Med den hurtige udvikling af kunstig intelligens (AI) -teknologier i de senere år er mange begyndt at undre sig over, hvordan disse samme teknologier kan hjælpe med at løse en af de mest alvorlige trusler, der allerede vælder over menneskeheden - globale klimaforandringer? En ny artikel, skrevet af nogle af de førende eksperter inden for udvikling af kunstig intelligens og offentliggjort på arXiv.org online depot, forsøger at besvare dette spørgsmål ved at tilbyde flere eksempler på, hvordan maskinlæring vil være i stand til at forhindre tilbagegang af vores civilisation.
De foreslåede metoder spænder fra brugen af AI og satellit-teknologi til mere effektivt at overvåge skovrydning, til udvikling af nye materialer, der kan erstatte stål og cement (deres produktion tegner sig for op til 9 procent af drivhusgasudledningen til atmosfæren). På trods af denne mangfoldighed vender specialister i deres artikel gentagne gange tilbage til de bredere muligheder for at bruge sådanne teknologier. Især på denne baggrund skiller sig mulighederne for at bruge maskinsynsteknologi til miljøovervågning ud; gennemførelse af store dataanalyser for at bestemme ineffektiviteten af industrier med et højt emission af skadelige stoffer i atmosfæren; og at bruge AI til at udvikle nye, mere effektive systemmodeller, såsom vores klimamodeller,tak som vi bedre kan forudsige og forberede os på fremtidige ændringer.
Forfatterne af artiklen, herunder den britiske forsker på kunstig intelligens, grundlægger og administrerende direktør af DeepMind, Demis Hassabi, Turing-prisvinderen og en af "fædre til dyb læring" Yoshua Bengio, og medstifter af Google Brain - Googles forskningsprojekt til undersøgelse af kunstig intelligens Deep Learning - Andrew Ng siger, at AI kan være”uvurderlig” til at minimere de værste konsekvenser af globale klimaændringer, men tilføjer, at denne teknologi ikke er en”sølvkugle” - det eneste middel til alle problemer. Efter deres mening bør de politiske kræfter tage aktiv del i dette spørgsmål.
I alt betragter artiklen flere områder på én gang, hvor maskinlæringsteknologier kunne finde deres anvendelse, kategoriseret efter tidsrammen for deres mulige brugspotentiale, forklaret af, om denne teknologi er tilstrækkeligt udviklet. Nedenfor kan du se denne liste.
Kunstig intelligens vil forbedre effektiviteten af strømforsyningssystemer
Hvis menneskeheden planlægger at stole på mere vedvarende energikilder i fremtiden, har forsyningsselskaber brug for måder til mere effektivt at forudsige og beregne den mængde energi, vi faktisk har brug for at bruge. Disse beregninger skal desuden ske i realtid og i hele disse driftsperioder for disse virksomheder.
Salgsfremmende video:
Der er allerede udviklet algoritmer, der kan forudsige efterspørgslen efter energi, men effektiviteten af disse algoritmer kan forbedres yderligere ved at introducere i beregningerne sådanne faktorer som de klimatiske træk i bestemte regioner såvel som de økonomiske aktiviteter. Forsøg på at gøre detaljerne i disse algoritmer mere forståelige vil også give operatørerne mulighed for mere præcist at fortolke resultaterne af deres analyse og bruge dem i planlægningen og vælge det mest optimale tidspunkt for lancering af disse vedvarende energikilder.
Kunstig intelligens vil hjælpe med at finde nye materialer
Forskere er nødt til at udvikle nye materialer til mere effektiv produktion, opbevaring og brug af energi, men som regel er processen med at opdage og udvikle nye materialer meget langsom og ikke altid vellykket. Teknologi til maskinindlæring vil fremskynde processen med at finde, udvikle og forbedre nye formler med de ønskede egenskaber.
Måske vil dette føre til udviklingen af for eksempel en ny type brændstof, lad os betinget kalde det "solenergi", som vil være i stand til at lagre sollysets energi; vil give dig mulighed for at skabe en ny og meget effektiv absorbent af kuldioxid eller byggematerialer, hvis produktion producerer mindre kulstof. Sådanne materialer kan en dag erstatte stål og beton, hvis produktion frigiver næsten 10 procent af verdens samlede emissioner af drivhusgasser.
Kunstig intelligens vil hjælpe med til effektiv reorganisering af transportsystemet
Levering af varer rundt om i verden er en meget kompleks og meget ofte ineffektiv logistikproces, hvor varer med forskellige volumener, vægte og størrelser interagerer, og forskellige typer transport anvendes. Samtidig er det transport, der tegner sig for en fjerdedel af alle CO2-emissioner til atmosfæren.
Teknologi til maskinindlæring, der bruges i dette område, giver mulighed for mere effektivt at kombinere varer, der kræver levering til den samme destination, hvilket vil reducere antallet af nødvendige forsendelser. Derudover vil et sådant system være mere modstandsdygtigt over for uforudsete forstyrrelser i transportsystemer og være i stand til at styre enorme flåder af ubemandede lastbiler. Forfatterne bemærker dog, at den nyeste teknologi endnu ikke er klar på dette tidspunkt.
Kunstig vil føre til hurtig tilpasning af elektriske køretøjer
Elektriske køretøjer, som er et nøgleelement i afkarbonisering af køretøjer, står over for en række problemer, der forhindrer dem i at blive virkelig mainstream.
Maskinlæring kan hjælpe med dette problem, siger forfatterne af rapporten. F.eks. Kunne algoritmer forbedre styringen af batteriets strømforbrug for at øge kilometertal for hver opladning og reducere bekymringsniveauet blandt potentielle købere af sådanne køretøjer for at begrænse rækkevidden af rejser. Derudover optimerer disse teknologier opladningstider.
