Data Science-selskaper bruker AI til å beskytte miljøet og bekjempe klimaendringer

Mens nasjonene på jorden prøver å finne og implementere løsninger for den voksende 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. Som rapportert av Live Mint, kan kunstig intelligens-algoritmer hjelpe med å begrense avskoging, beskytte sårbare arter av dyr mot klimaendringer, bekjempe villjakt og overvåke luftforurensning.

Data Science-selskapet Gramener har anvendt 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, anvendte Gramener konvolusjonsneurale nettverk til å rense dataene, og når dataene var rene, ble de distribuert gjennom Microsofts data science-virtuelle maskin. Modellen utviklet av Gramener anvender pinguin-tetthet i de fangete bildene for å oppnå estimater av pinguin-populasjoner raskere og mer pålitelig. Gramener anvendte også lignende teknikker til å estimere laksepopulasjoner i ulike elver.

Som LiveMint rapporterte, finnes det andre dyrebevaringsprosjekter som anvender AI, som for eksempel Elephant Listening Project designet av Conservation Metrics. Elefantpopulasjoner over hele Afrika har lidd på grunn av ulovlig villjakt. Prosjektet anvender maskinlæring-algoritmer til å identifisere elefantens vokaliseringer, og skille dem fra lyder laget av andre dyr. Ved å trene maskinlæring-modeller til å gjenkjenne unike lydmønster og deretter anvende data fra sensorer distribuert over hele elefantens habitat, kan forskerne utvikle et system som varsler dem om mulig villjakt eller avskoging. De kan ha et system som lytter etter ting som kjøretøy, lyder eller skytevåpen, og hvis disse lydene detekteres, kan varsler sendes til myndighetene.

Maskinlæring-algoritmer kan også anvendes til å forutsi skadene som kan gjøres av ekstreme værhendelser som tordenvær og tropiske sykloner. For eksempel har IBM produsert en ny høyoppløselig atmosfærisk prognosemodell til å spore potensielt skadelige værhendelser.

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

“Global oppvarming har endret måten klimamodellering gjøres. Anvendelse av AI/ML er veldig viktig, da det vil gjøre tingene 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 anvendelse av maskinlæring-algoritmer til å beskytte miljøet. En applikasjon utviklet av Blue Sky Analytics anvendes til å overvåke industrielle utslipp og luftkvalitet generelt. Data samles inn og analyseres gjennom satellittdata og sensorer på bakkenivå.

Det 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 data-analyse, 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.