Datasciencebedrijven gebruiken AI om het milieu te beschermen en de strijd tegen klimaatverandering te leveren

Terwijl de naties van de aarde proberen uit te vinden en oplossingen te implementeren voor de groeiende bedreiging van klimaatverandering, staat bijna elke optie op tafel. Investeringen in hernieuwbare energiebronnen en het terugdringen van emissies over de hele wereld zijn de dominante strategieën, maar het gebruik van kunstmatige intelligentie kan helpen om de schade die wordt veroorzaakt door klimaatverandering te verminderen. Volgens Live Mint kunnen algoritmes voor kunstmatige intelligentie helpen om boskap te beperken, kwetsbare diersoorten te beschermen tegen klimaatverandering, stroperij te bestrijden en luchtvervuiling te monitoren.

Het datasciencebedrijf Gramener heeft machine learning gebruikt om schattingen te maken van het aantal pinguïnkolonies in Antarctica door analyse van beelden gemaakt door cameravallen. De omvang van pinguïnkolonies in Antarctica is dramatisch afgenomen in de afgelopen decennium, beïnvloed door klimaatverandering. Om te helpen bij het analyseren van beeldgegevens van Antarctische pinguïns, heeft Gramener convolutionele neurale netwerken gebruikt om de gegevens te zuiveren, en eenmaal de gegevens schoon waren, werden ze geïmplementeerd via de virtuele machine voor datascience van Microsoft. Het model dat door Gramener is ontwikkeld, maakt gebruik van de dichtheid van pinguïns in de gemaakte beelden om schattingen van pinguïnpopulaties sneller en betrouwbaarder te maken. Gramener heeft soortgelijke technieken gebruikt om schattingen te maken van zalm populaties in verschillende rivieren.

Volgens LiveMint zijn er andere dierbehoudsprojecten die gebruikmaken van AI, zoals het Elephant Listening Project, ontworpen door Conservation Metrics. Olifantpopulaties in heel Afrika hebben te lijden gehad van illegale stroperij. Het project maakt gebruik van machine learning-algoritmes om de vocalisaties van olifanten te identificeren, waardoor ze te onderscheiden zijn van geluiden gemaakt door andere dieren. Door machine learning-modellen te trainen om unieke geluidspatronen te herkennen en vervolgens gegevens te gebruiken van sensoren die zijn verspreid over het olifantenhabitat, kunnen onderzoekers een systeem ontwikkelen dat waarschuwt voor potentiële stroperij of ontbossing. Ze kunnen een systeem hebben dat luistert naar dingen zoals voertuigen, geluiden of geweren, en als deze geluiden worden gedetecteerd, kunnen waarschuwingen worden verzonden naar de autoriteiten.

Machine learning-algoritmes kunnen ook worden gebruikt om de schade te voorspellen die kan worden veroorzaakt door extreme weersomstandigheden zoals onweersbuien en tropische cyclonen. Zo heeft IBM bijvoorbeeld een nieuw hoogresolutie-atmosfeermodel ontwikkeld om potentieel schadelijke weersomstandigheden te volgen.

Jaspreet Bindra, auteur van The Tech Whisperer en expert op het gebied van digitale transformaties legde aan LiveMint uit dat machine learning noodzakelijk is om bij te blijven met de veranderingen die worden veroorzaakt door klimaatverandering. Bindra legde uit:

“Globale opwarming heeft de manier waarop klimaatmodellering wordt gedaan veranderd. Het gebruik van AI/ML is erg belangrijk, omdat het dingen sneller zal laten gebeuren. Alles zal veel rekenkracht vereisen en in de toekomst kunnen quantumcomputers een belangrijke rol spelen.”

Blue Sky Analytics, gevestigd in Gurugram, India, is een ander voorbeeld van het gebruik van machine learning-algoritmes om het milieu te beschermen. Een applicatie ontwikkeld door Blue Sky Analytics wordt gebruikt om industriële emissies en luchtkwaliteit in het algemeen te monitoren. Gegevens worden verzameld en geanalyseerd via satellietgegevens en sensoren op het terrein.

Het vereist een aanzienlijke hoeveelheid rekenkracht om de milieueffecten van problemen zoals klimaatverandering, stroperij, vervuiling te analyseren en te begrijpen. UC Berkeley probeert onderzoek te versnellen door crowdsourcing van de berekening van milieugegevens met behulp van smartphones en pc’s. Het crowdsourcingproject heet BOINC (Berkley Open Infrastructure for Network Computing). Iedereen die wil helpen bij de crowdsourced gegevensanalyse moet alleen de BOINC-software installeren op een gekozen apparaat, en wanneer dat apparaat niet in gebruik is, worden de beschikbare CPU- en GPU-bronnen gebruikt om berekeningen uit te voeren.