Zalety energii jądrowej**: Dzięki zerowej emisji CO2 podczas produkcji energii i wysokiej gęstości energetycznej, energia jądrowa może zapewnić wysoką moc wymaganą przez centra danych AI bez typowych wahań charakterystycznych dla źródeł odnawialnych, takich jak energia słoneczna i wiatrowa.

James Hart, dyrektor generalny BCS Consulting, zwrócił uwagę, że "wykładniczy wzrost sztucznej inteligencji stanowi wyzwanie dla branży centrów danych" i podkreślił potrzebę stabilnych i niskoemisyjnych źródeł energii, takich jak energia jądrowa.

**2. Systemy kogeneracji: niezrównana efektywność**

Systemy skojarzonego wytwarzania ciepła i energii elektrycznej (CHP) są jednym z najbardziej wydajnych rozwiązań do zasilania centrów danych hostujących systemy IA, oferując znaczące korzyści w porównaniu z innymi źródłami energii:

- **Wyższa efektywność energetyczna**: Podczas gdy oddzielna produkcja elektryczności i ciepła ma całkowitą sprawność na poziomie 40-55%, systemy kogeneracji mogą osiągnąć nadzwyczajną sprawność 80-90%, odzyskując ciepło, które w innym przypadku zostałoby zmarnowane, i wykorzystując je do innych celów.
- **Zmniejszenie zużycia paliwa**: Kogeneracja wymaga nawet o 40% mniej paliwa niż oddzielna produkcja elektryczności i ciepła w celu uzyskania tej samej ilości użytecznej energii, jak wykazują dane amerykańskiego Departamentu Energii.
- **Znaczące ograniczenie emisji CO2**: Dzięki wyższej efektywności instalacja kogeneracyjna może zmniejszyć emisje gazów cieplarnianych nawet o 30% w porównaniu z tradycyjnymi metodami produkcji energii.
- **Idealne zastosowanie dla centrów danych**: Ciepło generowane przez serwery może być odzyskiwane i wykorzystywane do ogrzewania pobliskich budynków lub innych procesów przemysłowych, tworząc korzystny cykl efektywności energetycznej.
- **Niezależność od sieci i odporność**: Systemy kogeneracji zapewniają niezależność energetyczną i większą odporność, szczególnie cenną dla centrów danych wymagających gwarantowanej ciągłości działania.
- **Trigeneracja**: Zaawansowana ewolucja kogeneracji, która dodaje produkcję energii chłodniczej (chłodzenia) do wytwarzania elektryczności i ciepła, szczególnie korzystna dla centrów danych wymagających wydajnych systemów chłodzenia.

Kogeneracja stanowi idealny pomost między konwencjonalnymi i odnawialnymi technologiami energetycznymi, działając jako rozproszone wytwarzanie energii podobne do fotowoltaiki, ale z zaletą ciągłej pracy niezależnej od pogody. Ponadto, elektrociepłownie mogą wykorzystywać różne paliwa, w tym biogaz i odnawialną biomasę, torując drogę do bezemisyjnej przyszłości.

Według raportu Geoside, "zwiększona wydajność procesu produkcji energii skutkuje mniejszą emisją CO2 i gazów cieplarnianych, zmniejszając wpływ na środowisko", podkreślając kluczową rolę kogeneracji w transformacji energetycznej.

**3. Energia słoneczna i inne odnawialne źródła**

Duże firmy technologiczne intensywnie inwestują w energię odnawialną:

- **Zobowiązania na przyszłość**: Według Business Critical Services Consulting, 90% energii wykorzystywanej przez centra danych będzie pochodzić ze źródeł odnawialnych do 2033 roku, przy czym firmy takie jak Google i Microsoft już ogłosiły cel wykorzystywania energii o zerowej emisji dwutlenku węgla 24/7 do 2030 roku.
- **Dedykowane projekty solarne**: Liczne firmy technologiczne budują instalacje solarne dedykowane specjalnie zasilaniu ich centrów danych, często w połączeniu z systemami magazynowania energii zapewniającymi ciągłość.

