الذكاء الاصطناعي من أجل البيئة: الابتكارات والحلول 2025

مقدمة

في عصر التحديات البيئية المتزايدة، يبرز الذكاء الاصطناعي (AI) كحليف قوي في مكافحة تغير المناخ وحماية النظام البيئي. ويمثل عام 2025 عامًا حاسمًا حيث تنتقل تقنيات الذكاء الاصطناعي المتقدمة أخيرًا من الوعود إلى تطبيقات ملموسة، وتقدم حلولاً مبتكرة لرصد الآثار البيئية والتنبؤ بها والتخفيف من حدتها.

‍

تستكشف هذه الورقة البحثية الابتكارات الرئيسية التي يُحدث فيها الذكاء الاصطناعي ثورة في الإدارة البيئية، وتقدم أمثلة ملموسة على التطبيقات الناجحة وتحدد الآفاق المستقبلية لهذا التآزر بين التكنولوجيا والاستدامة.

‍

إمكانات الذكاء الاصطناعي في مكافحة تغير المناخ

يوفر الذكاء الاصطناعي أدوات غير مسبوقة لمواجهة التحديات البيئية. فوفقًا لدراسات حديثة، يمكن للذكاء الاصطناعي أن يساعد في الحد من انبعاثات غازات الاحتباس الحراري العالمية بنسبة تصل إلى 10% بحلول عام 2030، وهي قيمة تعادل الانبعاثات السنوية للاتحاد الأوروبي بأكمله.

‍

إن قدرات الذكاء الاصطناعي في معالجة كميات هائلة من البيانات وتحديد الأنماط المعقدة وتوليد تنبؤات دقيقة تجعله مناسبًا بشكل خاص:

تحليل بيانات المناخ والطقس للتنبؤ بالأحداث المتطرفة
الاستخدام الأمثل للموارد الطبيعية وموارد الطاقة
مراقبة النظم الإيكولوجية وحمايتها
تسهيل الانتقال إلى الاقتصاد الدائري

‍

التطبيقات الرئيسية للذكاء الاصطناعي من أجل البيئة في عام 2025

1. مراقبة النظام الإيكولوجي المتقدم

تمثل أنظمة الرصد البيئي القائمة على الذكاء الاصطناعي أحد أكثر التطبيقات الواعدة. تعمل منصات مثل Envirosensing على إحداث ثورة في مجال رصد إزالة الغابات من خلال تحليل صور الأقمار الصناعية عالية الدقة مع خوارزميات التعلم الآلي. وتتيح هذه الأنظمة إمكانية:

التتبع الدقيق للتغيرات في الغطاء الحرجي
تحديد مخاطر إزالة الغابات في مرحلة مبكرة
أتمتة عملية الفحص النافي للجهالة للشركات الخاضعة لقانون حماية حقوق الملكية الفكرية الأوروبية

في إيطاليا، أطلقت وزارة البيئة استثمارًا بقيمة 500 مليون يورو لتطوير نظام رصد متقدم ومتكامل يستخدم الاستشعار عن بعد من الفضاء الجوي وأجهزة الاستشعار في الموقع وتحليل الذكاء الاصطناعي للتنبؤ بالمخاطر الهيدروجيولوجية وتحديد الجرائم البيئية.

‍

2. التنبؤ بتغير المناخ والتكيف معه

يعمل الذكاء الاصطناعي على تغيير قدرتنا على التنبؤ بتغير المناخ والاستجابة له:

النماذج المناخية المتقدمة: تعمل خوارزميات التعلم المتعمق على تحسين دقة التنبؤات المناخية بشكل كبير من خلال تحديد الأنماط المعقدة التي قد لا تكتشفها النماذج التقليدية.
أنظمة الإنذار المبكر: تستخدم أنظمة الإنذار المبكر: تستخدم منصات مثل "Sunny Lives"، التي طورتها شركة IBM و SEEDS، الذكاء الاصطناعي لتحليل صور الأقمار الصناعية وتقييم المخاطر المحلية للمخاطر الطبيعية من خلال تحديد درجات المخاطر النسبية للمباني.
محاكاة سيناريوهات المناخ: يتيح الذكاء الاصطناعي محاكاة سيناريوهات مختلفة لتغير المناخ وتقييم فعالية استراتيجيات التكيف والتخفيف المحتملة.

