Le aziende di data science utilizzano l’AI per proteggere l’ambiente e combattere il cambiamento climatico

Mentre le nazioni della Terra tentano di inventare e implementare soluzioni alla crescente minaccia del cambiamento climatico, quasi ogni opzione è sulla tavola. Investire in fonti di energia rinnovabile e ridurre le emissioni in tutto il mondo sono le strategie dominanti, ma l’utilizzo dell’intelligenza artificiale può aiutare a ridurre i danni causati dal cambiamento climatico. Come riportato da Live Mint, gli algoritmi di intelligenza artificiale possono aiutare i conservazionisti a limitare la deforestazione, proteggere le specie animali vulnerabili dal cambiamento climatico, combattere il bracconaggio e monitorare l’inquinamento dell’aria.

La società di data science Gramener ha utilizzato il machine learning per aiutare a ottenere stime del numero di colonie di pinguini in tutta l’Antartide analizzando le immagini scattate da trappole fotografiche. Le dimensioni delle colonie di pinguini in Antartide sono diminuite drasticamente nel corso dell’ultimo decennio, a causa del cambiamento climatico. Al fine di aiutare i gruppi di conservazione e gli scienziati ad analizzare i dati delle immagini dei pinguini antartici, Gramener ha utilizzato reti neurali convolutive per pulire i dati, e una volta che i dati erano puliti, sono stati distribuiti attraverso la macchina virtuale di data science di Microsoft. Il modello sviluppato da Gramener utilizza la densità dei pinguini nelle immagini catturate per ottenere stime delle popolazioni di pinguini più velocemente e in modo più affidabile. Gramener ha anche utilizzato tecniche simili per stimare le popolazioni di salmoni in vari fiumi.

Come riportato da LiveMint, ci sono altri progetti di conservazione degli animali che utilizzano l’AI, come il Progetto di ascolto degli elefanti progettato da Conservation Metrics. Le popolazioni di elefanti in tutta l’Africa stanno soffrendo a causa del bracconaggio illegale. Il progetto utilizza algoritmi di machine learning per identificare le vocalizzazioni degli elefanti, distinguendole dai suoni fatti da altri animali. Formando modelli di machine learning per riconoscere schemi di suono unici e utilizzando dati da sensori distribuiti in tutto l’habitat degli elefanti, i ricercatori possono sviluppare un sistema che allerta potenziali attività di bracconaggio o deforestazione. Possono avere un sistema che ascolta cose come veicoli, suoni o armi, e se questi suoni vengono rilevati, gli avvisi possono essere inviati alle autorità.

Gli algoritmi di machine learning possono anche essere utilizzati per prevedere i danni che possono essere causati da eventi meteorologici estremi come tempeste e cicloni tropicali. Ad esempio, IBM ha prodotto un nuovo modello di previsione atmosferica ad alta risoluzione destinato a tracciare potenziali eventi meteorologici dannosi.

Jaspreet Bindra, autore di The Tech Whisperer e esperto di trasformazioni digitali ha spiegato a LiveMint che il machine learning è necessario per tenere il passo con i cambiamenti causati dal cambiamento climatico. Bindra ha spiegato:

“Il riscaldamento globale ha cambiato il modo in cui si fa la modellazione climatica. Utilizzare l’AI/ML è molto importante, poiché renderà le cose più veloci. Tutto ciò richiederà molta potenza di calcolo e, in futuro, i computer quantistici potrebbero svolgere un ruolo importante.”

Blue Sky Analytics, con sede a Gurugram, in India, è un altro esempio di utilizzo di algoritmi di machine learning per proteggere l’ambiente. Un’applicazione sviluppata da Blue Sky Analytics viene utilizzata per monitorare le emissioni industriali e la qualità dell’aria in generale. I dati vengono raccolti e analizzati attraverso dati satellitari e sensori a livello del suolo.

Richiede una notevole quantità di potenza di calcolo per analizzare e comprendere gli effetti ambientali di questioni come il cambiamento climatico, il bracconaggio, l’inquinamento. L’UC Berkeley sta cercando di accelerare la ricerca attraverso la crowdsourcing dei dati ambientali utilizzando smartphone e PC. Il progetto di crowdsourcing si chiama BOINC (Berkley Open Infrastructure for Network Computing). Coloro che desiderano assistere nell’analisi dei dati crowdsourcing devono semplicemente installare il software BOINC su un dispositivo scelto e, quando il dispositivo non è in uso, le risorse CPU e GPU disponibili verranno utilizzate per eseguire calcoli.