• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  •  science >> Vetenskap >  >> Naturen
    Artificiell intelligens – en spelförändring för klimatförändringar och miljön

    AI förbättrar ständigt klimatmodellerna. Kredit:Los Alamos National Lab

    När planeten fortsätter att värmas, klimatförändringarnas effekter förvärras. 2016, det inträffade 772 väder- och katastrofhändelser, tredubbla antalet som inträffade 1980. Tjugo procent av arterna står för närvarande inför utrotning, och den siffran kan stiga till 50 procent år 2100. Och även om alla länder håller sina klimatlöften i Paris, senast 2100, det är troligt att den globala genomsnittstemperaturen kommer att vara 3˚C högre än under förindustriell tid.

    Men vi har ett nytt verktyg som hjälper oss att bättre hantera effekterna av klimatförändringar och skydda planeten:artificiell intelligens (AI). AI avser datorsystem som "kan känna sin miljö, tror, lära sig, och agera som svar på vad de känner och deras programmerade mål, " enligt en rapport från World Economic Forum, Utnyttja artificiell intelligens för jorden, författad av PwC UK.

    I Indien, AI har hjälpt bönder att få 30 procent högre jordnötsskörd per hektar genom att tillhandahålla information om hur man förbereder marken, spridning av gödsel och val av sådatum. I Norge, AI hjälpte till att skapa ett flexibelt och autonomt elnät, integrera mer förnybar energi.

    Och AI har hjälpt forskare att uppnå 89 till 99 procents noggrannhet vid identifiering av tropiska cykloner, väderfronter och atmosfäriska floder, den senare kan orsaka kraftig nederbörd och är ofta svår för människor att identifiera på egen hand. Genom att förbättra väderprognoserna, dessa typer av program kan hjälpa till att hålla människor säkra.

    Vad är artificiell intelligens, maskininlärning och djupinlärning?

    Artificiell intelligens har funnits sedan slutet av 1950-talet, men idag, AI:s kapacitet förbättras snabbt tack vare flera faktorer:de stora mängder data som samlas in av sensorer (i apparater, fordon, Kläder, etc.), satelliter och Internet; utvecklingen av kraftfullare och snabbare datorer; tillgängligheten av programvara och data med öppen källkod; och ökningen i överflöd, billig förvaring. AI kan nu snabbt urskilja mönster som människor inte kan, göra förutsägelser mer effektivt och rekommendera bättre politik.

    Artificiell intelligensforskningens heliga gral är artificiell allmän intelligens, när datorer kommer att kunna resonera, abstrakt, förstå och kommunicera som människor. Men vi är fortfarande långt ifrån det – det krävs 83, 000 processorer 40 minuter att beräkna vad en procent av den mänskliga hjärnan kan beräkna på en sekund. Det som finns idag är smal AI, som är uppgiftsorienterad och kan göra vissa saker, ibland bättre än människor kan göra, som att känna igen tal eller bilder och förutsäga väder. Spela schack och klassificera bilder, som i taggning av människor på Facebook, är exempel på smal AI.

    När Netflix och Amazon rekommenderar program och produkter baserat på vår köphistorik, de använder maskininlärning. Maskininlärning, som utvecklades ur tidigare AI, innebär användning av algoritmer (uppsättningar regler att följa för att lösa ett problem) som kan lära av data. Ju mer data systemet analyserar, desto mer exakt blir det när systemet utvecklar sina egna regler och mjukvaran utvecklas för att uppnå sitt mål.

    Djup lärning, en delmängd av maskininlärning, involverar neurala nätverk som består av flera lager av anslutningar eller neuroner, ungefär som den mänskliga hjärnan. Varje lager har en separat uppgift och när information passerar, neuronerna ger den en vikt baserad på dess noggrannhet gentemot den tilldelade uppgiften. Det slutliga resultatet bestäms av summan av vikterna.

    Deep learning gjorde det möjligt för ett datorsystem att ta reda på hur man identifierar en katt – utan någon mänsklig input om kattens egenskaper – efter att ha "sett" 10 miljoner slumpmässiga bilder från YouTube. Eftersom djupinlärning i huvudsak sker i en "svart låda" genom självlärande och utvecklande algoritmer, dock, forskare vet ofta inte hur ett system kommer fram till sina resultat.

    Artificiell intelligens är en game changer

    Microsoft tror att artificiell intelligens, omfattar ofta maskininlärning och djupinlärning, är en "game changer" för klimatförändringar och miljöfrågor. Företagets AI for Earth-program har åtagit sig 50 miljoner dollar under fem år för att skapa och testa nya applikationer för AI. Så småningom kommer det att hjälpa till att skala upp och kommersialisera de mest lovande projekten.