3. الاستغلال الأمثل لموارد الطاقة

في قطاع الطاقة، يقود الذكاء الاصطناعي التحول نحو أنظمة أكثر كفاءة واستدامة:

شبكة ذكية تعتمد على الذكاء الاصطناعي: أنظمة ذكية توازن بين العرض والطلب على الطاقة في الوقت الحقيقي، مما يسهل تكامل الطاقات المتجددة.
التنبؤ بإنتاج الطاقة المتجددة: الخوارزميات التي تعمل على تحسين دقة توقعات الإنتاج من مصادر الرياح والطاقة الشمسية، مما يقلل من الحاجة إلى الوقود الأحفوري الاحتياطي.
كفاءة الطاقة: أنظمة إدارة الطاقة القائمة على الذكاء الاصطناعي التي تعمل على تحسين الاستهلاك في المباني والعمليات الصناعية والنقل.

4. الإدارة الزراعية المستدامة

تُحدث الزراعة الدقيقة المدعومة بالذكاء الاصطناعي ثورة في القطاع الزراعي:

مراقبة حالة التربة: تقوم مستشعرات إنترنت الأشياء مع خوارزميات الذكاء الاصطناعي بتحليل صحة التربة، بما في ذلك الميكروبيوم، في الوقت الفعلي، مما يتيح التدخلات المستهدفة وتقليل استخدام الأسمدة.
الإدارة المثلى للمياه: أنظمة الذكاء الاصطناعي التي تحدد احتياجات الري بدقة، مما يقلل من إهدار المياه.
التنبؤ بأمراض المحاصيل: الخوارزميات التي تحدد الأمراض المحتملة في مرحلة مبكرة، مما يتيح التدخلات الوقائية والحد من استخدام المبيدات.

5. كشف التلوث وإدارته

يعمل الذكاء الاصطناعي على تحسين قدرتنا على مراقبة التلوث وإدارته بشكل كبير:

مراقبة جودة الهواء: تقوم شبكات استشعار إنترنت الأشياء مع الذكاء الاصطناعي بتحليل مستويات ملوثات الهواء في المناطق الحضرية في الوقت الفعلي.
تحديد مصدر الملوثات: خوارزميات الرؤية الحاسوبية المطبقة على صور الأقمار الصناعية أو الطائرات بدون طيار لتحديد مصادر التلوث غير المشروعة.
تحسين إدارة النفايات: أنظمة ذكية تعمل على تحسين فصل النفايات وإعادة تدويرها من خلال الروبوتات التي تعتمد على الذكاء الاصطناعي.

‍

التحديات والاعتبارات الأخلاقية

على الرغم من إمكاناته التحويلية، إلا أن تطبيق الذكاء الاصطناعي للأغراض البيئية ينطوي أيضًا على تحديات كبيرة:

البصمة البيئية للذكاء الاصطناعي: تحليل مقارن

للذكاء الاصطناعي في حد ذاته بصمة بيئية تستحق الاهتمام، ولكن التحليل المقارن مع التقنيات والقطاعات الأخرى يضع تأثيره الحقيقي في منظوره الصحيح.

وفقًا للبيانات الأخيرة، استهلك تدريب نموذج معقد للذكاء الاصطناعي مثل GPT-3 حوالي 1,287 ميجاوات ساعة وأنتج حوالي 550 طنًا من ثاني أكسيد الكربون. قد يبدو هذا الرقم مرتفعًا، ولكن يجب مقارنته بالقطاعات الأخرى:

‍

النقل: قطاع النقل مسؤول عن حوالي 26% من انبعاثات غازات الاحتباس الحراري في إيطاليا. ومن شأن رحلة جوية بين نيويورك وسان فرانسيسكو ذهابا وإيابا 550 مرة أن تنتج انبعاثات تعادل التدريب على النقل الجوي العالمي الثالث.
بث الفيديو: تنتج ساعة واحدة من بث الفيديو في المتوسط ما بين 36 و100 جرام من ثاني أكسيد الكربون، وفقًا لتقديرات وكالة الطاقة الدولية. وبالنظر إلى مليارات الساعات المستهلكة من البث على مستوى العالم، فإن الأثر التراكمي كبير.
الاستخدام اليومي مقابل التدريب: تشير دراسة حديثة نُشرت في مجلة Scientific Reports إلى أنه على الرغم من ارتفاع تكاليف الطاقة في التدريب، يمكن أن يكون الذكاء الاصطناعي أكثر كفاءة في استخدام الطاقة من العمل البشري في المهام المعقدة، حيث ينبعث منه ما بين 130 و1500 مرة أقل من ثاني أكسيد الكربون لمعالجة النصوص المعقدة.

