Technology

12 способів, як ІІ допоможе вирішити проблему глобального потепління

Із стрімким розвитком технологійштучного інтелекту (ІІ) в останні роки багато стали шукати відповіді на запитання про те, як ці самі технології зможуть допомогти у вирішенні однієї з найсерйозніших загроз, яка вже нависла над людством - глобальною зміною клімату? Нова стаття, підготовлена ​​одними з провідних фахівців в області розробки штучного інтелекту і опублікована в онлайн-репозиторії arXiv.org намагається відповісти на це питання, пропонуючи кілька прикладів того, як машинне навчання буде здатне запобігти захід нашої цивілізації.

Запропоновані способи варіюються від використанняІІ та супутникових технологій для більш ефективного моніторингу збезлісення, до розробки нових матеріалів, які зможуть замінити сталь і цемент (на їх виробництво припадає до 9 відсотків викидів парникових газів в атмосферу). Незважаючи на таке розмаїття, в своїй статті фахівці раз по раз повертаються до ширших можливостей використання подібних технологій. Особливо на цьому тлі виділяються можливості використання технології машинного зору для моніторингу навколишнього середовища; проведення великих аналізів даних для визначення неефективності виробництв з високим рівнем викидів шкідливих речовин в атмосферу; а також використання ІІ для розробки нових більш ефективних моделей систем, на кшталт наших кліматичних моделей, завдяки яким ми зможемо краще прогнозувати і готуватися до майбутніх змін.

Автори статті, в числі яких в тому числібританський дослідник штучного інтелекту, засновник і виконавчий директор компанії DeepMind Деміс Хассабі, лауреат премії Тьюринга і один з «батьків глибокого навчання» Йошуа Бенжі, а також співзасновник Google Brain - дослідницького проекту Google з вивчення штучного інтелекту на основі глибокого навчання - Ендрю Ин кажуть, що ІІ може надати «неоціненну допомогу» в мінімізації найгірших наслідків глобальної зміни клімату, але додають, що ця технологія не є «срібною кулею» - єдиним середовищ твом від усіх проблем. На їхню думку, в цьому питанні повинні брати безпосередню активну участь політичні сили.

«Однією лише технології недостатньо. Технології, здатні знизити наслідки кліматичних змін були доступні вже протягом багатьох років, проте в значній мірі і потрібному масштабі вони на жаль, не були адаптовані суспільством. І хоча ми сподіваємося, що машинний інтелект зможе виявитися корисним в зниженні витрат, пов'язаних з використанням методів, спрямованих на зниження наслідків кліматичних змін, людство також має взяти в цьому активну участь », - пишуть автори нового дослідження.

В цілому в статті розглядається відразукілька сфер, в яких технології машинного навчання могли б знайти своє застосування, категоризовать за часовими рамками їх можливого потенціалу використання, що пояснюється тим, чи достатньо розвинена дана технологія. Нижче ви можете ознайомитися з цим списком.

Штучний інтелект дозволить підвищити ефективність систем електропостачання

Якщо в майбутньому людство планує покластисяна більшу кількість джерел відновлюваної енергії, комунальним підприємствам потрібні способи, що дозволяють більш ефективним чином передбачати і розраховувати ті обсяги енергії, які нам дійсно будуть необхідні в використанні. Причому ці обчислення повинні будуть відбуватися в реальному часі і протягом всього періоду роботи цих підприємств.

Уже розроблені алгоритми, здатніпрогнозувати попит на енергію, проте ефективність цих алгоритмів може бути ще поліпшена за рахунок внесення в розрахунки таких факторів, як особливості клімату тих чи інших регіонів, а також особливості ведення господарської діяльності. Спроби зробити специфіку роботи цих алгоритмів більш зрозумілою також дозволить операторам комунальних підприємств більш точно інтерпретувати результати їх аналізу та використовувати їх при плануванні, вибираючи найбільш оптимальний час для запуску цих джерел відновлюваної енергії.