    En atmosfärisk flod över Kalifornien. Kredit:NOAA

    Maria Uriarte vid Columbia University, professor i ekologi, Evolution och miljöbiologi, och Tian Zheng, en statistikprofessor vid Data Science Institute, fick ett Microsoft -bidrag för att studera effekterna av orkanen Maria på El Yunque National Forest i Puerto Rico. Uriarte och hennes kollegor vill veta hur tropiska stormar, som kan förvärras med klimatförändringarna, påverka utbredningen av trädslag i Puerto Rico.

    Orkanen Marias vindar skadade tusentals hektar regnskog, Det enda sättet att avgöra vilka trädslag som förstördes och vilka som klarade orkanen i så stor skala är genom att använda bilder. Under 2017, en NASA-överflygning i Puerto Rico gav mycket högupplösta fotografier av trädkronorna. Men hur är det möjligt att skilja en art från en annan genom att titta på en grön massa ovanifrån över ett så stort område? Det mänskliga ögat skulle teoretiskt kunna göra det, men det skulle ta en evighet att bearbeta de tusentals bilderna.

    Teamet använder artificiell intelligens för att analysera högupplösta fotografier och matcha dem med Uriartes data – hon har kartlagt och identifierat varje enskilt träd i givna plotter. Med hjälp av markinformation från dessa specifika tomter, AI kan ta reda på hur de olika trädarterna ser ut från ovan i överflygningsbilderna. "Då kan vi använda den informationen för att extrapolera till ett större område, " förklarade Uriarte. "Vi använder plotdata både för att lära oss [dvs. att träna algoritmen] och att validera [hur väl algoritmen presterar]."

    Att förstå hur skogarnas utbredning och sammansättning förändras som svar på orkaner är viktigt eftersom när skogar skadas, växtlighet bryts ner och släpper ut mer CO2 i atmosfären. När träd växer tillbaka, eftersom de är mindre, de lagrar mindre kol. Om klimatförändringar resulterar i mer extrema stormar, vissa skogar kommer inte att återhämta sig, mindre kol kommer att lagras, och mer kol kommer att finnas kvar i atmosfären, förvärra den globala uppvärmningen.

    Uriarte säger att hennes arbete inte kunde utföras utan artificiell intelligens. "AI kommer att revolutionera detta område, " sa hon. "Det blir viktigare och viktigare för allt vi gör. Det tillåter oss att ställa frågor i en skala som vi inte kunde ställa underifrån. Det finns bara så mycket som man kan göra [på marken] ... och sedan finns det områden som helt enkelt inte är tillgängliga. Överflygningarna och AI-verktygen kommer att tillåta oss att studera orkaner på ett helt annat sätt. Det är superspännande. "

    Ett annat projekt, utsedd till Protection Assistant for Wildlife Security (PAWS) från University of Southern California, använder maskininlärning för att förutsäga var tjuvjakt kan inträffa i framtiden. För närvarande analyserar algoritmen tidigare rangerpatruller och tjuvjägares beteende från brottsdata; ett Microsoft-bidrag kommer att hjälpa till att utbilda det att införliva realtidsdata för att göra det möjligt för rangers att förbättra sina patruller.

    I delstaten Washington, Länge leve Kings försöker återställa sjunkande steelhead- och laxpopulationer. Med ett bidrag från Microsoft, organisationen kommer att förbättra en ekosystemmodell som samlar in data om tillväxt av lax och steelhead, spårar fiskar och marina däggdjurs rörelser, och övervakar marina förhållanden. Modellen hjälper till att förbättra kläckeriet, skörda, och ekosystemhantering, och stödja insatser för skydd och restaurering av livsmiljöer.

    Hur AI används för energi

    AI används i allt högre grad för att hantera intermittenten av förnybar energi så att mer kan införlivas i nätet; den kan hantera strömfluktuationer och förbättra energilagringen också.

    Institutionen för energis SLAC National Accelerator Laboratory som drivs av Stanford University kommer att använda maskininlärning och artificiell intelligens för att identifiera sårbarheter i nätet, stärka dem innan misslyckanden, och återställa strömmen snabbare när det uppstår fel. Systemet kommer först att studera en del av nätet i Kalifornien, analysera data från förnybara kraftkällor, batterilagring, och satellitbilder som kan visa var träd som växer över kraftledningar kan orsaka problem i en storm. Målet är att utveckla ett nät som automatiskt kan hantera förnybar energi utan avbrott och återhämta sig från systemfel med lite mänskligt engagemang.

    Vindföretag använder AI för att få varje turbins propeller att producera mer el per rotation genom att införliva väder- och driftdata i realtid. På stora vindkraftsparker, främre radens propellrar skapar ett kölvatten som minskar effektiviteten för de bakom dem. AI kommer att göra det möjligt för varje enskild propeller att bestämma vindhastigheten och riktningen som kommer från andra propellrar, och justera därefter.