Komplementarność tych źródeł energii ma kluczowe znaczenie: energia jądrowa może zapewnić stałe obciążenie podstawowe, podczas gdy odnawialne źródła energii, takie jak energia słoneczna, mogą pokryć szczytowe zapotrzebowanie, a systemy kogeneracyjne maksymalizują ogólną wydajność.

Co więcej, branża AI czyni znaczne postępy w zmniejszaniu swojego wpływu na środowisko:

1. **Poprawiona efektywność energetyczna**: Centra danych stale modernizują swój sprzęt, aby był bardziej wydajny energetycznie.
2. **Wdrażanie energii odnawialnej**: Wiele firm technologicznych zobowiązało się do wykorzystywania 100% energii odnawialnej do zasilania swoich centrów danych.
3. **Bardziej efektywne algorytmy**: Badania zmierzają w kierunku algorytmów AI wymagających mniejszej mocy obliczeniowej do osiągnięcia podobnych lub lepszych wyników.

### Dokładność i niezawodność

Jakość wyników sztucznej inteligencji w dużym stopniu zależy od jakości danych wejściowych. W kontekście środowiskowym, gdzie dane mogą być niekompletne lub niedokładne, stanowi to poważne wyzwanie.

### Równość i dostępność

Istnieje ryzyko, że rozwiązania oparte na sztucznej inteligencji dla środowiska będą dostępne głównie dla krajów i organizacji dysponujących większymi zasobami, potencjalnie zwiększając istniejącą lukę technologiczną.

## Przyszłość sztucznej inteligencji dla środowiska: w kierunku odpowiedzialnej sztucznej inteligencji

Aby zmaksymalizować potencjał sztucznej inteligencji w ochronie środowiska, konieczne jest przyjęcie podejścia "odpowiedzialnej sztucznej inteligencji", które

- Równoważy innowacje technologiczne ze zrównoważonym rozwojem środowiskowym
- Zapewnia przejrzystość i odpowiedzialność w wykorzystaniu AI
- Promuje międzynarodową współpracę w celu wymiany danych, zasobów i [kompetencji](/cosa-sono-questi-ai-translators)
- Zapewnia sprawiedliwy podział korzyści płynących z AI dla środowiska

## FAQ: Wpływ sztucznej inteligencji na środowisko

**Czy AI naprawdę zanieczyszcza środowisko tak bardzo, jak się mówi?**

Nie, wpływ sztucznej inteligencji na środowisko jest często przeceniany w debatach publicznych. Chociaż szkolenie dużych modeli sztucznej inteligencji wymaga znacznej ilości energii, wpływ ten należy porównać z korzyściami, jakie sztuczna inteligencja może przynieść w zakresie optymalizacji zużycia energii, redukcji emisji i innowacyjnych rozwiązań klimatycznych. Badanie przeprowadzone w 2021 r. przez Uniwersytet w Bristolu wykazało, że wiele wcześniejszych szacunków dotyczących wpływu sztucznej inteligencji na energię zostało przeszacowanych nawet 90-krotnie.

**Dlaczego wpływ AI na środowisko jest tak przeceniany w debacie publicznej?**

Wpływ sztucznej inteligencji na środowisko jest przeceniany ze względu na połączenie czynników psychologicznych, ekonomicznych i społecznych. Strach przed nieznanym i pewna technofobia w naturalny sposób podsycają krytyczne nastawienie do tej powstającej technologii, podczas gdy medialny sensacjonalizm wzmacnia alarmistyczne dane, aby wygenerować większe zaangażowanie. Istnieją również interesy gospodarcze tradycyjnych sektorów, które postrzegają sztuczną inteligencję jako zagrożenie dla konkurencji.

Kluczowym elementem jest niedopasowanie percepcyjne: centra danych są widocznymi strukturami fizycznymi, które zużywają wymierne ilości energii, podczas gdy korzyści środowiskowe generowane przez sztuczną inteligencję (takie jak optymalizacja transportu lub zmniejszenie ilości odpadów) są rozproszone i mniej namacalne. Ponadto wysoce zautomatyzowane centra danych tworzą stosunkowo niewiele miejsc pracy w porównaniu z innymi branżami, generując niekorzystne postrzeganie związku między ich wpływem na środowisko a lokalnymi korzyściami społeczno-gospodarczymi.

