211service.com
Šeit ir 10 veidi, kā AI varētu palīdzēt cīnīties pret klimata pārmaiņām
Mašīnmācības dažādu apakšdisciplīnu režģis un to, kā tās var palīdzēt cīnīties pret klimata pārmaiņām. Tehnikas kundze | Sīktēls: chuttersnap/Unsplash
Ir izklāstīti daži no lielākajiem vārdiem AI pētniecībā ceļa karte ierosinot, kā mašīnmācība var palīdzēt glābt mūsu planētu un cilvēci no nenovēršamām briesmām.
Ziņojums aptver iespējamās mašīnmācības iejaukšanās 13 jomās, sākot no elektroenerģijas sistēmām līdz fermām un mežiem un beidzot ar klimata prognozēšanu. Katrā domēnā tas izceļ ieguldījumu dažādās mašīnmācības apakšdisciplīnās, tostarp datorredzē, dabiskās valodas apstrādē un pastiprināšanā.
Ieteikumi ir arī iedalīti trīs kategorijās: liela ietekme uz problēmām, kas ir labi piemērotas mašīnmācībai, kur šādiem iejaukšanās pasākumiem var būt īpaši liela ietekme; ilgtermiņa risinājumiem, kas neatmaksāsies līdz 2040. gadam; un augsts risks nodarbībām, kurām ir mazāk noteikti rezultāti, vai nu tāpēc, ka tehnoloģija nav nobriedusi, vai arī tāpēc, ka nav zināms pietiekami daudz, lai novērtētu sekas. Daudzos no ieteikumiem ir arī apkopoti esošie centieni, kas jau notiek, bet vēl nav apjomīgi.
Ziņojuma apkopošanu vadīja Deivids Rolņiks, Pensilvānijas universitātes pēcdoktorants, un viņu konsultēja vairākas augsta līmeņa personas, tostarp Endrjū Ng, Google Brain līdzdibinātājs un vadošais AI uzņēmējs un pedagogs; Demis Hassabis, DeepMind dibinātājs un izpilddirektors; Dženifera Čeisa, Microsoft Research rīkotājdirektore; un Yoshua Bengio, kurš nesen ieguva Tjūringa balvu par ieguldījumu šajā jomā. Lai gan pētnieki piedāvā ļoti visaptverošu sarakstu ar dažām galvenajām jomām, kurās mašīnmācība var sniegt ieguldījumu, viņi arī atzīmē, ka tā nav sudraba lode. Galu galā politika būs galvenais dzinējspēks efektīvai plaša mēroga rīcībai klimata jomā.
Šeit ir tikai 10 no ziņojumā sniegtajiem ieteikumiem par augstu sviras efektu. Izlasiet tā pilno versiju šeit .
1. Uzlabojiet prognozes par to, cik daudz elektrības mums nepieciešams
Ja mēs paļausimies uz vairāk atjaunojamiem enerģijas avotiem, komunālajiem pakalpojumiem būs nepieciešami labāki veidi, kā reāllaikā un ilgtermiņā paredzēt, cik daudz enerģijas ir nepieciešams. Jau pastāv algoritmi, kas var prognozēt enerģijas pieprasījumu, taču tos varētu uzlabot, ņemot vērā smalkākus vietējos laikapstākļu un klimata modeļus vai mājsaimniecības uzvedību. Centieni padarīt algoritmus saprotamākus varētu arī palīdzēt komunālo pakalpojumu operatoriem interpretēt savus rezultātus un izmantot tos, plānojot, kad atjaunojamos enerģijas avoti jāpievieno tiešsaistē.
2. Atklājiet jaunus materiālus
Zinātniekiem ir jāizstrādā materiāli, kas efektīvāk uzglabā, novāc un izmanto enerģiju, taču jaunu materiālu atklāšanas process parasti ir lēns un neprecīzs. Mašīnmācība var paātrināt lietas, atrodot, projektējot un novērtējot jaunas ķīmiskās struktūras ar vēlamajām īpašībām. Tas varētu, piemēram, palīdzēt izveidot saules degvielas , kas var uzglabāt enerģiju no saules gaismas vai noteikt efektīvākus oglekļa dioksīda absorbentus vai strukturālos materiālus, kuru radīšanai nepieciešams daudz mazāk oglekļa. Pēdējie materiāli kādu dienu varētu aizstāt tēraudu un cementu, kuru ražošana veido gandrīz 10% no visām globālajām siltumnīcefekta gāzu emisijām.
3. Optimizējiet kravas maršrutēšanas veidu
Preču nosūtīšana visā pasaulē ir sarežģīts un bieži vien ļoti neefektīvs process, kas ietver dažādu sūtījumu izmēru, dažādu transportēšanas veidu mijiedarbību un mainīgu izcelsmes un galamērķu tīklu. Mašīnmācība varētu palīdzēt atrast veidus, kā apvienot pēc iespējas vairāk sūtījumu un samazināt kopējo braucienu skaitu. Šāda sistēma būtu arī izturīgāka pret transporta traucējumiem.