‍

دور مصادر الطاقة المستدامة لمراكز البيانات في مراكز البيانات

يمثل تزويد مراكز البيانات التي تستضيف أنظمة الذكاء الاصطناعي بالطاقة تحدياً حاسماً للاستدامة البيئية. وتظهر العديد من حلول الطاقة كبدائل قابلة للتطبيق للحد من البصمة الكربونية:

‍

1. الطاقة النووية لمراكز البيانات

تشهد الطاقة النووية نهضة في سياق مراكز البيانات بسبب "عامل السعة" العالي (القدرة على توليد الطاقة بشكل مستمر) وانخفاض انبعاثات ثاني أكسيد الكربون. ووفقًا لـ IdTechEx، فإن مراكز البيانات في عام 2024 قد أحيت الاهتمام بمصدر الطاقة هذا من خلال استكشاف خيارات مختلفة:

المفاعلات النمطية الصغيرة (SMR): تعد هذه المفاعلات المدمجة بتكاليف أقل وأوقات بناء أقصر من محطات الطاقة النووية التقليدية، وذلك بفضل عمليات الإنتاج على نطاق صناعي.
مزايا الطاقة النووية: مع انعدام انبعاثات ثاني أكسيد الكربون أثناء توليد الطاقة وكثافة الطاقة العالية، يمكن للطاقة النووية توفير الطاقة العالية التي تحتاجها مراكز بيانات IA دون التقلبات التي تتسم بها مصادر الطاقة المتجددة مثل الطاقة الشمسية وطاقة الرياح.

أشار جيمس هارت، الرئيس التنفيذي لشركة BCS Consulting، إلى أن "النمو الهائل للذكاء الاصطناعي يشكل تحديًا لصناعة مراكز البيانات"، وأكد على الحاجة إلى مصادر طاقة مستقرة ومنخفضة الانبعاثات مثل الطاقة النووية.

‍

2. أنظمة التوليد المشترك للطاقة: كفاءة لا مثيل لها

تُعد أنظمة الحرارة والطاقة المدمجة (CHP) أحد أكثر الحلول كفاءة لتشغيل مراكز البيانات التي تستضيف أنظمة IA، حيث تقدم مزايا كبيرة مقارنة بمصادر الطاقة الأخرى:

‍

كفاءة أعلى في استخدام الطاقة: في حين أن الإنتاج المنفصل للكهرباء والحرارة له كفاءة إجمالية تتراوح بين 40-55%، فإن أنظمة الطاقة الحرارية التحويلية المختلطة يمكن أن تحقق كفاءة استثنائية تتراوح بين 80-90%، حيث تستعيد الحرارة التي كانت ستضيع لولا ذلك وتستخدمها لأغراض أخرى.
انخفاض استهلاك الوقود: يتطلب توليد الطاقة الحرارية الكهربائية المختلطة وقوداً أقل بنسبة تصل إلى 40 في المائة من التوليد المنفصل للكهرباء والحرارة لتحقيق نفس الكمية من الطاقة المفيدة، كما هو موضح في بيانات وزارة الطاقة الأمريكية.
انخفاض كبير في انبعاثات ثاني أكسيد الكربون: نظراً لكفاءتها العالية، يمكن لمحطة توليد الطاقة الكهربائية المختلطة أن تقلل من انبعاثات غازات الاحتباس الحراري بنسبة تصل إلى 30% مقارنةً بالطرق التقليدية لإنتاج الطاقة.
تطبيق مثالي لمراكز البيانات: يمكن استرداد الحرارة الناتجة عن الخوادم واستخدامها لتدفئة المباني المجاورة أو العمليات الصناعية الأخرى، مما يخلق دائرة حميدة من كفاءة الطاقة.
استقلالية الشبكة ومرونتها: توفر أنظمة الطاقة الحرارية الكهربائية استقلالية الطاقة وزيادة المرونة، وهو أمر ذو قيمة خاصة لمراكز البيانات التي تتطلب استمرارية مضمونة للأعمال.
التوليد الثلاثي: تطور متقدم للتوليد المشترك للطاقة الذي يضيف توليد طاقة التبريد (التبريد) إلى توليد الكهرباء والحرارة، وهو مفيد بشكل خاص لمراكز البيانات التي تحتاج إلى أنظمة تبريد فعالة.

