Datavidenskabsvirksomheder bruger AI til at beskytte miljøet og bekæmpe klimaforandringer

Da jordens nationer forsøger at opfinde og implementere løsninger til den voksende trussel om klimaforandringer, er næsten alle muligheder på bordet. Investering i fornybare energikilder og reduktion af udledning af drivhusgasser på globalt plan er de dominerende strategier, men brugen af kunstig intelligens kan hjælpe med at reducere skaderne forårsaget af klimaforandringer. Ifølge Live Mint kan kunstig intelligensalgoritmer hjælpe med at begrænse skovrydning, beskytte sårbar dyrearter mod klimaforandringer, bekæmpe vilddyrsjagt og overvåge luftforurening.

Datavidenskabsvirksomheden Gramener har anvendt maskinelæring til at hjælpe med at estimere antallet af pingvin-kolonier på tværs af Antarktis ved at analysere billeder taget af kamerafælder. Størrelsen af pingvin-kolonier i Antarktis er faldet dramatisk over de sidste ti år, påvirket af klimaforandringer. For at hjælpe beskyttelsesgrupper og videnskabsmænd med at analysere billeddata af antarktiske pingviner, anvendte Gramener convolutionelle neurale netværk til at rense data, og når data var ren, blev det udleveret gennem Microsofts datavidenskabsvirtuelle maskine. Den model, som Gramener har udviklet, anvender pingvintætheden i de fangete billeder til at opnå estimater af pingvinbestande hurtigere og mere pålideligt. Gramener anvendte også lignende metoder til at estimere laksbestande i forskellige floder.

Ifølge LiveMint findes der andre dyrbeskyttelsesprojekter, der anvender AI, såsom Elephant Listening Project, designet af Conservation Metrics. Elefantbestande i hele Afrika har lidt under ulovlig vilddyrsjagt. Projektet anvender maskinelæringsalgoritmer til at identificere elefanternes vokalisationer, som adskiller sig fra lyde lavet af andre dyr. Ved at træne maskinelæringsmodeller til at genkende unikke lydmønstre og derefter anvende data fra sensorer fordelt i elefantens habitat, kan forskerne udvikle et system, der varsler dem om mulig vilddyrsjagt eller skovrydning. De kan have et system, der lytter efter ting som køretøjer, lyde eller skydevåben, og hvis disse lyde detekteres, kan varslinger sendes til myndighederne.

Maskinelæringsalgoritmer kan også anvendes til at forudsige skaderne, der kan forårsages af ekstreme vejrforhold som tordenstorme og tropiske cykloner. For eksempel har IBM produceret en ny højopløsnings atmosfærisk prognosemodel, der er designet til at spore potentielt skadeligt vejr.

Jaspreet Bindra, forfatteren til The Tech Whisperer og ekspert på digitale transformationer fortalte LiveMint, at maskinelæring er nødvendig for at følge med ændringerne forårsaget af klimaforandringer. Bindra forklarede:

“Global opvarmning har ændret måden, klimamodellering udføres på. Anvendelse af AI/ML er meget vigtig, da det vil gøre tingene hurtigere. Alt dette vil kræve masser af beregningskraft, og fremover kan kvantecomputere måske spille en vigtig rolle.”

Blue Sky Analytics, der er baseret i Gurugram, Indien, er et andet eksempel på, hvordan maskinelæringsalgoritmer kan anvendes til at beskytte miljøet. En applikation udviklet af Blue Sky Analytics anvendes til at overvåge industrielle udledninger og luftkvalitet generelt. Data indsamles og analyseres gennem satellitdata og sensorer på jordniveau.

Det kræver en betydelig mængde computerkraft for at analysere og forstå miljøeffekterne af problemer som klimaforandringer, vilddyrsjagt, forurening. UC Berkeley forsøger at accelerere forskningen ved at crowdsourcere beregningen af miljødata ved hjælp af smartphones og pc’er. Crowdsourcing-projektet hedder BOINC (Berkley Open Infrastructure for Network Computing). De, der ønsker at hjælpe med crowdsourced dataanalyse, skal blot installere BOINC-softwaren på en valgt enhed, og når enheden ikke er i brug, vil CPU- og GPU-resurserne blive anvendt til at udføre beregninger.