211service.com
Štai 10 būdų, kaip dirbtinis intelektas gali padėti kovoti su klimato kaita
Įvairių mašininio mokymosi subdisciplinų tinklelis ir kaip jos gali padėti kovoti su klimato kaita. Ponia Tech | Miniatiūra: chuttersnap / Unsplash
Pateikiami kai kurie didžiausi AI tyrimų vardai kelių žemėlapį siūlo, kaip mašininis mokymasis gali padėti išgelbėti mūsų planetą ir žmoniją nuo neišvengiamo pavojaus.
Ataskaitoje aptariamos galimos mašininio mokymosi intervencijos 13 sričių – nuo elektros sistemų iki ūkių ir miškų iki klimato prognozių. Kiekviename domene jis išskiria indėlį į įvairias mašininio mokymosi podisciplines, įskaitant kompiuterinį regėjimą, natūralios kalbos apdorojimą ir sustiprintą mokymąsi.
Rekomendacijos taip pat skirstomos į tris kategorijas: didelis svertas sprendžiant problemas, gerai pritaikytas mašininiam mokymuisi, kai tokios intervencijos gali turėti ypač didelį poveikį; ilgalaikiai sprendimai, kurie nepasiteisins iki 2040 m.; ir didelė rizika užsiimti veikla, kurios rezultatai yra ne tokie tam tikri dėl to, kad technologija nėra subrendusi arba dėl to, kad nėra pakankamai žinoma, kad būtų galima įvertinti pasekmes. Daugelyje rekomendacijų taip pat apibendrinamos esamos pastangos, kurios jau dedamos, bet dar nėra didelės.
Ataskaitą rengė Davidas Rolnickas, Pensilvanijos universiteto doktorantas, o jam patarė keletas aukšto lygio veikėjų, įskaitant Andrew Ng, „Google Brain“ įkūrėją ir pagrindinį AI verslininką ir pedagogą; Demis Hassabis, DeepMind įkūrėjas ir generalinis direktorius; Jennifer Chayes, „Microsoft Research“ vykdomoji direktorė; ir Yoshua Bengio, kuris neseniai laimėjo Turingo apdovanojimą už indėlį šioje srityje. Nors mokslininkai siūlo labai išsamų kai kurių pagrindinių sričių, kuriose mašininis mokymasis gali prisidėti, sąrašą, jie taip pat pažymi, kad tai nėra sidabrinė kulka. Galiausiai politika bus pagrindinė veiksmingų didelio masto klimato veiksmų varomoji jėga.
Čia yra tik 10 didelio sverto rekomendacijų iš ataskaitos. Skaitykite visą jos versiją čia .
1. Pagerinkite prognozes, kiek mums reikia elektros energijos
Jei ketiname pasikliauti daugiau atsinaujinančių energijos šaltinių, komunalinėms įmonėms reikės geresnių būdų nuspėti, kiek energijos reikia realiu laiku ir ilguoju laikotarpiu. Jau egzistuoja algoritmai, galintys numatyti energijos poreikį, tačiau juos būtų galima patobulinti atsižvelgiant į geresnius vietinius oro ir klimato modelius arba namų ūkio elgesį. Pastangos, kad algoritmai būtų suprantamesni, taip pat galėtų padėti komunalinių paslaugų operatoriams interpretuoti savo rezultatus ir naudoti juos planuodami, kada atsinaujinančius šaltinius prijungti prie interneto.
2. Atraskite naujų medžiagų
Mokslininkai turi kurti medžiagas, kurios efektyviau kaupia, nuima ir naudoja energiją, tačiau naujų medžiagų atradimo procesas paprastai yra lėtas ir netikslus. Mašininis mokymasis gali paspartinti reikalus ieškant, projektuojant ir įvertinant naujas chemines struktūras su norimomis savybėmis. Pavyzdžiui, tai galėtų padėti kurti saulės kuro , kuris gali kaupti saulės spindulių energiją arba nustatyti efektyvesnius anglies dioksido absorbentus arba struktūrines medžiagas, kurioms sukurti reikia daug mažiau anglies. Pastarosios medžiagos vieną dieną galėtų pakeisti plieną ir cementą, kurių gamyba sudaro beveik 10% visų pasaulinių šiltnamio efektą sukeliančių dujų.
3. Optimizuokite krovinio nukreipimo būdą
Prekių gabenimas visame pasaulyje yra sudėtingas ir dažnai labai neefektyvus procesas, apimantis skirtingų siuntų dydžių, skirtingų transportavimo rūšių sąveiką ir besikeičiantį kilmės bei paskirties vietų tinklą. Mašininis mokymasis galėtų padėti rasti būdų, kaip sujungti kuo daugiau siuntų ir sumažinti bendrą kelionių skaičių. Tokia sistema taip pat būtų atsparesnė transporto sutrikimams.
