Perusahaan Data Science Menggunakan AI untuk Melindungi Lingkungan dan Melawan Perubahan Iklim

Ketika negara-negara di Bumi mencoba menciptakan dan menerapkan solusi untuk ancaman perubahan iklim yang semakin meningkat, hampir semua pilihan ada di meja. Berinvestasi pada sumber energi terbarukan dan mengurangi emisi di seluruh dunia adalah strategi dominan, tetapi menggunakan kecerdasan buatan dapat membantu mengurangi kerusakan yang dilakukan oleh perubahan iklim. Seperti yang dilaporkan oleh Live Mint, algoritma kecerdasan buatan dapat membantu konservasionis membatasi deforestasi, melindungi spesies hewan yang rentan dari perubahan iklim, melawan perburuan liar, dan memantau polusi udara.

Perusahaan data science Gramener telah menggunakan pembelajaran mesin untuk membantu memperoleh perkiraan jumlah koloni penguin di seluruh Antartika dengan menganalisis gambar yang diambil oleh perangkap kamera. Ukuran koloni penguin di Antartika telah menurun secara dramatis selama dekade terakhir, dipengaruhi oleh perubahan iklim. Untuk membantu kelompok konservasi dan ilmuwan menganalisis data gambar penguin Antartika, Gramener menggunakan jaringan saraf konvolusional untuk membersihkan data, dan setelah data dibersihkan, maka diterapkan melalui mesin virtual sains data Microsoft. Model yang dikembangkan oleh Gramener menggunakan kepadatan penguin dalam gambar yang ditangkap untuk mencapai perkiraan populasi penguin lebih cepat dan lebih dapat diandalkan. Gramener juga menggunakan teknik serupa untuk memperkirakan populasi salmon di berbagai sungai.

Seperti yang dilaporkan oleh LiveMint, ada proyek konservasi hewan lain yang menggunakan AI, seperti Proyek Mendengarkan Gajah yang dirancang oleh Conservation Metrics. Populasi gajah di Afrika telah menderita karena perburuan liar yang ilegal. Proyek ini menggunakan algoritma pembelajaran mesin untuk mengidentifikasi vokalisasi gajah, membedakannya dari suara yang dibuat oleh hewan lain. Dengan melatih model pembelajaran mesin untuk mengenali pola suara unik dan kemudian menggunakan data dari sensor yang tersebar di habitat gajah, peneliti dapat mengembangkan sistem yang memperingatkan mereka tentang potensi perburuan atau deforestasi. Mereka dapat memiliki sistem yang mendengarkan hal-hal seperti kendaraan, suara, atau senjata, dan jika suara-suara ini terdeteksi, peringatan dapat dikirim ke otoritas.

Algoritma pembelajaran mesin juga dapat digunakan untuk memprediksi kerusakan yang dapat dilakukan oleh peristiwa cuaca ekstrem seperti badai petir dan siklon tropis. Misalnya, IBM telah menghasilkan model peramalan atmosfer beresolusi tinggi yang baru untuk melacak peristiwa cuaca yang berpotensi merusak.

Jaspreet Bindra, penulis The Tech Whisperer dan ahli transformasi digital menjelaskan kepada LiveMint bahwa pembelajaran mesin diperlukan untuk mengikuti perubahan yang disebabkan oleh perubahan iklim. Bindra menjelaskan:

“Pemanasan global telah mengubah cara model iklim dilakukan. Menggunakan AI/ML sangat penting karena akan membuat hal-hal terjadi lebih cepat. Semua ini akan memerlukan banyak daya komputasi, dan ke depan, komputer kuantum mungkin akan memainkan peran penting.”

Blue Sky Analytics, yang berbasis di Gurugram, India, adalah contoh lain dari menggunakan algoritma pembelajaran mesin untuk melindungi lingkungan. Aplikasi yang dikembangkan oleh Blue Sky Analytics digunakan untuk memantau emisi industri dan kualitas udara secara umum. Data dikumpulkan dan dianalisis melalui data satelit dan sensor di tingkat tanah.

Mengharuskan sejumlah besar daya komputasi untuk menganalisis dan memahami dampak lingkungan dari masalah seperti perubahan iklim, perburuan liar, polusi. UC Berkeley mencoba mempercepat penelitian dengan mengirimkan komputasi data lingkungan menggunakan smartphone dan PC. Proyek pengiriman komputasi ini disebut BOINC (Berkley Open Infrastructure for Network Computing). Mereka yang ingin membantu dalam analisis data lingkungan yang dikirimkan hanya perlu menginstal perangkat lunak BOINC pada perangkat yang dipilih, dan ketika perangkat tersebut tidak digunakan, sumber daya CPU dan GPU yang tersedia akan digunakan untuk melakukan komputasi.