Az elmúlt években a mesterséges intelligencia (AI) technológiák gyors fejlődésével sokan elgondolkodtak azon, hogy ezek a technológiák hogyan segíthetnek az emberiség felett már rejlő egyik legsúlyosabb fenyegetés - a globális éghajlatváltozás - megoldásában? Egy új cikk, amelyet a mesterséges intelligencia fejlesztésének vezető szakértői írtak, és amelyet az arXiv.org online lerakatban publikáltak, megkísérli megválaszolni ezt a kérdést, és számos példát kínál arra, hogy a gépi tanulás hogyan képes megakadályozni civilizációnk hanyatlását.
A javasolt módszerek az AI és a műholdas technológiák használatától az erdőirtás hatékonyabb ellenőrzéséig terjednek, az acélt és cementet helyettesítő új anyagok kifejlesztéséig (ezek termelése az üvegházhatású gázok légköri kibocsátásának akár 9% -át teszi ki). E sokféleség ellenére a szakemberek cikkükben többször visszatérnek az ilyen technológiák alkalmazásának szélesebb körű lehetőségeihez. Különösen ennek fényében kiemelkednek a gépi látástechnika környezetvédelmi megfigyelés alkalmazásának lehetőségei; nagyméretű adatelemzés elvégzése annak meghatározása érdekében, hogy az iparágak hatékonyságát nem érik el a káros anyagok a légkörbe magasan; és az AI felhasználásával új, hatékonyabb rendszermodelleket, például a klímamodelleket,ennek köszönhetően jobban megjósolhatjuk és felkészülhetünk a jövőbeli változásokra.
A cikk szerzői, köztük a brit mesterséges intelligencia kutatója, a DeepMind alapítója és vezérigazgatója, Demis Hassabi, a Turing-díjas díjnyertes és Yoshua Bengio egyik „mély tanulás atyja”, valamint a Google Brain társalapítója - a Google mesterséges intelligencia kutatására irányuló kutatási projektjének Mély tanulás - Andrew Ng szerint az AI „felbecsülhetetlen értékű” lehet a globális éghajlatváltozás legrosszabb következményeinek minimalizálásában, de hozzáteszi, hogy ez a technológia nem „ezüstgolyó” - az egyetlen problémakezelő eszköz. Véleményük szerint a politikai erőknek aktívan részt kell venniük ebben a kérdésben.
Összességében a cikk egyszerre több olyan területet tárgyal, amelyeken a gépi tanulási technológiák megtalálhatnák alkalmazását, az esetleges felhasználási potenciál időkerete szerint kategorizálva, azzal magyarázva, hogy ez a technológia kellően fejlett-e. Az alábbiakban látható ez a lista.
A mesterséges intelligencia javítja az energiaellátó rendszerek hatékonyságát
Ha az emberiség a jövőben több megújuló energiaforrásra kíván támaszkodni, akkor a közműveknek módokra van szükségük a ténylegesen felhasználandó energiamennyiség hatékonyabb előrejelzésére és kiszámítására. Ezen túlmenően ezeket a számításokat valós időben és a vállalkozások teljes működési ideje alatt kell elvégezni.
Promóciós videó:
Már kifejlesztettük azokat az algoritmusokat, amelyek előre tudják jósolni az energiaigényt, azonban ezen algoritmusok hatékonysága tovább javítható, ha a számításokba olyan tényezőket vezetünk be, mint az egyes régiók éghajlati jellemzői, valamint az üzleti élet sajátosságai. Az ezen algoritmusok sajátosságainak megértése érdekében tett erőfeszítések lehetővé teszik a közüzemeltetők számára is, hogy pontosabban értelmezzék elemzés eredményeit és felhasználják a tervezéshez, és kiválasztják a legmegfelelőbb időt ezen megújuló energiaforrások bevezetésére.
A mesterséges intelligencia segít új anyagok felfedezésében
A tudósoknak új anyagokat kell kidolgozniuk az energia hatékonyabb előállítása, tárolása és felhasználása érdekében, általában azonban az új anyagok felfedezésének és fejlesztésének folyamata nagyon lassú, és nem mindig sikeres. A gépi tanulási technológiák felgyorsítják a kívánt tulajdonságokkal rendelkező új képletek megtalálásának, fejlesztésének és fejlesztésének folyamatát.