Штучний інтелект допоможе у відкритті нових матеріалів

Вченим необхідно розробити нові матеріали длябільш ефективного виробництва, зберігання і використання енергії, проте, як правило, процес відкриття і розробки нових матеріалів дуже повільний і не завжди успішний. Технології машинного навчання дозволять прискорити процес пошуку, розробки та удосконалення нових формул з бажаними властивостями.

Можливо, це призведе до розробки, наприклад,нового виду палива, умовно назвемо його «сонячним», яке зможе зберігати в собі енергію сонячного світла; дозволить створити новий і дуже ефективний абсорбент вуглекислого газу або будівельні матеріали, при виробництві яких буде виділятися менше вуглецю. Такі матеріали одного разу зможуть замінити сталь і бетон, при виробництві яких в атмосферу виділяється майже 10 відсотків від загального обсягу світових викидів парникових газів.

Штучний інтелект допоможе ефективно реорганізувати транспортну систему

Доставка вантажів по всьому світу є дужескладним і дуже часто неефективним логістичним процесом, при якому відбувається взаємодія товарів різного об'єму, ваги і розмірів, а також використовуються різні види транспорту. У той же час саме на транспорт припадає чверть всіх викидів CO2 в атмосферу. Технології машинного навчання, які використовуються в цій сфері, дозволять більш ефективно об'єднувати товари, що вимагають доставки в один і той же пункт призначення, що скоротить кількість необхідних перевезень. Крім того, така система виявиться більш стійкою до непередбачених перебоїв в системах транспортних сполучень і зможе керувати величезними автопарками безпілотних вантажних автомобілів. Однак автори відзначають, що на даний момент остання технологія ще не готова.

Штучний призведе до швидкої адаптації електромобілів

Електромобілі, які є ключовим елементомдекарбонізатаціі автотранспорту, стикаються з рядом проблем, що не дозволяють їм стати по-справжньому масовими. У цьому питанні може допомогти машинне навчання, вважають автори доповіді. Наприклад, за допомогою алгоритмів можна буде поліпшити управління витрати енергії батарей щоб збільшити кілометраж кожної зарядки і знизити у потенційних покупців подібних транспортних засобів рівень занепокоєння з приводу обмеження дальності поїздки. Крім того, цих технології дозволять оптимізувати час зарядки.

Штучний інтелект оптимізує інфраструктуру будівель

Розумні системи контролю, що працюють на базімашинного навчання, зможуть в значній мірі скоротити рівень споживання енергії будівлями, прийнявши до уваги погодні умови, поточну зайнятість будівлі і інші навколишні фактори, після чого відповідним чином налаштують опалення, охолодження, вентиляцію, освітлення в приміщенні. Розумні будівлі зможуть передавати інформацію про поточний стан оточення безпосередньо в енергомережі, щоб можна було знизити рівень енергоспоживання в разі, якщо спостерігається дефіцит низьковуглецевого електропостачання.

ІІ зможе більш точно розрахувати кількість використовуваних енергоресурсів

У багатьох регіонах світу практично відсутнідані про рівень місцевого енергоспоживання і викиди парникових газів в атмосферу, що може виявитися великою проблемою для розробки і реалізації ефективних компенсаційних заходів. Методи машинного зору дозволять використовувати супутникові технології для оцінки плями (площі) забудов, щоб алгоритми машинного навчання на основі цих даних змогли розрахувати рівні споживання енергії та викидів. Аналогічні методи можна використовувати для визначення будівель, які потребують модернізації для підвищення їх ефективності.

Штучний інтелект оптимізують канали поставок

Використовуючи аналогічні можливості, технологіїмашинного навчання зможуть оптимізувати канали та ланцюга поставок, мінімізувавши обсяги викидів вуглецю при транспортування різних товарів. Можливість більш ефективного прогнозування закону попиту і пропозиції дозволить скоротити виробничі і транспортні відходи.