    Forskare vid Department of Energy och National Oceanic and Atmospheric Administration (NOAA) använder AI för att bättre förstå atmosfäriska förhållanden för att mer exakt kunna projicera energiproduktionen från vindkraftsparker.

    Konst skapad av djupinlärning. Kredit:Gene Kogan

    Artificiell intelligens kan förbättra energieffektiviteten, för. Google använde maskininlärning för att förutse när dess datacenters energi var mest efterfrågad. Systemet analyserade och förutspådde när användare mest sannolikt skulle titta på datasugande Youtube-videor, till exempel, och kunde sedan optimera den kylning som behövs. Som ett resultat, Google minskade sin energianvändning med 40 procent.

    Att göra städer mer beboeliga och hållbara

    AI kan också förbättra energieffektiviteten i stadsskalan genom att införliva data från smarta mätare och Internet of Things (internet för datorenheter som är inbäddade i vardagliga objekt, gör det möjligt för dem att skicka och ta emot data) för att prognostisera energibehovet. Dessutom, artificiell intelligens kan simulera potentiella zonindelningslagar, byggnadsförordningar, och översvämningsslätter för att hjälpa till med stadsplanering och katastrofberedskap. En vision för en hållbar stad är att skapa en "urban dashboard" bestående av realtidsdata om energi- och vattenanvändning och tillgänglighet, trafik och väder för att göra städer mer energieffektiva och beboeliga.

    I Kina, IBMs Green Horizon-projekt använder ett AI-system som kan förutsäga luftföroreningar, spåra föroreningskällor och ta fram potentiella strategier för att hantera det. Det kan avgöra om, till exempel, det skulle vara mer effektivt att begränsa antalet förare eller stänga vissa kraftverk för att minska föroreningarna i ett visst område.

    Ett annat IBM-system under utveckling kan hjälpa städer att planera för framtida värmeböljor. AI skulle simulera klimatet i stadsskala och utforska olika strategier för att testa hur väl de mildrar värmeböljor. Till exempel, om en stad ville plantera nya träd, maskininlärningsmodeller kan bestämma de bästa platserna att plantera dem för att få optimal trädtäckning och minska värmen från trottoaren.

    Smart jordbruk

    Varmare temperaturer kommer också att ha betydande effekter på jordbruket.

    Data från sensorer i fält som övervakar grödans fuktighet, Jordens sammansättning och temperatur hjälper AI att förbättra produktionen och vet när grödor behöver vattnas. Att införliva denna information med den från drönare, som också används för att övervaka förhållanden, kan hjälpa allt mer automatiska AI-system att veta de bästa tiderna att plantera, spraya och skörda grödor, och när ska man avvärja sjukdomar och andra problem. Detta kommer att resultera i ökad effektivitet, förbättrade utbyten, och lägre användning av vatten, gödningsmedel och bekämpningsmedel.

    Att skydda haven

    Ocean Data Alliance arbetar med maskininlärning för att tillhandahålla data från satelliter och havsprospektering så att beslutsfattare kan övervaka sjöfarten, havsbrytning, fiske, korallblekning eller utbrott av en marin sjukdom. Med nästan realtidsdata, beslutsfattare och myndigheter kommer att kunna svara på problem snabbare. Artificiell intelligens kan också hjälpa till att förutsäga spridningen av invasiva arter, följa marin nedskräpning, övervaka havsströmmar, hålla koll på döda zoner och mäta föroreningsnivåer.

    Nature Conservancy samarbetar med Microsoft för att använda AI för att kartlägga havets rikedom. Utvärdera det ekonomiska värdet av havsekosystemtjänster – såsom skörd av skaldjur, kollagring, turism och mer — kommer att göra bättre bevarande- och planeringsbeslut möjliga. Uppgifterna kommer att användas för att bygga modeller som tar hänsyn till livsmedelssäkerhet, skapande av arbetstillfällen och fiskeavkastning för att visa värdet av ekosystemtjänster under olika förhållanden. Detta kan hjälpa beslutsfattare att fastställa de viktigaste områdena för fiskproduktivitet och bevarandeinsatser, såväl som avvägningarna av potentiella beslut. Projektet har redan kartor och modeller för Mikronesien, Karibien, Florida, och expanderar till Australien, Haiti, och Jamaica.

    Mer hållbara transporter på land

    När fordon blir i stånd att kommunicera med varandra och med infrastrukturen, artificiell intelligens hjälper förare att undvika faror och trafikstockningar. I Pittsburgh, ett artificiellt intelligenssystem med sensorer och kameror som övervakar trafikflödet justerar trafikljus vid behov. Systemen fungerar vid 50 korsningar med planer på 150 fler, och har redan minskat restiden med 25 procent och tomgång med mer än 40 procent. Mindre tomgång, självklart, innebär färre utsläpp av växthusgaser.

