Pastaraisiais metais sparčiai tobulėjant dirbtinio intelekto (AI) technologijoms, daugelis pradėjo domėtis, kaip šios technologijos gali padėti išspręsti vieną iš rimčiausių žmonijai jau iškilusių grėsmių - globalią klimato kaitą? Nauju straipsniu, kurį parašė keletas pirmaujančių dirbtinio intelekto kūrimo ekspertų ir kuris buvo paskelbtas internetinėje saugykloje arXiv.org, bandoma atsakyti į šį klausimą pateikiant keletą pavyzdžių, kaip mašininis mokymasis padės išvengti mūsų civilizacijos nuosmukio.
- „Salik.biz“
Siūlomi metodai prasideda nuo AI ir palydovinės technologijos naudojimo, siekiant veiksmingiau stebėti miškų naikinimą, iki naujų medžiagų, kurios galėtų pakeisti plieną ir cementą, kūrimo (jų gamyba sudaro iki 9 procentų šiltnamio efektą sukeliančių dujų išmetimo į atmosferą). Nepaisant šios įvairovės, savo straipsnyje specialistai ne kartą grįžta prie platesnių tokių technologijų naudojimo galimybių. Ypač atsižvelgiant į šias aplinkybes išsiskiria mašinų matymo technologijos naudojimo aplinkos stebėsenai galimybės; didelių duomenų analizių atlikimas siekiant nustatyti pramonės, kurioje į atmosferą išmetama daug kenksmingų medžiagų, neveiksmingumą; ir naudojant AI kurti naujus, efektyvesnius sistemos modelius, tokius kaip mūsų klimato modeliai,kurio dėka galime geriau numatyti ir pasiruošti būsimiems pokyčiams.
Straipsnio autoriai, įskaitant britų dirbtinio intelekto tyrinėtoją, „DeepMind“įkūrėją ir vadovą Demisą Hassabi, Turingo premijos laureatą ir vieną iš „gilaus mokymosi tėvų“Yoshua Bengio bei „Google Brain“- dirbtinio intelekto tyrimų „Google“projekto įkūrėją. Gilus mokymasis - Andrew Ng sako, kad AI gali būti „neįkainojama“mažinant blogiausio globalių klimato pokyčių poveikį, tačiau priduria, kad ši technologija nėra „sidabrinė kulka“- vienintelė priemonė nuo visų problemų. Jų nuomone, politinės jėgos turėtų aktyviai dalyvauti svarstant šį klausimą.
Iš viso straipsnyje nagrinėjamos kelios sritys, kuriose mašininio mokymosi technologijos galėtų būti pritaikytos, suskirstytos į kategorijas pagal jų galimo panaudojimo galimybes, paaiškinamos tuo, ar ši technologija yra pakankamai išplėtota. Žemiau galite pamatyti šį sąrašą.
Dirbtinis intelektas pagerins energijos tiekimo sistemų efektyvumą
Jei žmonija ateityje planuoja pasikliauti daugiau atsinaujinančių energijos šaltinių, komunalinėms įmonėms reikės būdų, kaip efektyviau numatyti ir apskaičiuoti energijos kiekį, kurį iš tikrųjų reikės sunaudoti. Be to, šie skaičiavimai turės būti atlikti realiu laiku ir per visą šių įmonių veiklos laikotarpį.
Reklaminis vaizdo įrašas:
Jau buvo sukurti algoritmai, galintys numatyti energijos poreikį, tačiau šių algoritmų efektyvumą galima dar pagerinti, į skaičiavimus įtraukiant tokius veiksnius kaip tam tikrų regionų klimato ypatybės, taip pat ekonominės veiklos specifika. Bandymai padaryti suprantamesnę šių algoritmų specifiką taip pat leis komunalinių paslaugų operatoriams tiksliau interpretuoti savo analizės rezultatus ir panaudoti juos planuojant, pasirenkant optimaliausią šių atsinaujinančių energijos šaltinių paleidimo laiką.
Dirbtinis intelektas padės atrasti naujų medžiagų
Mokslininkams reikia sukurti naujas medžiagas, kad būtų galima efektyviau gaminti, laikyti ir naudoti energiją, tačiau paprastai naujų medžiagų atradimo ir kūrimo procesas yra labai lėtas ir ne visada sėkmingas. Mašinų mokymosi technologijos paspartins naujų formulių, turinčių norimas savybes, paiešką, kūrimą ir tobulinimą.