Штучний інтелект зробить масштабується точне землеробство

Більшість сучасних агрокультурних господарстввикористовують принцип вирощування монокультур. Іншими словами, на великій площі вирощуються тільки одна культура. Такий підхід полегшує фермерам завдання по обробці полів сільськогосподарською технікою та іншими базовими автономними інструментами, але в той же час виснажує грунт, позбавляючи її поживних речовин і тим самим роблячи її менш продуктивною. В результаті для підвищення врожайності нерідко застосовується різні добрива, зокрема на основі азоту, які можуть перетворюватися в оксиди азоту - парникові гази в 300 разів більше небезпечні, ніж вуглекислий газ. Роботи використовують машинне навчання можуть допомогти сільському господарству оцінити поточний стан грунту і підказати, які потрібно садити культури, щоб відновити здоров'я грунту, знизивши необхідність у використанні добрив.

ІІ допоможе більш ефективно стежити за вирубкою лісу

Вирубка лісу сприяє викидам приблизно 10відсотків від загального обсягу парникових газів. Відстеження і запобігання цій часто нелегальної діяльності - зазвичай дуже трудомісткий і рутинний процес, що вимагає особистого спостереження на місці. У свою чергу супутникові зображення укупі з технологіями машинного зору дозволять проводити автоматичний аналіз втрати лісового покриву в великих масштабах, а спеціальні датчики, встановлені на дільницях, в поєднанні з алгоритмами, здатними, наприклад, визначати звуки бензопил, можуть допомогти правоохоронним органам більш ефективно боротися з незаконною діяльністю.

ІІ допоможе змінити наше споживацьке ставлення

На думку авторів доповіді, в світі «широкопоширена помилка про те, що звичайні люди не здатні чинити серйозного впливу на зміну клімату ». Тому в даному питанні необхідно уточнити, як саме люди можуть допомогти. Технології машинного навчання дозволять розрахувати вуглецевий слід людини (сукупність всіх викидів парникових газів, які він створює в процесі щоденної діяльності) і внести невеликі зміни, які дозволять його скоротити. Наприклад, система може запропонувати частіше користуватися громадським, а не особистим транспортом; рідше купувати в магазині м'ясо; або скоротити споживання електроенергії вдома. Кожен з нас окремо створює маленький вуглецевий слід, але якщо взяти відразу всіх, то цифри вийдуть набагато значніше. Зміни нашого ставлення до споживання і складання всіх окремих дій, спрямованих на це, можуть надати великий кумулятивний ефект.

ІІ підвищить ефективність метеорології і кліматології

Багато з найзначніших наслідківзміни клімату в найближчі десятиліття будуть пов'язані з дуже складними природними системами, такими як зміна динаміки хмарного або крижаного покриву. Це саме ті питання, у вирішенні яких на ІІ покладаються великі надії. Точне моделювання цих процесів допоможе вченим більш ефективно прогнозувати екстремальні погодні умови (наприклад, урагани і посухи), що в свою чергу допоможе державам розробити методи захисту від найгірших наслідків цих явищ.

Штучний інтелект допоможе з геоінженерія

На даному етапі цей варіант використання ІІсеред всіх представлених вище є найбільш спекулятивним, однак на нього теж покладаються великі надії, принаймні з боку деяких вчених. Якщо ми зможемо розробити способи, що дозволяють зробити хмарний покрив нашої планети більш відображає або взагалі створимо штучні хмари на базі спеціальних аерозолів, то зможемо відображати від Землі більше сонячного світла. Але дане питання вимагає серйозного розгляду. ІІ може в цьому допомогти, проте автори доповіді відзначають, що цей метод використання штучного інтелекту - питання дуже далекої перспективи, який зажадає кооперації всіх урядів світу. З цією позицією згодні, наприклад, фахівці канадського Університету Ватерлоо, які, вважають, що це нерозумний підхід до питання геоінженерії може почати третю світову війну.

Обговорити статтю можна в нашому Telegram-чаті.