ويمثل التوليد المشترك للطاقة جسراً مثالياً بين تكنولوجيات الطاقة التقليدية والمتجددة، حيث يعمل كتوليد موزع للطاقة على غرار الخلايا الكهروضوئية ولكن مع ميزة التشغيل المستمر المستقل عن الطقس. وبالإضافة إلى ذلك، يمكن لمحطات التوليد المشترك للطاقة أن تستخدم مجموعة متنوعة من أنواع الوقود، بما في ذلك الغاز الحيوي والكتلة الحيوية المتجددة، مما يمهد الطريق لمستقبل خالٍ من الانبعاثات.

‍

ووفقًا لتقرير صادر عن شركة Geoside، "تؤدي زيادة كفاءة عملية إنتاج الطاقة إلى تقليل انبعاثات ثاني أكسيد الكربون وغازات الاحتباس الحراري، مما يقلل من الأثر البيئي"، مما يسلط الضوء على الدور الحاسم للتوليد المشترك للطاقة في عملية التحول في مجال الطاقة.

‍

3. الطاقة الشمسية ومصادر الطاقة المتجددة الأخرى

‍

تستثمر شركات التكنولوجيا الكبرى بكثافة في الطاقة المتجددة:

التزامات للمستقبل: وفقًا لشركة Business Critical Services Consulting الاستشارية، فإن 90% من الطاقة التي تستخدمها مراكز البيانات ستكون متجددة بحلول عام 2033، حيث أعلنت شركات مثل جوجل ومايكروسوفت بالفعل عن هدفها المتمثل في استخدام طاقة خالية من الكربون على مدار الساعة طوال أيام الأسبوع بحلول عام 2030.
مشاريع الطاقة الشمسية المخصصة: تقوم العديد من شركات التكنولوجيا ببناء أنظمة طاقة شمسية مخصصة خصيصاً لتشغيل مراكز البيانات الخاصة بها، وغالباً ما يتم ذلك مع أنظمة تخزين الطاقة لضمان الاستمرارية.

إن التكامل بين مصادر الطاقة هذه أمر بالغ الأهمية: يمكن للطاقة النووية أن توفر الحمل الأساسي المستمر، بينما يمكن لمصادر الطاقة المتجددة مثل الطاقة الشمسية أن تغطي ذروة الطلب، مع أنظمة التوليد المشترك للطاقة التي تزيد من الكفاءة الكلية.

‍

علاوة على ذلك، تحرز صناعة الذكاء الاصطناعي تقدماً كبيراً في الحد من تأثيرها على البيئة:

تحسين كفاءة الطاقة: تعمل مراكز البيانات باستمرار على ترقية معداتها لتكون أكثر كفاءة في استخدام الطاقة.
اعتماد الطاقة المتجددة: التزمت العديد من شركات التكنولوجيا باستخدام الطاقة المتجددة بنسبة 100% لتشغيل مراكز البيانات الخاصة بها.
خوارزميات أكثر كفاءة: تتقدم الأبحاث نحو خوارزميات الذكاء الاصطناعي التي تتطلب قوة حوسبة أقل لتحقيق نتائج مماثلة أو أفضل.

‍

الدقة والموثوقية

تعتمد جودة نتائج الذكاء الاصطناعي اعتمادًا كبيرًا على جودة البيانات المدخلة. وفي السياق البيئي، حيث قد تكون البيانات غير مكتملة أو غير دقيقة، يمثل ذلك تحدياً كبيراً.

‍

الإنصاف وإمكانية الوصول

هناك خطر من أن تكون الحلول القائمة على الذكاء الاصطناعي للبيئة متاحة بشكل أساسي للبلدان والمنظمات التي تمتلك موارد أكبر، مما قد يؤدي إلى توسيع الفجوة التكنولوجية القائمة.