Galbūt tai paskatins, pavyzdžiui, naujos rūšies degalų plėtrą, sąlygiškai vadinkime tai „saulės energija“, kuri galės kaupti saulės šviesos energiją; leis jums sukurti naują ir labai efektyvų anglies dioksido ar statybinių medžiagų absorberį, kurio gamyba išmes mažiau anglies. Tokios medžiagos vieną dieną gali pakeisti plieną ir betoną, kurio gamyba išskiria beveik 10 procentų viso pasaulyje išmetamo šiltnamio efektą sukeliančių dujų.
Dirbtinis intelektas padės efektyviai pertvarkyti transporto sistemą
Prekių pristatymas visame pasaulyje yra labai sudėtingas ir labai dažnai neveiksmingas logistikos procesas, kai sąveikauja skirtingo tūrio, svorio ir dydžio prekės, naudojamos skirtingos transporto rūšys. Tuo pat metu ketvirtį viso į atmosferą išmetamo CO2 kiekio sudaro transportas.
Šioje srityje naudojamos mašinų mokymosi technologijos leis efektyviau derinti prekes, kurias reikia pristatyti į tą pačią paskirties vietą, o tai sumažins reikiamų siuntų skaičių. Be to, tokia sistema bus atsparesnė nenumatytiems transporto sistemų sutrikimams ir galės valdyti didžiulius bepiločių sunkvežimių parkus. Tačiau autoriai pažymi, kad šiuo metu naujausios technologijos dar nėra parengtos.
Dirbtinis lems greitą elektrinių transporto priemonių pritaikymą
Elektrinės transporto priemonės, kurios yra pagrindinis elementas dekarbonizuojant transporto priemones, susiduria su daugybe problemų, kurios neleidžia joms tapti išties įprastomis.
Mašinų mokymasis gali padėti išspręsti šią problemą, teigia pranešimo autoriai. Pavyzdžiui, algoritmai galėtų pagerinti akumuliatoriaus energijos suvartojimo valdymą, kad padidėtų kiekvieno įkrovimo rida ir sumažėtų potencialių tokių transporto priemonių pirkėjų susirūpinimas dėl važiavimo diapazono ribojimo. Be to, šios technologijos optimizuos įkrovimo laiką.
Dirbtinis intelektas optimizuoja pastatų infrastruktūrą
Pažangios valdymo sistemos, pagrįstos mašinų mokymu, gali žymiai sumažinti pastatų energijos suvartojimo lygį, atsižvelgiant į oro sąlygas, esamą pastato užimtumą ir kitus aplinkos veiksnius, tada atitinkamai sureguliuoti šildymą, vėsinimą, vėdinimą ir apšvietimą kambaryje.
Išmanieji pastatai galės tiesiogiai perduoti informaciją apie esamą aplinkos būklę tiesiai į tinklą, kad būtų galima sumažinti energijos suvartojimą, jei trūktų mažai anglies dioksido į aplinką išskiriančių dujų.
PG galės tiksliau apskaičiuoti sunaudotų energijos išteklių kiekį
Daugelyje pasaulio regionų duomenų apie vietos energijos suvartojimą ir šiltnamio efektą sukeliančių dujų išmetimą į atmosferą praktiškai nėra, o tai gali būti didelė problema kuriant ir įgyvendinant veiksmingas kompensavimo priemones.
Mašinų matymas leis naudoti palydovines technologijas, norint įvertinti pastatytą vietą (plotą), kad mašininio mokymosi algoritmai galėtų naudoti šiuos duomenis energijos suvartojimui ir išmetimui apskaičiuoti. Panašūs metodai gali būti naudojami nustatant pastatus, kurių efektyvumą reikia atnaujinti.
Dirbtinis intelektas optimizuoja tiekimo grandines
Panaudodami panašias galimybes, mašininio mokymosi technologijos galės optimizuoti kanalus ir tiekimo grandines, sumažindamos įvairių prekių gabenimo anglies pėdsaką.
Galimybė efektyviau prognozuoti pasiūlos ir paklausos dėsnį sumažins gamybos ir transporto atliekas.
Dirbtinis intelektas padidins tiksliajį ūkininkavimą
Dauguma šiuolaikinių žemės ūkio ūkių naudoja monokultūrų auginimo principą. Kitaip tariant, dideliame plote užauga tik vienas pasėlis.