    Så småningom, autonoma AI-drivna delade transportsystem kan ersätta personliga fordon.

    Bättre klimatförutsägelser

    När klimatet förändras, exakta prognoser blir allt viktigare. Dock, klimatmodeller ger ofta väldigt olika förutsägelser, till stor del på grund av hur data bryts ner i diskreta delar, hur processer och system är ihopkopplade, och på grund av den stora variationen av rumsliga och tidsmässiga skalor. Rapporterna från Intergovernmental Panel on Climate Change (IPCC) är baserade på många klimatmodeller och visar en rad förutsägelser, som sedan medelvärdes ut.

    Genomsnitt av dem, dock, innebär att varje klimatmodell får lika stor vikt. AI hjälper till att avgöra vilka modeller som är mer tillförlitliga genom att ge extra vikt till dem vars förutsägelser så småningom visar sig vara mer exakta, och mindre vikt för de som presterar dåligt. Detta kommer att bidra till att förbättra noggrannheten i klimatförändringsprognoserna.

    AI och djupinlärning förbättrar också väderprognoser och förutsägelser av extrema händelser. Det beror på att de kan införliva mycket mer av klimatsystemets verkliga komplexitet, såsom atmosfärisk och havsdynamik och havs- och atmosfärskemi, i sina beräkningar. Detta skärper precisionen i väder- och klimatmodellering, gör simuleringar mer användbara för beslutsfattare.

    AI har många andra användningsområden

    AI kan hjälpa till att övervaka ekosystem och vilda djur och deras interaktioner. Dess snabba bearbetningshastigheter kan erbjuda nästan realtids satellitdata för att spåra olaglig avverkning i skogar. AI kan övervaka dricksvattenkvaliteten, hantera vattenanvändning i bostäder, upptäcka underjordiska läckor i dricksvattenförsörjningssystem, och förutsäga när vattenväxter behöver underhåll. Det kan också simulera väderhändelser och naturkatastrofer för att hitta sårbarheter i katastrofplanering, avgöra vilka strategier för katastrofinsatser som är mest effektiva, och tillhandahålla katastrofinsatser i realtid.

    Vilka är riskerna med artificiell intelligens?

    Medan AI gör det möjligt för oss att bättre hantera effekterna av klimatförändringar och skydda miljön förutom att förändra affärsområdena, finansiera, sjukvård, medicin, lag, utbildning och mer, det är inte utan risker. Några framstående individer som den avlidne fysikern Stephen Hawking och Teslas vd Elon Musk har varnat för de existentiella farorna med okontrollerad artificiell intelligens.

    World Economic Forums rapport identifierade sex kategorier av AI-risker:

    • Prestanda. Svarta lådans slutsatser av AI kanske inte är förståeliga för människor och därför kan det vara omöjligt att avgöra om de är korrekta eller önskvärda. Djupt lärande kan vara riskabelt för tillämpningar som system för tidig varning för naturkatastrofer där mer säkerhet behövs.
    • Säkerhet. AI kan potentiellt hackas, gör det möjligt för dåliga skådespelare att störa energi, transport, tidig varning eller andra avgörande system.
    • Kontrollera risker. Eftersom AI -system interagerar autonomt, de kan ge oförutsägbara resultat. Till exempel, två system kom med ett eget språk som människor inte kunde förstå.
    • Ekonomiska risker. Företag som är långsammare att ta till sig AI kan drabbas av ekonomiska konsekvenser när deras AI-baserade konkurrens utvecklas. Vi ser redan hur tegel- och murbruksbutiker stänger i takt med att ekonomin blir allt mer digitaliserad.
    • Social risk. AI leder till mer automatisering, vilket kommer att ta bort jobb inom nästan alla områden. Autonoma vapensystem kan också påskynda och förvärra globala konflikter.
    • Etiska risker. Eftersom AI använder antagna antaganden om grupper och grupper för att fatta beslut, det kan leda till ökad partiskhet. Insamlingen av data väcker också integritetsfrågor.

    För att hantera dessa risker, World Economic Forum säger att regeringen och industrin "måste säkerställa säkerheten, förklarabarhet, transparens och giltighet av AI-applikation." Mer interaktion mellan offentliga och privata enheter, teknologer, beslutsfattare och till och med filosofer, och fler investeringar i forskning behövs för att avvärja de potentiella riskerna med artificiell intelligens – och för att inse dess potentiella fördelar för miljön och mänskligheten.

    Den här historien är återpublicerad med tillstånd av Earth Institute, Columbia University http://blogs.ei.columbia.edu.




    © Vetenskap https://sv.scienceaq.com