Valószínűleg ez például egy új típusú üzemanyag kifejlesztéséhez vezet, amelyet feltételesen "napenergiának" nevezünk, amely képes tárolni a napfény energiáját; lehetővé teszi egy új és nagyon hatékony szén-dioxid vagy építőanyag abszorbens létrehozását, amelyek előállítása kevesebb széndioxidot bocsát ki. Ezek az anyagok egy napon helyettesíthetik az acélt és a betont, amelynek előállítása a világ összes üvegházhatású gázkibocsátásának csaknem 10% -át bocsátja ki.
A mesterséges intelligencia hozzájárul a közlekedési rendszer hatékony átszervezéséhez
Az áruk világszerte történő kiszállítása nagyon összetett és nagyon gyakran nem hatékony logisztikai folyamat, amely során különböző térfogatú, súlyú és méretű áruk kölcsönhatásba lépnek, és különféle típusú szállítások történnek. Ugyanakkor a légköri szén-dioxid-kibocsátás egynegyedét a közlekedés adja.
Az ezen a területen alkalmazott gépi tanulási technológiák lehetővé teszik az ugyanazon rendeltetési helyre szállítást igénylő áruk hatékonyabb kombinálását, ami csökkenti a szükséges szállítmányok számát. Ezenkívül egy ilyen rendszer jobban ellenáll a szállítási rendszerek előre nem látható zavarainak, és képes lesz kezelni a pilóta nélküli teherautók hatalmas flottáját. A szerzők azonban megjegyzik, hogy a legújabb technológia még nem áll készen ezen a ponton.
A mesterséges az elektromos járművek gyors adaptációjához vezet
Az elektromos járművek, amelyek kulcsszerepet játszanak a járművek szén-dioxid-mentesítésében, számos olyan problémával szembesülnek, amelyek megakadályozzák, hogy valóban mainstreamé váljanak.
A gépi tanulás segíthet ebben a kérdésben - mondják a jelentés szerzői. Például az algoritmusok javíthatják az akkumulátor fogyasztásának kezelését, növelve az egyes töltések futásteljesítményét, és csökkentve az ilyen járművek potenciális vásárlói körében az utazási tartomány korlátozásával kapcsolatos aggodalom szintjét. Ezen felül ezek a technológiák optimalizálják a töltési időket.
A mesterséges intelligencia optimalizálja az épület infrastruktúráját
A gépi tanuláson alapuló intelligens vezérlőrendszerek jelentősen csökkenthetik az épületek energiafogyasztását, figyelembe véve az időjárási körülményeket, az épület jelenlegi kihasználtságát és más környezeti tényezőket, majd ennek megfelelően beállíthatják a helyiség fűtését, hűtését, szellőzését és világítását.
Az intelligens épületek képesek lesznek közvetlenül a hálózatra továbbítani a környezet jelenlegi állapotáról szóló információkat, hogy csökkentsék az energiafogyasztást, ha hiányzik az alacsony szén-dioxid-kibocsátású villamosenergia-ellátás.
Az AI pontosabban kiszámítja a felhasznált energiaforrások mennyiségét
A világ számos régiójában gyakorlatilag nincs adat a helyi energiafogyasztásról és az üvegházhatású gázok légkörbe történő kibocsátásáról, ami nagy problémát jelenthet a hatékony ellentételezési intézkedések kidolgozása és végrehajtása szempontjából.
A gépi látás lehetővé teszi a műholdas technológia felhasználását a beépített pont (terület) becslésére, hogy a gépi tanulási algoritmusok ezeket az adatokat felhasználhassák az energiafogyasztás és a kibocsátás kiszámításához. Hasonló módszerek használhatók az épületek azonosításához, amelyek hatékonyságának javítása érdekében korszerűsítést igényelnek.
A mesterséges intelligencia optimalizálja az ellátási láncokat
Hasonló képességekkel a gépi tanulási technológiák optimalizálhatják a csatornákat és az ellátási láncokat azáltal, hogy minimalizálják a különféle áruk szállításának szénlábnyomát.
A keresleti és kínálati törvény hatékonyabb előrejelzésének lehetősége csökkenti a termelési és szállítási hulladékot.
A mesterséges intelligencia skálázhatóvá teszi a precíziós gazdálkodást
A legtöbb modern mezőgazdasági üzem a monokultúrák termesztésének elvét használja. Más szavakkal, csak egy terményt termesztenek egy nagy területen.
