211service.com
Vai mašīnmācība var palīdzēt pacelt Ķīnas smogu?
No ielas, cauri Pekinas smagajam smogam, dažreiz var būt grūti pamanīt IBM Ķīnas galveno mītni: augstu biroju ēku ar raksturīgu viļņainu arhitektūras uzplaukumu un liela uzņēmuma logotipu augšpusē.
Taču pavisam netālu, galvaspilsētas ziemeļaustrumu nomalē, IBM datorzinātnieki izmanto mākslīgo intelektu, lai izstrādātu, viņuprāt, veidu, kā veiksmīgāk pārvaldīt Ķīnas bēdīgi slaveno un hronisko piesārņojuma problēmu.
Komanda izmanto sarežģītus datoru modeļus un mašīnmācīšanos, lai aprēķinātu, kā piesārņojums izplatīsies visā pilsētā. Pētnieki tagad var sagatavot piesārņojuma prognozes ar kvadrātkilometra izšķirtspēju līdz pat 10 dienām iepriekš.
Šīs prognozes var arī norādīt valdībai, kā tā varētu rīkoties, lai izvairītos no sliktākajiem scenārijiem, piemēram, slēdzot noteiktas rūpnīcas vai samazinot automašīnu skaitu uz ceļa.
Kad MIT tehnoloģiju apskats apmeklēja birojus IBM izpēte – Ķīna pagājušā gada novembrī gaiss bija īpaši slikts. Aukstais laiks palielināja pieprasījumu pēc elektroenerģijas, liekot tuvējām ogļu rūpnīcām palielināt ražošanas apjomu. Tas apvienojumā ar parasto satiksmes haosu bija radījis patiesi plaušas dedzinošu smogu. Piesārņojumu mēra pēc smalko cieto daļiņu daudzuma kubikmetrā. Attīstītai pilsētai Pasaules Veselības organizācija iesaka šim skaitlim nepārsniegt 25. Manas vizītes laikā tas sasniedza gandrīz 250. Modelēšanas sistēma, ko sauca par Green Horizon, tika izmantota, lai prognozētu piesārņojuma izplatību; taču nebija skaidrs, vai valdība bija nolēmusi ierobežot vai nu rūpnīcas izlaidi, vai automašīnu skaitu uz ceļiem. Šķita, ka vajadzība pēc apkures atsver sliktās sekas.
Smaga piesārņojuma diena Pekinā, 2015. gada 25. decembris.
Pekinas projekts, kurā tiek izmantoti dati, kas iegūti no piesārņojuma sensoriem visā pilsētā, ietver sarežģītu gan konkrētu piesārņojuma avotu, gan laikapstākļu un gaisa kustības modelēšanu, lai prognozētu, cik slikts piesārņojums būs dažādās apkaimēs. Iepriekšējie rādījumi tiek izmantoti, lai precizētu prognozes, izmantojot pieeju, kas pazīstama kā mašīnmācīšanās. Tas ļauj izveidot jaunas prognozes no šiem kombinētajiem faktoriem, saka Sjaovei Šens , IBM Research-China direktors.
Ikviens runā par lielajiem datiem, taču mēs visi zinām, ka mūsu izstrādātās tradicionālās IT tehnoloģijas nebūs pietiekamas, lai apstrādātu visus lielos datus, saka Sjaovei.
IBM veic sarežģītas simulācijas par ekonomisko ietekmi, ko rada rūpnīcu slēgšana piesārņojuma līmeņa dēļ, saka Jin Dong, izcilais IBM Research-China inženieris un projekta vadītājs. Šādus lēmumus pieņem dažādas valdības struktūras.
Ķīnas valdībai, iespējams, būs jāpieņem daži smagi lēmumi attiecībā uz enerģijas ražošanu, lai mazinātu gan gaisa piesārņojuma īstermiņa ietekmi uz veselību, gan ilgtermiņa ietekmi uz klimatu. Sāra Viljamsa , MIT Pilsētvides pētījumu un plānošanas departamenta docents un Pilsonisko datu dizaina laboratorijas direktors, kurš pētīja Pekinas piesārņojuma problēmu 2008. gada olimpisko spēļu laikā, saka, ka IBM pūles varētu būt ļoti vērtīgas, ja tās palīdzētu parādīt Ķīnas valdībai, cik ierobežota ir ietekme. attiecībā uz cietajām daļiņām var būt īstermiņa labojumi, piemēram, rūpnīcu pārslēgšana bezsaistē, un cik nepieciešams var būt plašāks vides regulējums.
Ja vien valdība neizmantos šos datus un datu vizualizāciju, lai ieviestu izmaiņas, tam būs maz tīrā labuma, saka Viljamss.
IBM modelēšanas sistēma tiek izmantota divās citās Ķīnas pilsētās ar lielām piesārņojuma problēmām: Baodingā un Džandzjakou. Tikmēr IBM radītā saistītā tehnoloģija tiek izmantota, lai pētītu attiecības starp satiksmi un piesārņojumu Deli, Indijā, un gaisa piesārņojuma kontroles pasākumu efektivitāti Johannesburgā, Dienvidāfrikā.