Společnosti pro datové vědy využívají AI k ochraně životního prostředí a boji proti změně klimatu

Jak země světa 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 dominantní strategiemi, ale využití umělé inteligence může pomoci snížit škody způsobené změnou klimatu. Jak uvedl Live Mint, algoritmy umělé inteligence mohou pomoci konzervátorům omezit odlesňování, chránit zranitelné druhy zvířat před změnou klimatu, bojovat proti pytláctví a monitorovat znečištění ovzduší.

Společnost pro datové vědy 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, pod vlivem změny klimatu. Za účelem pomoci konzervačním skupinám a vědcům analyzovat obrazová data antarktických tučňáků Gramener využila konvoluční neuronové sítě k očištění dat a poté, co byla data očištěna, byla nasazena prostřednictvím virtuálního stroje pro datové vědy společnosti Microsoft. Model vyvinutý Gramenerem využívá hustoty tučňáků ve snímcích k získání odhadů populací tučňáků rychleji a spolehlivěji. Gramener také použila podobné techniky k odhadu populací lososů v různých řekách.

Jak uvedl LiveMint, existují i další projekty na ochranu zvířat, které využívají AI, jako je Projekt poslouchání slonů navrženým Conservation Metrics. Populace slonů v Africe trpí kvůli nelegálnímu pytláctví. Projekt využívá algoritmy strojového učení k identifikaci volání slonů, odlišujících se od zvuků jiných zvířat. Školením modelů strojového učení k rozpoznání jedinečných zvukových vzorců a poté využíváním dat ze senzorů rozmístěných v habitatu slonů mohou výzkumníci vyvinout systém, který upozorňuje na potenciální pytláctví nebo odlesňování. Můžou mít systém, který poslouchá zvuky, jako jsou vozidla, zvuky nebo zbraně, a pokud jsou tyto zvuky detekovány, mohou být odeslány upozornění orgánům.

Algoritmy strojového učení lze také využít k předpovědi škod, které mohou být způsobeny vážnými povětrnostními událostmi, jako jsou bouře a tropické cyklony. Například IBM vyvinula nový model atmosférického předpovídání s vysokým rozlišením, určený k sledování potenciálně škodlivých povětrnostních událostí.

Jaspreet Bindra, autor knihy The Tech Whisperer a odborník na digitální transformace vyjádřil se pro LiveMint, že strojové učení je nezbytné pro zachování kroků se změnami způsobenými změnou klimatu. Bindra vysvětlil:

“Globální oteplování změnilo způsob, jakým se provádí klimatické modelování. Využívání AI/ML je velmi důležité, protože to umožní rychlejší realizaci věcí. To všechno bude vyžadovat大量 výpočetního výkonu a v budoucnu mohou kvantové počítače sehrát důležitou roli.”

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

Je zapotřebí značného množství výpočetního výkonu pro analýzu a pochopení environmentálních dopadů otázek, jako je změna klimatu, pytláctví, znečištění. UC Berkeley se snaží urychlit výzkum sdílením výpočtu environmentálních dat pomocí smartphonů a počítačů. Projekt sdílení je nazván BOINC (Berkley Open Infrastructure for Network Computing). Ti, kteří chtějí pomoci při analýze dat, musí pouze nainstalovat software BOINC na zvoleném zařízení a když toto zařízení není používáno, budou využity dostupné prostředky CPU a GPU k provedení výpočtů.