4. Mazāki šķēršļi elektrisko transportlīdzekļu ieviešanai
Elektriskie transportlīdzekļi, kas ir galvenā transporta dekarbonizācijas stratēģija, saskaras ar vairākiem ieviešanas izaicinājumiem, kuros varētu palīdzēt mašīnmācīšanās. Algoritmi var uzlabot akumulatora enerģijas pārvaldību, lai, piemēram, palielinātu katras uzlādes nobraukumu un samazinātu attāluma trauksmi. Viņi var arī modelēt un prognozēt kopējo uzlādes uzvedību, lai palīdzētu tīkla operatoriem apmierināt un pārvaldīt savu slodzi.
5. Palīdziet padarīt ēkas efektīvākas
Viedās vadības sistēmas var ievērojami samazināt ēkas enerģijas patēriņu, ņemot vērā laika prognozes, ēkas noslogojumu un citus vides apstākļus, lai pielāgotu apkures, dzesēšanas, ventilācijas un apgaismojuma vajadzības iekštelpās. Viedā ēka varētu arī sazināties tieši ar tīklu, lai samazinātu tās patērēto jaudu, ja jebkurā brīdī trūkst elektroenerģijas ar zemu oglekļa emisiju līmeni.
6. Izveidojiet labākus aprēķinus par to, cik daudz enerģijas mēs patērējam
Daudziem pasaules reģioniem ir maz datu par enerģijas patēriņu un siltumnīcefekta gāzu emisijām, kas var būt galvenais šķērslis efektīvu seku mazināšanas stratēģiju izstrādei un īstenošanai. Datorredzes metodes var iegūt ēkas pēdas un raksturlielumus no satelīta attēliem, lai ievadītu mašīnmācības algoritmus, kas var novērtēt pilsētas līmeņa enerģijas patēriņu. Tās pašas metodes varētu arī noteikt, kuras ēkas būtu jāmodernizē, lai palielinātu to efektivitāti.
7. Optimizējiet piegādes ķēdes
Tāpat kā mašīnmācīšanās var optimizēt kuģniecības maršrutus, tā var arī samazināt neefektivitāti un oglekļa emisijas pārtikas, modes un patēriņa preču nozaru piegādes ķēdēs. Labāk prognozējot piedāvājumu un pieprasījumu, būtu ievērojami jāsamazina ražošanas un transportēšanas atkritumi, savukārt mērķtiecīgi ieteikumi zema oglekļa satura produktiem varētu veicināt videi draudzīgāku patēriņu.
8. Padariet iespējamu precīzo lauksaimniecību mērogā
Lielākajā daļā mūsdienu lauksaimniecības dominē monokultūra, viena ražas audzēšana lielā zemes platībā. Šī pieeja ļauj lauksaimniekiem vieglāk pārvaldīt savus laukus ar traktoriem un citiem pamata automatizētiem instrumentiem, taču tā arī attīra augsni no barības vielām un samazina tās produktivitāti. Rezultātā daudzi lauksaimnieki lielā mērā paļaujas uz slāpekļa mēslojumu, kas var pārvērsties par slāpekļa oksīdu, siltumnīcefekta gāzi, kas ir 300 reizes spēcīgāka par oglekļa dioksīdu. Roboti darbojas ar mašīnmācības programmatūru palīdzēt lauksaimniekiem efektīvāk pārvaldīt dažādus kultūraugus mērogā, savukārt algoritmi varētu palīdzēt lauksaimniekiem paredzēt, kādas kultūras jāstāda, atjaunojot viņu zemes veselību un samazinot vajadzību pēc mēslojuma.
9. Uzlabot mežu izciršanas izsekošanu
Mežu izciršana rada aptuveni 10% no globālajām siltumnīcefekta gāzu emisijām, taču tās izsekošana un novēršana parasti ir nogurdinošs manuāls process, kas notiek uz vietas. Satelītattēli un datorredze var automātiski analizēt koku seguma zudumu daudz lielākā mērogā, un uz zemes esošie sensori apvienojumā ar motorzāģa skaņu noteikšanas algoritmiem var palīdzēt vietējām tiesībaizsardzības iestādēm apturēt nelikumīgas darbības.
10. Mudiniet patērētājus mainīt iepirkšanās veidu
Paņēmienus, ko reklāmdevēji ir veiksmīgi izmantojuši, lai atlasītu patērētājus, var izmantot, lai palīdzētu mums rīkoties videi draudzīgāk. Patērētāji varētu saņemt pielāgotus pasākumus, lai, piemēram, veicinātu viņu iesaistīšanos enerģijas taupīšanas programmās.