12 способов, как искусственный интеллект поможет решить проблему глобального потепления

Со стремительным развитием технологий искусственного интеллекта (ИИ) в последние годы многие стали задаваться вопросом о том, как эти самые технологии смогут помочь в решении одной из самых серьезных угроз, которая уже нависла над человечеством – глобальным изменением климата? Новая статья, подготовленная одними из ведущих специалистов в области разработки искусственного интеллекта и опубликованная в онлайн-репозитории arXiv.org пытается ответить на этот вопрос, предлагая несколько примеров того, как машинное обучение будет способно предотвратить закат нашей цивилизации

В статье рассматривается сразу несколько сфер, в которых технологии машинного обучения могли бы найти свое применение, категоризованных по временным рамкам их возможного потенциала использования, объясняемого тем, достаточно ли развита данная технология. Ниже можно ознакомиться с этим списком.

Авторы статьи, в числе которых в том числе британский исследователь искусственного интеллекта, основатель и исполнительный директор компании DeepMind Демис Хассаби, лауреат премии Тьюринга и один из «отцов глубокого обучения» Йошуа Бенжио, а также соучредитель Google Brain — исследовательского проекта Google по изучению искусственного интеллекта на основе глубокого обучения — Эндрю Ын говорят, что ИИ может оказать «неоценимую помощь» в минимизации самых худших последствий глобального изменения климата, но добавляют, что эта технология не является «серебряной пулей» — единственным средством ото всех проблем. По их мнению, в этом вопросе должны принимать непосредственное активное. участие политические силы.

Одной лишь технологии недостаточно. Технологии, способные снизить последствия климатических изменений были доступны уже в течение многих лет, однако в значительной степени и нужном масштабе они к сожалению, не были адаптированы обществом. И хотя мы надеемся, что машинный интеллект сможет оказаться полезным в снижении затрат, связанных с использованием методов, направленных на снижение последствий климатических изменений, человечество также должно принять в этом активное участие», — пишут авторы нового исследования

В общей сложности в статье рассматривается сразу несколько сфер, в которых технологии машинного обучения могли бы найти свое применение, категоризованных по временным рамкам их возможного потенциала использования, объясняемого тем, достаточно ли развита данная технология. Ниже можно ознакомиться с этим списком.

ИИ №1 позволит повысить эффективность систем электроснабжения

Если в будущем человечество планирует положиться на большее количество источников возобновляемой энергии, коммунальным предприятиям потребуются способы, позволяющие более эффективным образом предсказывать и рассчитывать те объемы энергии, которые нам действительно будут необходимы в использовании. Причём эти вычисления должны будут происходить в реальном времени и в течение всего периода работы этих предприятий.

Уже разработаны алгоритмы, способные прогнозировать спрос на энергию, однако эффективность этих алгоритмов может быть еще улучшена за счет внесения в расчеты таких факторов, как особенности климата тех или иных регионов, а также особенности ведения хозяйственной деятельности. Попытки сделать специфику работы этих алгоритмов более понятной также позволит операторам коммунальных предприятий более точно интерпретировать результаты их анализа и использовать их при планировании, выбирая наиболее оптимальное время для запуска этих источников возобновляемой энергии.

ИИ №2 поможет в открытии новых материалов

Учёным необходимо разработать новые материалы для более эффективного производства, хранения и использования энергии, однако, как правило, процесс открытия и разработки новых материалов очень медлителен и не всегда успешен. Технологии машинного обучения позволят ускорить процесс поиска, разработки и усовершенствования новых формул с желаемыми свойствами.

Возможно, это приведет к разработке, например, нового вида топлива, условно назовем его «солнечным», которое сможет сохранять в себе энергию солнечного света; позволит создать новый и очень эффективный абсорбент углекислого газа или строительные материалы, при производстве которых будет выделяться меньше углеродов. Такие материалы однажды смогут заменить сталь и бетон, при производстве которых в атмосферу выделяется почти 10 процентов от общего объёма мировых выбросов парниковых газов.

