Společnosti datové vědy používají umělou inteligenci k ochraně životního prostředí a boji proti změně klimatu

Jak se národy Země snaží vynalézt a implementovat řešení rostoucí hrozby změny klimatu, je téměř každá možnost na stole. Investice do obnovitelných zdrojů energie a snižování emisí po celém světě jsou dominantními strategiemi, ale využití umělé inteligence může pomoci snížit škody způsobené změnou klimatu. Jak uvádí Live Mint, algoritmy umělé inteligence mohou pomoci konzervátorům omezit odlesňování, chránit zranitelné druhy zvířat před změnou klimatu, bojovat proti pytláctví a monitorovat znečištění vzduchu.

Společnost Gramener využila strojové učení k získání odhadů počtu kolonií tučňáků napříč Antarktidou analýzou snímků pořízených foto pastmi. Velikost kolonií tučňáků v Antarktidě dramaticky klesla za posledních deset let, a to vlivem změny klimatu. Za účelem pomoci konzervačním skupinám a vědcům analyzovat obrazová data antarktických tučňáků společnost Gramener využila konvoluční neuronové sítě ke očištění dat a poté byla nasazena prostřednictvím virtuální strojové datové vědy Microsoftu. Model vyvinutý společností Gramener využívá hustoty tučňáků ve snímcích k získání odhadů populací tučňáků rychleji a spolehlivěji. Společnost Gramener použila podobné techniky i k odhadu populací lososů v různých řekách.

Jak uvádí LiveMint, existují i další projekty ochrany zvířat, které využívají umělou inteligenci, jako je například Projekt Elephant Listening navržený Conservation Metrics. Populace slonů v Africe trpí kvůli nelegálnímu pytláctví. Projekt využívá algoritmy strojového učení k identifikaci hlasových projevů slonů a odlišení jich od zvuků jiných zvířat. Školením modelů strojového učení k rozpoznání jedinečných zvukových vzorců a následným využitím dat ze senzorů rozmístěných v habitatu slonů mohou výzkumníci vyvinout systém, který upozorní na potenciální pytláctví nebo odlesňování. Můžou mít systém, který naslouchá například vozidlům, zvukům nebo zbraním, a pokud jsou tyto zvuky detekovány, mohou být odeslány upozornění orgánům.

Algoritmy strojového učení lze také použít k předpovědi škod, které mohou být způsobeny vážnými povětrnostními jevy, jako jsou bouře a tropické cyklony. Například IBM vyvinula nový model atmosférického předpovědi s vysokým rozlišením, který má sledovat potenciálně škodlivé povětrnostní jevy.

Jaspreet Bindra, autor knihy The Tech Whisperer a odborník na digitální transformace řekl LiveMint, že strojové učení je nezbytné pro přizpůsobení se změnám způsobeným změnou klimatu. Bindra vysvětlil:

„Globální oteplování změnilo způsob, jakým se provádí modelování klimatu. Používání AI/ML je velmi důležité, protože to bude umožňovat rychlejší řešení. To všechno bude vyžadovat大量 výpočetního výkonu a v budoucnu mohou hrát kvantové počítače důležitou roli.“

Blue Sky Analytics se sídlem v Gurugramu v Indii je další příklad využití algoritmů strojového učení k ochraně životního prostředí. Aplikace vyvinutá Blue Sky Analytics se používá k monitorování průmyslových emisí a kvality vzduchu obecně. Data jsou shromažďována a analyzována pomocí satelitních dat a senzorů na úrovni terénu.

K analýze a pochopení environmentálních dopadů problémů, jako je změna klimatu, pytláctví, znečištění, je zapotřebí značného množství výpočetního výkonu. UC Berkeley se snaží urychlit výzkum využíváním crowdsourcového výpočtu environmentálních dat pomocí smartphonů a počítačů. Crowdsourcový projekt se jmenuje BOINC (Berkley Open Infrastructure for Network Computing). Ti, kteří chtějí pomoci s analýzou dat, musí pouze nainstalovat software BOINC na vybrané zařízení a když toto zařízení není používáno, budou využity dostupné CPU a GPU zdroje k provedení výpočtů.