Компании данных используют ИИ для защиты окружающей среды и борьбы с изменением климата

Когда страны Земли пытаются изобрести и реализовать решения для растущей угрозы изменения климата, практически все варианты находятся на рассмотрении. Инвестиции в возобновляемые источники энергии и снижение выбросов по всему миру являются доминирующими стратегиями, но использование искусственного интеллекта может помочь уменьшить ущерб, наносимый изменением климата. Как сообщает Live Mint, алгоритмы искусственного интеллекта могут помочь защитникам природы ограничить вырубку лесов, защитить уязвимые виды животных от изменения климата, бороться с браконьерством и контролировать загрязнение воздуха.

Компания данных Gramener использовала машинное обучение, чтобы помочь получить оценки количества колоний пингвинов по всей Антарктике, анализируя изображения, сделанные фотоловушками. Размер колоний пингвинов в Антарктике сократился значительно за последнее десятилетие, под влиянием изменения климата. Чтобы помочь группам по защите природы и ученым проанализировать изображения антарктических пингвинов, Gramener использовала свёрточные нейронные сети для очистки данных, и после того, как данные были очищены, они были развернуты через виртуальную машину данных Microsoft. Модель, разработанная Gramener, использует плотность пингвинов на захваченных изображениях, чтобы получить оценки популяций пингвинов быстрее и более надёжно. Gramener также использовала аналогичные методы для оценки популяций лосося в различных реках.

Как сообщает LiveMint, существуют другие проекты по сохранению животных, которые используют ИИ, такие как проект “Слушание слонов”, разработанный компанией Conservation Metrics. Популяции слонов по всей Африке страдают из-за браконьерства. Проект использует алгоритмы машинного обучения для идентификации вокализаций слонов, отличая их от звуков, издаваемых другими животными. Обучая модели машинного обучения распознавать уникальные звуковые закономерности, а затем используя данные с датчиков, распределённых по местам обитания слонов, исследователи могут разработать систему, которая предупреждает их о потенциальном браконьерстве или вырубке лесов. Они могут иметь систему, которая слушает звуки, такие как транспортные средства, звуки или выстрелы, и если эти звуки обнаружены, предупреждения могут быть отправлены властям.

Алгоритмы машинного обучения также могут быть использованы для прогнозирования ущерба, который может быть нанесён сильными погодными явлениями, такими как грозы и тропические циклоны. Например, IBM разработала новую высокоразрешающую атмосферную модель прогнозирования, предназначенную для отслеживания потенциально вредных погодных явлений.

Джасприт Биндра, автор книги “The Tech Whisperer” и эксперт по цифровым трансформациям объяснил LiveMint, что машинное обучение необходимо для того, чтобы идти в ногу с изменениями, вызванными изменением климата. Биндра объяснил:

“Глобальное потепление изменило способ моделирования климата. Использование ИИ/МО очень важно, поскольку это сделает вещи быстрее. Все это потребует большого количества вычислительной мощности, и в будущем квантовые компьютеры могут сыграть важную роль.”

Blue Sky Analytics, базирующаяся в Гургаоне, Индия, является ещё одним примером использования алгоритмов машинного обучения для защиты окружающей среды. Разработанное приложение Blue Sky Analytics используется для мониторинга промышленных выбросов и качества воздуха в целом. Данные собираются и анализируются с помощью спутниковых данных и датчиков на уровне земли.

Для анализа и понимания экологических последствий таких проблем, как изменение климата, браконьерство, загрязнение, требуется значительное количество вычислительной мощности. Университет Калифорнии в Беркли пытается ускорить исследования, используя краудсорсинг вычислений экологических данных с помощью смартфонов и ПК. Проект краудсорсинга называется BOINC (Berkley Open Infrastructure for Network Computing). Те, кто хочет помочь в анализе данных, просто должны установить программное обеспечение BOINC на выбранное устройство, и когда это устройство не используется, ресурсы CPU и GPU будут использоваться для выполнения вычислений.