ИИ №2 поможет в открытии новых материалов

Учёным необходимо разработать новые материалы для более эффективного производства, хранения и использования энергии, однако, как правило, процесс открытия и разработки новых материалов очень медлителен и не всегда успешен. Технологии машинного обучения позволят ускорить процесс поиска, разработки и усовершенствования новых формул с желаемыми свойствами.

Возможно, это приведет к разработке, например, нового вида топлива, условно назовем его «солнечным», которое сможет сохранять в себе энергию солнечного света; позволит создать новый и очень эффективный абсорбент углекислого газа или строительные материалы, при производстве которых будет выделяться меньше углеродов. Такие материалы однажды смогут заменить сталь и бетон, при производстве которых в атмосферу выделяется почти 10 процентов от общего объёма мировых выбросов парниковых газов.

ИИ №3 поможет эффективно реорганизовать транспортную систему

Доставка грузов по всему миру является очень сложным и очень часто неэффективным логистическим процессом, при котором происходит взаимодействие товаров различного объёма, веса и размеров, а также используются разные виды транспорта. В то же время именно на транспорт приходится четверть всех выбросов CO2 в атмосферу. Технологии машинного обучения, используемые в этой сфере, позволят более эффективно объединять товары, требующие доставки в один и тот же пункт назначения, что сократит количество требуемых перевозок. Кроме того, такая система окажется более устойчивой к непредвиденным перебоям в системах транспортных сообщений и сможет управлять огромными автопарками беспилотных грузовых автомобилей. Однако авторы отмечают, что на данный момент последняя технология ещё не готова.

ИИ №4 приведёт к быстрой адаптации электромобилей

Электромобили, являющиеся ключевым элементом декарбонизатации автотранспорта, сталкиваются с рядом проблем, не позволяющих им стать по-настоящему массовыми. В этом вопросе может помочь машинное обучение, считают авторы доклада. Например, с помощью алгоритмов можно будет улучшить управление расхода энергии батарей чтобы увеличить километраж каждой зарядки и снизить у потенциальных покупателей подобных транспортных средств уровень беспокойства по поводу ограничения дальности поездки. Кроме того, этих технологии позволят оптимизировать время зарядки.

ИИ №5 оптимизируют инфраструктуру зданий

Умные системы контроля, работающие на базе машинного обучения, смогут в значительной степени сократить уровень потребления энергии зданиями, приняв в расчет погодные условия, текущую занятость здания и другие окружающие факторы, после чего соответствующим образом настроят отопление, охлаждение, вентиляцию, освещение в помещении. Умные здания смогут передавать информацию о текущем состоянии окружения непосредственно в энергосети, чтобы можно было снизить уровень энергопотребления в случае, если наблюдается дефицит низкоуглеродного электроснабжения.

ИИ №6 сможет более точно рассчитать количество используемых энергоресурсов

Во многих регионах мира практически отсутствуют данные об уровне местного энергопотребления и выбросах парниковых газов в атмосферу, что может оказаться большой проблемой для разработки и реализации эффективных компенсационных мер. Методы машинного зрения позволят использовать спутниковые технологии для оценки пятна (площади) застроек, чтобы алгоритмы машинного обучения на основе этих данных смогли рассчитать уровни потребления энергии и выбросов. Аналогичные методы можно использовать для определения зданий, требующих модернизации для повышения их эффективности.

ИИ №7 оптимизируют каналы поставок

Используя аналогичные возможности, технологии машинного обучения смогут оптимизировать каналы и цепи поставок, минимизировав объемы выбросов углеродов при транспортировки различных товаров. Возможность более эффективного прогнозирования закона спроса и предложения позволит сократить производственные и транспортные отходы.