‍

مستقبل الذكاء الاصطناعي من أجل البيئة: نحو ذكاء اصطناعي مسؤول

‍

لتعظيم إمكانات الذكاء الاصطناعي في حماية البيئة، من الضروري اعتماد نهج "الذكاء الاصطناعي المسؤول" الذي

تحقيق التوازن بين الابتكار التكنولوجي والاستدامة البيئية
ضمان الشفافية والمساءلة في استخدام الذكاء الاصطناعي
تعزيز التعاون الدولي لتبادل البيانات والموارد والخبرات
ضمان توزيع فوائد الذكاء الاصطناعي على البيئة بشكل عادل

‍

الأسئلة الشائعة: التأثير البيئي للذكاء الاصطناعي

‍

هل الذكاء الاصطناعي ملوث حقاً كما يقولون؟

لا، غالبًا ما يتم المبالغة في تقدير الأثر البيئي للذكاء الاصطناعي في المناقشات العامة. على الرغم من أن تدريب نماذج الذكاء الاصطناعي الكبيرة يتطلب طاقة كبيرة، إلا أنه يجب مقارنة هذا التأثير بالفوائد التي يمكن أن يحققها الذكاء الاصطناعي من حيث تحسين الطاقة وخفض الانبعاثات والحلول المناخية المبتكرة. أظهرت دراسة أجرتها جامعة بريستول في عام 2021 أن العديد من التقديرات السابقة لتأثير الذكاء الاصطناعي على الطاقة مبالغ فيها بنسبة تصل إلى 90 مرة.

‍

لماذا يتم المبالغة في تقدير الأثر البيئي للذكاء الاصطناعي في النقاش العام؟

هناك مبالغة في تقدير الأثر البيئي للذكاء الاصطناعي بسبب مجموعة من العوامل النفسية والاقتصادية والاجتماعية. فالخوف من المجهول وبعض الرهاب من التكنولوجيا يغذيان بطبيعة الحال المواقف الناقدة تجاه هذه التكنولوجيا الناشئة، في حين أن الإثارة الإعلامية تضخم البيانات المثيرة للقلق لتوليد قدر أكبر من المشاركة. ثم هناك المصالح الاقتصادية للقطاعات التقليدية التي ترى في الذكاء الاصطناعي تهديدًا تنافسيًا.

‍

يتمثل أحد العناصر الرئيسية في عدم التطابق الإدراكي: فمراكز البيانات هي هياكل مادية مرئية تستهلك كميات قابلة للقياس من الطاقة، في حين أن الفوائد البيئية التي ينتجها الذكاء الاصطناعي (مثل تحسين النقل أو الحد من النفايات) منتشرة وأقل واقعية. وبالإضافة إلى ذلك، فإن مراكز البيانات المؤتمتة للغاية تخلق فرص عمل قليلة نسبيًا مقارنة بالصناعات الأخرى، مما يولد تصورًا غير مواتٍ للعلاقة بين تأثيرها البيئي والفوائد الاجتماعية والاقتصادية المحلية.

‍

غالبًا ما يُنسب للذكاء الاصطناعي تأثيرًا خاطئًا يعتمد في الواقع على مزيج الطاقة المستخدم، في حين أنه في الواقع مع مزيج الطاقة الفعال ينخفض هذا التأثير بشكل كبير. أخيرًا، هناك دائمًا تقريبًا نقص في السياق المقارن: نادرًا ما تتم مقارنة البصمة البيئية للذكاء الاصطناعي مع القطاعات الأخرى مثل النقل أو الصناعات الثقيلة أو حتى الأنشطة الرقمية اليومية الأخرى (بث الفيديو والألعاب عبر الإنترنت)، مما يخلق تصورًا مشوهًا لأهميته في الصورة العامة للانبعاثات العالمية.

‍

كيف يمكن مقارنة تأثير الذكاء الاصطناعي بالأنشطة الرقمية اليومية الأخرى؟

إن البصمة الكربونية للذكاء الاصطناعي مماثلة أو أقل من العديد من الأنشطة الرقمية اليومية. على سبيل المثال، تولد ساعة واحدة من بث الفيديو عالي الوضوح حوالي 36-100 جرام من ثاني أكسيد الكربون، في حين أن استنتاج واحد من نموذج الذكاء الاصطناعي يمكن أن يستهلك طاقة أقل من الطاقة التي يستهلكها الإنسان الذي يؤدي نفس المهمة. تعتبر مرحلة التدريب أكثر كثافة، ولكنها حدث لمرة واحدة مقارنة بالاستخدام المستمر.

