Datavitenskapsbedrifter bruker AI til å beskytte miljøet og bekjempe klimaendringer

Ettersom jordens nasjoner prøver å finne og implementere løsninger for den økende trusselen om klimaendringer, er nesten alle alternativer på bordet. Investeringer i fornybare energikilder og reduksjon av utslipp over hele verden er de dominerende strategiene, men bruk av kunstig intelligens kan hjelpe med å redusere skadene forårsaket av klimaendringer. Ifølge Live Mint, kan kunstig intelligens-algoritmer hjelpe med å begrense avskoging, beskytte sårbare arter av dyr mot klimaendringer, bekjempe villjakt og overvåke luftforurensning.

Datavitenskapsbedriften Gramener har brukt maskinlæring til å hjelpe med å estimere antallet penguinkolonier over hele Antarktis ved å analysere bilder tatt av kamerafeller. Størrelsen på penguinkolonier i Antarktis har sunket dramatisk over de siste ti årene, påvirket av klimaendringer. For å hjelpe bevaringsgrupper og forskere med å analysere bildedata av antarktiske pingviner, brukte Gramener konvolusjonsneurale nettverk til å rense dataene, og når dataene var rene, ble de distribuert gjennom Microsofts datavitenskapsmaskin. Modellen utviklet av Gramener bruker pinguin-tetthet i de fangete bildene for å oppnå estimater av pinguin-populasjoner raskere og mer pålitelig. Gramener brukte også lignende teknikker til å estimere laksepopulasjoner i ulike elver.

Ifølge LiveMint, finnes det andre dyrebevaringsprosjekter som bruker AI, som for eksempel Elephant Listening Project utviklet av Conservation Metrics. Elefantpopulasjoner i hele Afrika har lidd på grunn av ulovlig villjakt. Prosjektet bruker maskinlæringsalgoritmer til å identifisere elefanternes vokaliseringer, og skille dem fra lyder laget av andre dyr. Ved å trene maskinlæringsmodeller til å gjenkjenne unike lydmønster og deretter bruke data fra sensorer distribuert over hele elefantens habitat, kan forskerne utvikle et system som varsler dem om potensiell villjakt eller avskoging. De kan ha et system som lytter etter ting som kjøretøy, lyder eller skytevåpen, og hvis disse lydene oppdages, kan varsler sendes til myndighetene.

Maskinlæringsalgoritmer kan også brukes til å forutsi skadene som kan bli forårsaket av alvorlige værhendelser som tordenvær og tropiske sykloner. For eksempel har IBM utviklet et nytt høyoppløst atmosfærisk prognosemodell til å spore potensielt skadelige værhendelser.

Jaspreet Bindra, forfatter av The Tech Whisperer og ekspert på digitale transformasjoner fortalte LiveMint at maskinlæring er nødvendig for å holde pace med endringene forårsaket av klimaendringer. Bindra forklarte:

“Global oppvarming har endret måten klimamodellering gjøres på. Bruk av AI/ML er veldig viktig, da det vil gjøre ting raskere. Alt dette vil kreve mye datamaskinkraft, og fremover kan kvantecomputere spille en viktig rolle.”

Blue Sky Analytics, basert i Gurugram, India, er et annet eksempel på bruk av maskinlæringsalgoritmer til å beskytte miljøet. En applikasjon utviklet av Blue Sky Analytics brukes til å overvåke industrielle utslipp og luftkvalitet generelt. Data samles inn og analyseres gjennom satellittdata og sensorer på bakkenivå.

Dette krever en betydelig mengde datamaskinkraft for å analysere og forstå miljøeffektene av problemer som klimaendringer, villjakt, forurensning. UC Berkeley prøver å akselerere forskningen ved å crowdsourcere beregning av miljødata ved hjelp av smarttelefoner og PC-er. Crowdsourcing-prosjektet heter BOINC (Berkley Open Infrastructure for Network Computing). De som ønsker å bidra til crowdsourced dataanalyse må bare installere BOINC-programvaren på en valgt enhet, og når enheten ikke er i bruk, vil CPU- og GPU-resursene være tilgjengelige for å utføre beregninger.