Kunstig intelligens optimerer bygningsinfrastrukturen
Smarte styresystemer baseret på maskinlæring kan reducere bygningernes energiforbrug væsentligt under hensyntagen til vejrforhold, bygningens aktuelle belægning og andre miljøfaktorer og derefter justere opvarmning, køling, ventilation og belysning i rummet i overensstemmelse hermed.
Smarte bygninger vil være i stand til at overføre oplysninger om den aktuelle miljøtilstand direkte til nettet, så energiforbruget kan reduceres, hvis der er en mangel på elektricitetsforsyning med lavt kulstofindhold.
AI vil være i stand til mere nøjagtigt at beregne mængden af anvendte energiressourcer
I mange regioner i verden er data om niveauet for lokalt energiforbrug og emissioner af drivhusgasser i atmosfæren praktisk taget fraværende, hvilket kan være et stort problem for udvikling og implementering af effektive kompensationsforanstaltninger.
Maskinsyn vil gøre det muligt at bruge satellitteknologi til at estimere det opbyggede sted (område), så maskinlæringsalgoritmer kan bruge disse data til at beregne energiforbrug og emissioner. Lignende metoder kan bruges til at identificere bygninger, der kræver opgraderinger for at forbedre deres effektivitet.
Kunstig intelligens optimerer forsyningskæder
Ved hjælp af lignende egenskaber vil maskinlæringsteknologier være i stand til at optimere kanaler og forsyningskæder ved at minimere kulstofaftrykket ved transport af forskellige varer.
Muligheden for en mere effektiv forudsigelse af lovgivningen om udbud og efterspørgsel vil reducere produktions- og transportaffald.
Kunstig intelligens vil gøre præcisionslandbrug skalerbar
De fleste moderne landbrugsbedrifter bruger princippet om voksende monokulturer. Med andre ord dyrkes kun en afgrøde over et stort område.
Denne fremgangsmåde gør det lettere for landmændene at arbejde deres marker med landbrugsmaskiner og andre grundlæggende selvstændige værktøjer, men samtidig udtømme jorden, fratage den næringsstoffer og dermed gøre den mindre produktiv. Som et resultat bruges forskellige gødninger ofte til at øge udbyttet, især dem, der er baseret på nitrogen, som kan omdannes til nitrogenoxider - drivhusgasser 300 gange farligere end kuldioxid. Maskinelæringsroboter kan hjælpe landbruget med at vurdere jordens nuværende tilstand og foreslå, hvilke afgrøder der skal plantes for at genoprette jordens sundhed og samtidig mindske behovet for gødning.
AI vil hjælpe mere effektivt med at overvåge skovrydning
Skovrydning bidrager til cirka 10 procent af de samlede drivhusgasemissioner. Sporing og forhindring af denne ofte ulovlige aktivitet er normalt en meget tidskrævende og rutinemæssig proces, der kræver personlig overvågning på stedet.
Til gengæld vil satellitbilleder, kombineret med maskinsynsteknologi, tillade automatisk analyse af skovdækningstab i stor skala, og specielle sensorer, der er installeret på webstederne, kombineret med algoritmer, der for eksempel kan opdage lyde fra motorsager, kan hjælpe de retshåndhævende myndigheder til mere effektivt at håndtere ulovlige aktiviteter.
AI vil hjælpe med at ændre vores forbrugers holdninger
Ifølge forfatterne af rapporten er der en udbredt misforståelse i verden, at almindelige mennesker ikke er i stand til at have en alvorlig indvirkning på klimaændringerne.
I denne sag er det derfor nødvendigt at afklare, hvordan nøjagtigt mennesker kan hjælpe. Maskinlæring hjælper dig med at beregne dit kulstofaftryk (summen af alle drivhusgasudledninger, du opretter i dine daglige aktiviteter) og foretage små ændringer for at reducere det. F.eks. Foreslår systemet muligvis at bruge offentlig transport oftere end personlig transport; mindre ofte køber kød i butikken; eller reducer elforbruget derhjemme. Hver af os skaber individuelt et lille kulstofaftryk, men hvis du tager dem alle på én gang, er tallene meget større. Ændringer i vores holdning til forbrug og tilføjelse af alle de individuelle handlinger, der er rettet mod dette, kan have en stor kumulativ effekt.
AI vil forbedre effektiviteten af meteorologi og klimatologi
Mange af de mest betydningsfulde klimaforandringer i de kommende årtier vil være forbundet med meget komplekse naturlige systemer, såsom skiftende sky- eller isarkedynamik.
Det er netop disse spørgsmål, hvor AI har store forhåbninger. Præcis modellering af disse processer vil hjælpe forskere med bedre at forudsige ekstreme vejrforhold (såsom orkaner og tørke), hvilket igen vil hjælpe stater med at udvikle metoder til beskyttelse mod de værste effekter af disse begivenheder.
Kunstig intelligens vil hjælpe med geoengineering
På dette tidspunkt er denne brugssag for AI blandt alle de præsenterede ovenfor den mest spekulative, men der er også store forhåbninger fastgjort i det mindste fra nogle forskere.
Hvis vi kan udvikle måder til at gøre skydækket på vores planet mere reflekterende eller endda skabe kunstige skyer baseret på specielle aerosoler, så kan vi reflektere mere sollys fra Jorden. Men dette spørgsmål kræver seriøs undersøgelse. AI kan hjælpe med dette, men forfatterne af rapporten bemærker, at denne metode til anvendelse af kunstig intelligens er et meget fjernt spørgsmål, der kræver samarbejde fra alle regeringer i verden. F.eks. Er eksperter fra det canadiske universitet i Waterloo enige i denne holdning, der mener, at denne urimelige tilgang til spørgsmålet om geoengineering kunne starte en tredje verdenskrig.