Sztucznej inteligencji często błędnie przypisuje się wpływ, który w rzeczywistości zależy od wykorzystywanego koszyka energetycznego, podczas gdy w rzeczywistości przy efektywnym koszyku energetycznym wpływ ten jest drastycznie zmniejszony. Wreszcie, prawie zawsze brakuje kontekstu porównawczego: ślad ekologiczny sztucznej inteligencji jest rzadko porównywany ze śladem innych sektorów, takich jak transport, przemysł ciężki, a nawet inne codzienne działania cyfrowe (streaming wideo, gry online), co powoduje zniekształcone postrzeganie jej znaczenia w ogólnym obrazie globalnych emisji.

**Jak wpływ AI wypada w porównaniu z innymi codziennymi czynnościami cyfrowymi?**

Ślad węglowy sztucznej inteligencji jest porównywalny lub niższy niż w przypadku wielu codziennych działań cyfrowych. Przykładowo, jedna godzina strumieniowania wideo w wysokiej rozdzielczości generuje około 36-100 gramów CO2, podczas gdy pojedyncze wnioskowanie z modelu AI może zużywać mniej energii niż człowiek wykonujący to samo zadanie. Faza szkolenia jest bardziej intensywna, ale jest to jednorazowe wydarzenie w porównaniu do ciągłego użytkowania.

**Czy wykorzystywanie AI do celów środowiskowych jest sprzeczne z jej zużyciem energii?**

Nie, to nie jest sprzeczność. Chociaż sztuczna inteligencja zużywa energię, jej potencjał w zakresie optymalizacji efektywności energetycznej i redukcji emisji w różnych sektorach (energetyka, transport, produkcja) może prowadzić do oszczędności emisji, które znacznie przekraczają jej bezpośredni wpływ. Badania sugerują, że sztuczna inteligencja może pomóc zmniejszyć globalne emisje nawet o 10 procent do 2030 roku.

**Jak możemy zmniejszyć wpływ AI na środowisko?**

Możemy zmniejszyć wpływ sztucznej inteligencji na środowisko poprzez różne strategie:

- Opracowywać bardziej efektywne algorytmy wymagające mniejszej mocy obliczeniowej
- Wdrażać specjalistyczny sprzęt dla AI zużywający mniej energii
- Przyjmować praktyki "[green](/green-ai-la-rivoluzione-sostenibile-dellintelligenza-artificiale) AI", które równoważą wydajność i zużycie energii
- Promować przejrzystość firm technologicznych w zakresie śladu węglowego ich modeli AI

‍**Czy AI jest bardziej szkodliwa dla środowiska niż tradycyjne procesy, które zastępuje?**

Nie, w większości przypadków sztuczna inteligencja jest bardziej wydajna niż tradycyjne procesy. Na przykład w optymalizacji transportu sztuczna inteligencja może zmniejszyć emisje nawet o 10% dzięki bardziej wydajnym trasom i mniejszemu natężeniu ruchu. W rolnictwie może zmniejszyć zużycie wody i nawozów nawet o 30%. Ten wzrost wydajności generalnie przekracza ślad węglowy samej sztucznej inteligencji.

## Wnioski

Sztuczna inteligencja jest potężnym i wszechstronnym narzędziem w walce ze zmianami klimatu i w ochronie środowiska. W 2025 r. jesteśmy świadkami pojawienia się konkretnych zastosowań, które już teraz mają znaczący pozytywny wpływ.

Chociaż sztuczna inteligencja zużywa energię, jej wpływ jest porównywalny lub mniejszy niż wielu codziennych działań cyfrowych, a jej potencjał redukcji emisji w innych sektorach znacznie przekracza jej bezpośredni ślad węglowy. Kluczowe jest porównanie kosztów energii AI z korzyściami środowiskowymi, jakie może ona wygenerować dzięki optymalizacji, prognozowaniu i zarządzaniu zasobami.