Ez a megközelítés megkönnyíti a mezőgazdasági termelők számára a szántóföldek mezőgazdasági gépekkel és más önálló alapvető szerszámokkal történő megmunkálását, ugyanakkor kimerítik a talajt, megfosztva a tápanyagokat és ezáltal kevésbé termelékenyekké. Ennek eredményeként gyakran különféle műtrágyákat használnak a hozam növelésére, különösen nitrogén alapúak, amelyek nitrogén-oxidokká alakulhatnak - üvegházhatású gázok 300-szor veszélyesebbek, mint a szén-dioxid. A gépi tanulási robotok segítenek a mezőgazdaságban felbecsülni a talaj jelenlegi állapotát, és javaslatot tehetnek arra, hogy mely növényeket kell ültetni a talaj egészségének helyreállítása érdekében, miközben csökkentik a műtrágya igényét.
Az AI hatékonyabban segíti az erdőirtás nyomon követését
Az erdőirtás az üvegházhatású gázok teljes kibocsátásának körülbelül 10% -át teszi ki. Ennek a gyakran illegális tevékenységnek a nyomon követése és megakadályozása általában nagyon időigényes és rutin folyamat, amely a helyszínen személyes felügyeletet igényel.
A műholdas képek és a gépi látástechnika együttesen lehetővé teszik az erdőtakaró veszteségek nagymértékű automatikus elemzését, és a helyszíneken telepített speciális érzékelők olyan algoritmusokkal kombinálva, amelyek például fel tudják ismerni a láncfűrészek hangját, segíthetik a bűnüldöző szerveknek a hatékonyabb kezelést. illegális tevékenységek.
Az AI segít megváltoztatni fogyasztói hozzáállásunkat
A jelentés szerzői szerint a világban széles körben elterjedt a tévhit, hogy a hétköznapi emberek nem képesek súlyos hatást gyakorolni az éghajlatváltozásra.
Ezért ebben a kérdésben tisztázni kell, hogy az emberek miként tudnak segíteni. A gépi tanulási technológiák kiszámíthatják az ember szénlábnyomát (az összes üvegházhatású gázkibocsátás összegét, amelyet napi tevékenységeik során generálnak), és kisebb változtatásokat hajthatnak végre, amelyek csökkentik azt. Például a rendszer javasolhatja a tömegközlekedés gyakoribb használatát, mint a személyes szállítást; ritkábban vásárol húst a boltban; vagy csökkentheti az otthoni villamosenergia-fogyasztást. Mindannyian külön-külön teremtünk egy kis szén-dioxid-lábnyomot, de ha mindegyiket egyszerre veszi, a szám sokkal nagyobb. A fogyasztással kapcsolatos hozzáállásunk változásai és az erre irányuló egyedi cselekvések hozzáadása nagy kumulatív hatással lehet.
Az AI javítja a meteorológia és a klimatológia hatékonyságát
Az elkövetkező évtizedekben az éghajlatváltozás számos legjelentősebb hatása rendkívül összetett természetes rendszerekkel fog összefüggni, például a változó felhő- vagy jégtakarék-dinamikával.
Ezek az a kérdések, amelyekre az AI nagy reményeket támaszt. Ezen folyamatok pontos modellezése elősegíti a tudósok számára a szélsőséges időjárási viszonyok (például hurrikánok és aszályok) jobb előrejelzését, ami viszont segít az államoknak az ezen események legrosszabb következményei elleni védekezési módszerek kidolgozásában.
A mesterséges intelligencia segíteni fogja a geoműveletet
Ebben a szakaszban az AI e fentiekben ismertetett felhasználási lehetősége a spekulatívabb, de erre nagy reményeket támasztanak, legalábbis néhány tudós részéről.
Ha kidolgozhatunk módszereket arra, hogy bolygónk felhőtakaróját tükrözőbbé tegyük, vagy akár speciális aeroszolokon alapuló mesterséges felhőket hozzunk létre, akkor a Föld több napfényét tükrözzük. De ez a kérdés komoly vizsgálatot igényel. Az AI segíthet ebben, de a jelentés szerzői megjegyzik, hogy a mesterséges intelligencia alkalmazásának ez a módszere nagyon távoli kérdés, amelyhez a világ összes kormányának együttműködése szükséges. Például a Waterloo Kanadai Egyetem szakértői egyetértenek ezzel az állásponttal, akik szerintük a földmérnöki kérdés ésszerűtlen megközelítése harmadik világháborút indíthat.