4. Mažesnės kliūtys naudoti elektrines transporto priemones
Elektrinės transporto priemonės, pagrindinė transporto išmetamo anglies dioksido mažinimo strategija, susiduria su keletu iššūkių, kai mašininis mokymasis gali padėti. Algoritmai gali pagerinti akumuliatoriaus energijos valdymą, kad, pavyzdžiui, padidėtų kiekvieno įkrovimo rida ir sumažintas nerimas dėl nuotolio. Jie taip pat gali modeliuoti ir numatyti bendrą apmokestinimo elgesį, kad padėtų tinklo operatoriams patenkinti ir valdyti savo apkrovą.
5. Padėkite padaryti pastatus efektyvesnius
Pažangios valdymo sistemos gali žymiai sumažinti pastato energijos sąnaudas, atsižvelgiant į orų prognozes, pastato užimtumą ir kitas aplinkos sąlygas, kad būtų galima reguliuoti šildymo, vėsinimo, vėdinimo ir apšvietimo poreikius vidaus erdvėje. Išmanusis pastatas taip pat galėtų tiesiogiai susisiekti su tinklu, kad sumažintų suvartojamos energijos kiekį, jei bet kuriuo metu trūksta mažai anglies dioksido į aplinką išskiriančios elektros energijos.
6. Sukurkite geresnius įverčius, kiek energijos suvartojame
Daugelis pasaulio regionų turi mažai duomenų apie energijos suvartojimą ir šiltnamio efektą sukeliančių dujų išmetimą arba jų visai nėra, o tai gali būti pagrindinė kliūtis kuriant ir įgyvendinant veiksmingas mažinimo strategijas. Kompiuterinės vizijos metodai gali iš palydovinių vaizdų išgauti pastato pėdsakus ir charakteristikas, kad būtų galima pateikti mašininio mokymosi algoritmus, kurie gali įvertinti energijos suvartojimą mieste. Tais pačiais metodais taip pat būtų galima nustatyti, kuriuos pastatus reikėtų modifikuoti, kad būtų padidintas jų efektyvumas.
7. Optimizuokite tiekimo grandines
Taip pat, kaip mašininis mokymasis gali optimizuoti gabenimo maršrutus, jis taip pat gali sumažinti maisto, mados ir plataus vartojimo prekių pramonės tiekimo grandinių neefektyvumą ir anglies dvideginio išmetimą. Geresnės pasiūlos ir paklausos prognozės turėtų žymiai sumažinti gamybos ir transportavimo atliekas, o tikslingos rekomendacijos dėl mažai anglies dioksido į aplinką išskiriančių produktų galėtų paskatinti ekologiškesnį vartojimą.
8. Padarykite tikslųjį žemės ūkį įmanomu mastu
Didžiojoje šiuolaikinio žemės ūkio dalyje vyrauja monokultūra – vienos kultūros auginimas didelėje žemės plote. Šis metodas leidžia ūkininkams lengviau tvarkyti laukus naudojant traktorius ir kitus pagrindinius automatizuotus įrankius, bet taip pat pašalina maistines medžiagas iš dirvožemio ir sumažina jo produktyvumą. Todėl daugelis ūkininkų labai priklauso nuo azoto trąšų, kurios gali virsti azoto oksidu – šiltnamio efektą sukeliančiomis dujomis, kurios yra 300 kartų stipresnės už anglies dioksidą. Robotai veikia su mašininio mokymosi programine įranga padėti ūkininkams veiksmingiau tvarkyti pasėlių mišinį mastu, o algoritmai galėtų padėti ūkininkams numatyti, kokius pasėlius kada sodinti, atkurti jų žemės sveikatą ir sumažinti trąšų poreikį.
9. Pagerinti miško kirtimo stebėjimą
Miškų naikinimas sukelia maždaug 10 % pasaulinių šiltnamio efektą sukeliančių dujų išmetimo, tačiau jo sekimas ir prevencija paprastai yra varginantis rankinis procesas, vykstantis vietoje. Palydoviniai vaizdai ir kompiuterinis matymas gali automatiškai analizuoti medžių dangos praradimą daug didesniu mastu, o ant žemės esantys jutikliai kartu su grandininio pjūklo garsų aptikimo algoritmais gali padėti vietos teisėsaugai sustabdyti neteisėtą veiklą.
10. Skatinkite vartotojus keisti apsipirkimo būdą
Metodai, kuriuos reklamuotojai sėkmingai taikė siekdami nukreipti į vartotojus, gali būti naudojami siekiant padėti mums elgtis labiau tausojant aplinką. Pavyzdžiui, vartotojai galėtų gauti pritaikytas intervencijas, skatinančias jų dalyvavimą energijos taupymo programose.