Aby w pełni wykorzystać potencjał sztucznej inteligencji w tej dziedzinie, potrzebne jest zrównoważone podejście, które uwzględnia nie tylko możliwości technologiczne, ale także etyczne, społeczne i środowiskowe implikacje sztucznej inteligencji.

Przyszłość zrównoważonego rozwoju środowiska będzie w coraz większym stopniu zależeć od naszej zdolności do odpowiedzialnej integracji sztucznej inteligencji ze strategiami zarządzania środowiskiem, zmieniając tę technologię w prawdziwego sprzymierzeńca planety.

## Źródła

1. Gruppo Iren. (2025). "Sztuczna inteligencja, jaki jest jej wpływ na środowisko i jak wyważyć zrównoważony rozwój i innowacje". https://www.gruppoiren.it/it/everyday/energie-per-domani/2025/intelligenza-artificiale-qual-e-l-impatto-ambientale-e-come-equilibrare-sostenibilita-e-innovazione.html" id="">https://www.gruppoiren.it/it/everyday/energie-per-domani/2025/intelligenza-artificiale-qual-e-l-impatto-ambientale-e-come-equilibrare-sostenibilita-e-innovazione.html
2. GeoSmart Magazine. (2025). "Monitorowanie wylesiania: rewolucja Envirosensing". [https://geosmartmagazine.it/2025/02/11/monitoraggio-deforestazione-la-rivoluzione-di-envirosensing/](https://geosmartmagazine.it/2025/02/11/monitoraggio-deforestazione-la-rivoluzione-di-envirosensing/)
3. Ministero dell'Ambiente e della Sicurezza Energetica. "Inwestycja 1.1 – Realizacja zaawansowanego i zintegrowanego systemu monitorowania i prognozowania". [https://www.mase.gov.it/pagina/investimento-1-1-realizzazione-di-un-sistema-avanzato-ed-integrato-di-monitoraggio-e-0](https://www.mase.gov.it/pagina/investimento-1-1-realizzazione-di-un-sistema-avanzato-ed-integrato-di-monitoraggio-e-0)
4. ESG360. (2025). "Sztuczna inteligencja: nowe rozwiązania w walce ze zmianami klimatu". [https://www.esg360.it/digital-for-esg/intelligenza-artificiale-nuove-soluzioni-contro-il-climate-change/](https://www.esg360.it/digital-for-esg/intelligenza-artificiale-nuove-soluzioni-contro-il-climate-change/)
5. L'Ecofuturo Magazine. (2025). "Sztuczna inteligencja: jakie korzyści dla klimatu i środowiska?". [https://ecquologia.com/intelligenza-artificiale-quali-vantaggi-per-clima-e-ambiente/](https://ecquologia.com/intelligenza-artificiale-quali-vantaggi-per-clima-e-ambiente/)
6. Think with Google. (2024). "Czy sztuczna inteligencja może pomóc rozwiązać kryzys klimatyczny?". [https://www.thinkwithgoogle.com/intl/it-it/strategie/marketing-automation/intelligenza-artificiale-cambiamento-climatico/](https://www.thinkwithgoogle.com/intl/it-it/strategie/marketing-automation/intelligenza-artificiale-cambiamento-climatico/)
7. Wastezero. (2024). "Wpływ sztucznej inteligencji (AI) na środowisko: ile zanieczyszczeń generuje pod względem CO2, energii i zużycia wody?". [https://www.wastezero.it/impatto-ambientale-intelligenza-artificiale-ai-quanto-inquina/](https://www.wastezero.it/impatto-ambientale-intelligenza-artificiale-ai-quanto-inquina/)
8. Agenda Digitale. (2024). "Sztuczna inteligencja i zmiany klimatyczne: ryzyka i szanse". [https://www.agendadigitale.eu/cultura-digitale/intelligenza-artificiale-e-cambiamenti-climatici-rischi-e-opportunita/](https://www.agendadigitale.eu/cultura-digitale/intelligenza-artificiale-e-cambiamenti-climatici-rischi-e-opportunita/)