Šis požiūris palengvina ūkininkų laukų dirbimą su žemės ūkio technika ir kitomis pagrindinėmis savarankiškomis priemonėmis, tačiau tuo pat metu ardo dirvožemį, atimdamas maistines medžiagas ir taip dirbdamas mažiau. Dėl to derliui padidinti dažnai naudojamos įvairios trąšos, ypač tos, kurių pagrindą sudaro azotas, kuris gali būti paverstas azoto oksidais - šiltnamio efektą sukeliančios dujos yra 300 kartų pavojingesnės nei anglies dioksidas. Mašinų mokymosi robotai gali padėti žemės ūkiui įvertinti dabartinę dirvožemio būklę ir pasiūlyti, kokius augalus sodinti, kad būtų atkurta dirvožemio sveikata ir sumažintas trąšų poreikis.
PG padės efektyviau stebėti miškų naikinimą
Miškų naikinimas sudaro maždaug 10 procentų bendro šiltnamio efektą sukeliančių dujų išmetimo. Šios dažnai neteisėtos veiklos stebėjimas ir prevencija paprastai yra daug laiko reikalaujantis ir įprastas procesas, reikalaujantis asmeninės priežiūros vietoje.
Savo ruožtu palydoviniai vaizdai kartu su mašininio matymo technologijomis leis automatiškai analizuoti miško dangos nykimą dideliu mastu, o vietose įrengti specialūs jutikliai kartu su algoritmais, kurie, pavyzdžiui, gali aptikti grandininių pjūklų garsus, gali padėti teisėsaugos institucijoms efektyviau kovoti su neteisėta veikla.
PG padės pakeisti mūsų vartotojų požiūrį
Anot pranešimo autorių, pasaulyje paplitusi klaidinga nuomonė, kad paprasti žmonės negali padaryti rimtos įtakos klimato pokyčiams.
Todėl šiuo klausimu būtina išsiaiškinti, kaip tiksliai žmonės gali padėti. Mašinų mokymasis padės apskaičiuoti savo anglies pėdsaką (visų šiltnamio efektą sukeliančių dujų, kurias sukuriate kasdienėje veikloje, sumą) ir atlikti nedidelius pakeitimus, kad jis sumažėtų. Pvz., Sistema gali siūlyti dažniau naudotis viešuoju transportu nei asmeniniu transportu; rečiau mėsą perka parduotuvėje; arba sumažinti elektros energijos suvartojimą namuose. Kiekvienas iš mūsų atskirai sukuria mažą anglies pėdsaką, tačiau jei paimsite juos visus iš karto, skaičiai yra daug didesni. Mūsų požiūrio į vartojimą pokyčiai ir visų individualių tam skirtų veiksmų pridėjimas gali turėti didelį bendrą poveikį.
PG pagerins meteorologijos ir klimatologijos efektyvumą
Daugybė reikšmingiausių klimato kaitos padarinių ateinančiais dešimtmečiais bus siejama su labai sudėtingomis gamtinėmis sistemomis, tokiomis kaip besikeičianti debesų ar ledyno dinamika.
Tai yra tie klausimai, į kuriuos AI tikisi daug vilčių. Tikslus šių procesų modeliavimas padės mokslininkams geriau numatyti ekstremalias oro sąlygas (tokias kaip uraganai ir sausros), o tai savo ruožtu padės valstybėms sukurti apsaugos nuo blogiausio šių įvykių poveikio metodus.
Dirbtinis intelektas padės atlikti geoinžineriją
Šiuo metu šis PG naudojimo atvejis tarp visų aukščiau pateiktų yra labiausiai spekuliatyvus, tačiau bent jau kai kurie mokslininkai taip pat į jį deda dideles viltis.
Jei mes galime sukurti būdų, kaip padaryti mūsų planetos debesų dangą atspindinčią, ar net sukurti dirbtinius debesis, paremtus specialiais aerozoliais, tada galime atspindėti daugiau saulės spindulių iš Žemės. Tačiau šis klausimas reikalauja rimto tyrimo. PG gali tam padėti, tačiau pranešimo autoriai pažymi, kad šis dirbtinio intelekto panaudojimo būdas yra labai tolima problema, kuriai reikės visų pasaulio vyriausybių bendradarbiavimo. Pavyzdžiui, šiai pozicijai pritaria Kanados Vaterlo universiteto ekspertai, kurie mano, kad toks nepagrįstas požiūris į geoinžinerijos problemą gali pradėti trečiąjį pasaulinį karą.