ИИ №8 сделает масштабируемым точное земледелие

Большинство современных агрокультурных хозяйств используют принцип выращивания монокультур. Другими словами, на большой площади выращиваются только одна культура. Такой подход облегчает фермерам задачу по обработке полей сельскохозяйственной техникой и другими базовыми автономными инструментами, но в то же время истощает почву, лишая ее питательных веществ и тем самым делая ее менее продуктивной. В результате для повышения урожайности нередко применяется различные удобрения, в частности на основе азота, которые могут превращаться в оксиды азота – парниковые газы в 300 раз более опасные, чем углекислый газ. Роботы использующие машинное обучение могут помочь сельскому хозяйству оценить текущее состояние почвы и подсказать, какие нужно сажать культуры, чтобы восстановить здоровье почвы, снизив необходимость в использовании удобрений.

ИИ №9 более эффективно следить за вырубкой леса

Вырубка леса способствует выбросам примерно 10 процентов от общего объема парниковых газов. Отслеживание и предотвращение этой часто нелегальной деятельности – обычно очень трудоемкий и рутинный процесс, требующий личного наблюдения на месте. В свою очередь спутниковые изображения вкупе с технологиями машинного зрения позволят проводить автоматический анализ потери лесного покрова в больших масштабах, а специальные датчики, установленные на участках, в сочетании с алгоритмами, способными, например, определять звуки бензопил, могут помочь правоохранительным органам более эффективно бороться с незаконной деятельностью.

ИИ №10 поможет изменить наше потребительское отношение

По мнению авторов доклада, в мире «широко распространено заблуждение о том, что обычные люди не способны оказать серьезного влияния на изменение климата». Поэтому в данном вопросе необходимо уточнить, как именно люди могут помочь. Технологии машинного обучения позволят рассчитать углеродный след человека (совокупность всех выбросов парниковых газов, которые он создает в процессе ежедневной деятельности) и внести небольшие изменения, которые позволят его сократить. Например, система может предложить чаще пользоваться общественным, а не личным транспортом; реже покупать в магазине мясо; или сократить потребление электроэнергии дома. Каждый из нас по отдельности создает маленький углеродный след, но если взять сразу всех, то цифры получатся гораздо значительнее. Изменения нашего отношения к потреблению и сложение всех отдельных действий, направленных на это, могут оказать большой кумулятивный эффект.

ИИ №11 повысит эффективность метеорологии и климатологии

Многие из самых значительных последствий изменения климата в ближайшие десятилетия будут связаны с очень сложными естественными системами, такими как изменение динамики облачного или ледяного покрова. Это именно те вопросы, в решении которых на ИИ возлагаются большие надежды. Точное моделирование этих процессов поможет учёным более эффективно прогнозировать экстремальные погодные условия (например, ураганы и засухи), что в свою очередь поможет государствам разработать методы защиты от наихудших последствий этих явлений. которые он создаёт в процессе ежедневной деятельности) и внести небольшие изменения, которые позволят его сократить. Например, система может предложить чаще пользоваться общественным, а не личным транспортом; реже покупать в магазине мясо; или сократить потребление электроэнергии дома. Каждый из нас по отдельности создаёт маленький углеродный след, но если взять сразу всех, то цифры получатся гораздо значительнее. Изменения нашего отношения к потреблению и сложение всех отдельных действий, направленных на это, могут оказать большой кумулятивный эффект.

ИИ №12 поможет с геоинженерией

На данном этапе этот вариант использования ИИ среди всех представленных выше является наиболее спекулятивным, однако на него тоже возлагаются большие надежды, по крайней мере со стороны некоторых ученых. Если мы сможем разработать способы, позволяющие сделать облачный покров нашей планеты более отражающим или вообще создадим искусственные облака на базе специальных аэрозолей, то сможем отражать от Земли больше солнечного света. Но данный вопрос требует серьезного разбирательства. ИИ может в этом помочь, однако авторы доклада отмечают, что этот метод использования искусственного интеллекта – вопрос очень далекой перспективы, который потребует кооперации всех правительств мира. С этой позицией согласны, например, специалисты канадского Университета Уотерлу, которые, считают, что это неразумный подход к вопросу геоинженерии может начать третью мировую войну.

0 0 голоса
Рейтинг
Подписаться
Уведомить о
0 Комментариев
Популярные
Новые Старые
Межтекстовые Отзывы
Посмотреть все комментарии
0
Поделитесь своим экспертным мнением.)x