9. International Energy Agency (IEA). "The True Climate Impact of Streaming". [https://about.netflix.com/en/news/the-true-climate-impact-of-streaming](https://about.netflix.com/en/news/the-true-climate-impact-of-streaming)
10. Breakthrough Fuel. "Sztuczna inteligencja w sektorze transportu wspiera efektywność i zrównoważony rozwój". [https://www.breakthroughfuel.com/it/blog/how-will-ai-impact-transportation-3-predictions/](https://www.breakthroughfuel.com/it/blog/how-will-ai-impact-transportation-3-predictions/)
11. GreenPlanner. (2024). "Do 2033 roku centra danych będą korzystać wyłącznie z energii odnawialnej". [https://www.greenplanner.it/2024/09/05/data-center-energia-rinnovabile/](https://www.greenplanner.it/2024/09/05/data-center-energia-rinnovabile/)
12. GreenPlanner. (2025). "Przyszłość energetyczna centrów danych: energia jądrowa, wodór i baterie". [https://www.greenplanner.it/2025/02/24/data-center-futuro-energetico/](https://www.greenplanner.it/2025/02/24/data-center-futuro-energetico/)
13. ZeroUno. (2023). "Czynniki wpływu środowiskowego centrów danych". [https://www.zerounoweb.it/techtarget/searchdatacenter/i-fattori-dellimpatto-ambientale-dei-data-center/](https://www.zerounoweb.it/techtarget/searchdatacenter/i-fattori-dellimpatto-ambientale-dei-data-center/)
14. Nucleare e Ragione. (2024). "Porównanie źródeł energii". [https://nucleareeragione.org/il-nucleare-a-confronto-con-altre-forme-di-energia/](https://nucleareeragione.org/il-nucleare-a-confronto-con-altre-forme-di-energia/)
15. Agenda Digitale. (2024). "Cyfryzacja nie jest darmowym obiadem: ile zanieczyszczeń generują centra danych i jak zmniejszyć ich wpływ". [https://www.agendadigitale.eu/smart-city/il-digitale-non-e-un-pasto-gratis-quanto-inquinano-i-data-center-e-come-ridurne-limpatto/](https://www.agendadigitale.eu/smart-city/il-digitale-non-e-un-pasto-gratis-quanto-inquinano-i-data-center-e-come-ridurne-limpatto/)
16. Sorgenia. (2024). "Kogeneracja energetyczna: działanie i korzyści". [https://www.sorgenia.it/guida-energia/cogenerazione](https://www.sorgenia.it/guida-energia/cogenerazione)
17. Viessmann. (2024). "Kogenerator: zalety i działanie instalacji kogeneracyjnych". [https://industriale.viessmann.it/blog/cogeneratore](https://industriale.viessmann.it/blog/cogeneratore)
18. Enel X. (2024). "The Data Center Industry and Sustainability". [https://corporate.enelx.com/en/stories/2021/12/data-center-industry-sustainability](https://corporate.enelx.com/en/stories/2021/12/data-center-industry-sustainability)
19. Geoside. (2023). "Inteligentna kogeneracja: optymalizacja energii w celu oszczędności i wsparcia transformacji energetycznej". [https://www.geoside.com/it/risparmio-energetico-cogenerazione-ottimizzazione](https://www.geoside.com/it/risparmio-energetico-cogenerazione-ottimizzazione)
20. 2G Energy. (2024). "Kogeneracja: energia efektywna i zrównoważona". [https://2-g.com/en/innovation-knowledge/combined-heat-and-power-generation](https://2-g.com/en/innovation-knowledge/combined-heat-and-power-generation)
21. Cummins Inc. (2021). "Trzy główne zalety kogeneracji". [https://www.cummins.com/it/news/2021/08/09/three-key-benefits-cogeneration](https://www.cummins.com/it/news/2021/08/09/three-key-benefits-cogeneration)