‍

هل يعد استخدام الذكاء الاصطناعي لأغراض بيئية تناقضاً بالنظر إلى استهلاكه للطاقة؟

لا، هذا ليس تناقضًا. على الرغم من أن الذكاء الاصطناعي يستهلك الطاقة، إلا أن قدرته على تحسين كفاءة الطاقة وتقليل الانبعاثات في مختلف القطاعات (الطاقة والنقل والتصنيع) يمكن أن تؤدي إلى وفورات في الانبعاثات تتجاوز تأثيره المباشر بشكل كبير. وتشير الأبحاث إلى أن الذكاء الاصطناعي يمكن أن يساعد في خفض الانبعاثات العالمية بنسبة تصل إلى 10% بحلول عام 2030.

‍

كيف يمكننا الحد من الأثر البيئي للذكاء الاصطناعي؟

يمكننا الحد من الأثر البيئي للذكاء الاصطناعي من خلال استراتيجيات مختلفة:

تطوير خوارزميات أكثر كفاءة تتطلب طاقة حوسبة أقل
تنفيذ أجهزة متخصصة للذكاء الاصطناعي تستهلك طاقة أقل
اعتماد ممارسات "الذكاء الاصطناعي الأخضر" التي توازن بين الأداء واستهلاك الطاقة
تعزيز الشفافية في شركات التكنولوجيا فيما يتعلق بالبصمة الكربونية لنماذج الذكاء الاصطناعي الخاصة بها

‍ هلالذكاء الاصطناعي أكثر ضررًا بالبيئة من العمليات التقليدية التي يحل محلها؟

لا، في معظم الحالات يكون الذكاء الاصطناعي أكثر كفاءة من العمليات التقليدية. على سبيل المثال، في مجال تحسين النقل، يمكن للذكاء الاصطناعي أن يقلل من الانبعاثات بنسبة تصل إلى 10% من خلال طرق أكثر كفاءة وازدحام مروري أقل. وفي الزراعة، يمكن أن يقلل من استخدام المياه والأسمدة بنسبة تصل إلى 30%. تتجاوز مكاسب الكفاءة هذه عمومًا البصمة الكربونية للذكاء الاصطناعي نفسه.

‍

الاستنتاجات

الذكاء الاصطناعي أداة قوية ومتعددة الاستخدامات في مكافحة تغير المناخ وحماية البيئة. في عام 2025، نشهد ظهور تطبيقات ملموسة لها تأثير إيجابي كبير بالفعل.

‍

على الرغم من أن الذكاء الاصطناعي يستهلك الطاقة، إلا أن تأثيره مماثل أو أقل من العديد من الأنشطة الرقمية اليومية، كما أن قدرته على تقليل الانبعاثات في القطاعات الأخرى تتجاوز بكثير بصمته الكربونية المباشرة. من الأهمية بمكان مقارنة تكاليف الطاقة للذكاء الاصطناعي بالفوائد البيئية التي يمكن أن يولدها من خلال التحسين والتنبؤ وإدارة الموارد.

‍

من أجل تحقيق الإمكانات الكاملة للذكاء الاصطناعي في هذا المجال، هناك حاجة إلى نهج متوازن لا يأخذ في الاعتبار الإمكانيات التكنولوجية فحسب، بل أيضًا الآثار الأخلاقية والاجتماعية والبيئية للذكاء الاصطناعي.

‍

وسيعتمد مستقبل الاستدامة البيئية بشكل متزايد على قدرتنا على دمج الذكاء الاصطناعي بشكل مسؤول في استراتيجيات الإدارة البيئية، وتحويل هذه التكنولوجيا إلى حليف حقيقي لكوكب الأرض.

‍

المصادر

مجموعة إيرين. (2025). "الذكاء الاصطناعي، ما هو الأثر البيئي وكيفية الموازنة بين الاستدامة والابتكار". https://www.gruppoiren.it/it/everyday/energie-per-domani/2025/intelligenza-artificiale-qual-e-l-impatto-ambientale-e-come-equilibrare-sostenibilita-e-innovazione.html
مجلة GeoSmart. (2025). "رصد إزالة الغابات: ثورة الاستشعار عن بُعد" . https://geosmartmagazine.it/2025/02/11/monitoraggio-deforestazione-la-rivoluzione-di-envirosensing/.
وزارة البيئة وأمن الطاقة. "الاستثمار 1-1 - تنفيذ نظام متقدم ومتكامل للرصد والتنبؤ". https://www.mase.gov.it/pagina/investimento-1-1-realizzazione-di-un-sistema-avanzato-ed-integrato-di-monitoraggio-e-0
ESG360. (2025). "الذكاء الاصطناعي: حلول جديدة لمواجهة تغير المناخ" . https://www.esg360.it/digital-for-esg/intelligenza-artificiale-nuove-soluzioni-contro-il-climate-change/.
مجلة المستقبل البيئي. (2025). "الذكاء الاصطناعي: ما هي فوائده للمناخ والبيئة؟" . https://ecquologia.com/intelligenza-artificiale-quali-vantaggi-per-clima-e-ambiente/.
فكّر مع جوجل. (2024). "هل يمكن أن يساعد الذكاء الاصطناعي في حل أزمة المناخ؟". https://www.thinkwithgoogle.com/intl/it-it/strategie/marketing-automation/intelligenza-artificiale-cambiamento-climatico/
نفايات صفر. (2024). "التأثير البيئي للذكاء الاصطناعي (AI): ما مقدار التلوث بين ثاني أكسيد الكربون واستهلاك الطاقة والمياه؟" . https://www.wastezero.it/impatto-ambientale-intelligenza-artificiale-ai-quanto-inquina/.
الأجندة الرقمية. (2024). "الذكاء الاصطناعي وتغير المناخ: المخاطر والفرص" . https://www.agendadigitale.eu/cultura-digitale/intelligenza-artificiale-e-cambiamenti-climatici-rischi-e-opportunita/.
الوكالة الدولية للطاقة (IEA). "The True Climate Impact of Streaming" . https://about.netflix.com/en/news/the-true-climate-impact-of-streaming.
بريكثرو فيول. "الذكاء الاصطناعي في قطاع النقل يعزز الكفاءة والاستدامة ." https://www.breakthroughfuel.com/it/blog/how-will-ai-impact-transportation-3-predictions/
جرين بلانر. (2024). "بحلول عام 2033 ستستخدم مراكز البيانات الطاقة المتجددة فقط". https://www.greenplanner.it/2024/09/05/data-center-energia-rinnovabile/
جرين بلانر. (2025). "مستقبل الطاقة في مراكز البيانات: الطاقة النووية والهيدروجين والبطاريات ." https://www.greenplanner.it/2025/02/24/data-center-futuro-energetico/
زيرو أونو (2023). "عوامل التأثير البيئي لمراكز البيانات ." https://www.zerounoweb.it/techtarget/searchdatacenter/i-fattori-dellimpatto-ambientale-dei-data-center/.
نووي وعقلاني (2024). "مقارنة مصادر الطاقة" . https://nucleareeragione.org/il-nucleare-a-confronto-con-altre-forme-di-energia/.
الأجندة الرقمية. (2024). "الرقمية ليست وجبة مجانية: مدى تلويث مراكز البيانات وكيفية الحد من تأثيرها" . https://www.agendadigitale.eu/smart-city/il-digitale-non-e-un-pasto-gratis-quanto-inquinano-i-data-center-e-come-ridurne-limpatto/.
سورجينيا (2024). "التوليد المشترك للطاقة: التشغيل والفوائد" . https://www.sorgenia.it/guida-energia/cogenerazione.
فيسمان (2024). "التوليد المشترك للطاقة: مزايا وتشغيل محطات الحرارة والطاقة المشتركة" . https://industriale.viessmann.it/blog/cogeneratore.
إنيل X. (2024). "صناعة مراكز البيانات والاستدامة" . https://corporate.enelx.com/en/stories/2021/12/data-center-industry-sustainability.
جيوسيد (2023). "التوليد المشترك الذكي للطاقة: تحسين الطاقة لتوفير المال والمساهمة في انتقال الطاقة ." https://www.geoside.com/it/risparmio-energetico-cogenerazione-ottimizzazione
2G للطاقة. (2024). "التوليد المشترك للطاقة: طاقة فعالة ومستدامة". https://2-g.com/en/innovation-knowledge/combined-heat-and-power-generation
شركة Cummins Inc. (2021). "المزايا الرئيسية الثلاث لتوليد الطاقة الحرارية الكهربائية". https://www.cummins.com/it/news/2021/08/09/three-key-benefits-cogeneration