Veri Bilimi Şirketleri, Çevreyi Korumak ve İklim Değişikliğiyle Mücadele İçin Yapay Zekayı Kullanıyor

Dünya ulusları, artan iklim değişikliği tehdidine çözümler icat etmeye ve uygulamaya çalışırken, hemen hemen her seçenek masada. Yenilenebilir enerji kaynaklarına yatırım yapmak ve dünya çapında emisyonları azaltmak baskın stratejilerdir, ancak yapay zekayı kullanmak iklim değişikliğinin verdiği zararı azaltmaya yardımcı olabilir. Live Mint tarafından bildirildiği gibi, yapay zeka algoritmaları, korumacıların ormansızlaşmayı sınırlamasına, savunmasız hayvan türlerini iklim değişikliğinden korumasına, kaçak avlanmayla mücadele etmesine ve hava kirliliğini izlemesine yardımcı olabilir.

Veri bilimi şirketi Gramener, kamera tuzakları tarafından çekilen görüntüleri analiz ederek Antarktika'daki penguen kolonilerinin sayısını tahmin etmeye yardımcı olmak için makine öğreniminden yararlandı. Antarktika'daki penguen kolonilerinin boyutu, iklim değişikliğinin etkisiyle son on yılda önemli ölçüde azaldı. Koruma gruplarının ve bilim adamlarının Antarktika penguenlerinin görüntü verilerini analiz etmesine yardımcı olmak amacıyla Gramener, verileri temizlemek için evrişimli sinir ağlarını kullandı ve veriler temizlendikten sonra Microsoft'un veri bilimi sanal makinesi aracılığıyla devreye alındı. Gramener tarafından geliştirilen model, penguen popülasyonu tahminlerini daha hızlı ve daha güvenilir bir şekilde elde etmek için yakalanan görüntülerdeki penguen yoğunluğundan yararlanıyor. Gramener ayrıca çeşitli nehirlerdeki somon popülasyonlarını tahmin etmek için benzer teknikler kullandı.

LiveMint'in bildirdiği gibiConservation Metrics tarafından tasarlanan Elephant Listening Project gibi yapay zekadan yararlanan başka hayvan koruma projeleri de var. Afrika'daki fil popülasyonları, yasadışı kaçak avlanma nedeniyle acı çekiyor. Proje, fillerin seslerini belirlemek ve onları diğer hayvanların çıkardığı seslerden ayırmak için makine öğrenimi algoritmalarından yararlanıyor. Araştırmacılar, benzersiz ses kalıplarını tanımak için makine öğrenimi modellerini eğiterek ve ardından fil habitatına dağıtılan sensörlerden gelen verileri kullanarak onları olası kaçak avlanma veya ormansızlaşmaya karşı uyaran bir sistem geliştirebilirler. Araçlar, sesler veya silahlar gibi şeyleri dinleyen bir sisteme sahip olabilirler ve bu sesler tespit edilirse yetkililere uyarılar gönderilebilir.

Makine öğrenimi algoritmaları, gök gürültülü fırtınalar ve tropikal siklonlar gibi şiddetli hava olaylarının verebileceği zararı tahmin etmek için de kullanılabilir. Örneğin IBM, potansiyel olarak zararlı hava olaylarını izlemeyi amaçlayan yeni bir yüksek çözünürlüklü atmosferik tahmin modeli üretti.

The Tech Whisperer'ın yazarı ve dijital dönüşüm uzmanı Jaspreet Bindra LiveMint'e açıkladı iklim değişikliğinin neden olduğu değişikliklere ayak uydurmak için makine öğreniminin gerekli olduğunu. Bindra'nın açıklaması şöyle:

“Küresel ısınma iklim modellemesinin yapılma şeklini değiştirdi. AI/ML'yi kullanmak, işlerin daha hızlı gerçekleşmesini sağlayacağı için çok önemlidir. Bütün bunlar çok fazla bilgi işlem gücü gerektirecek ve ileride kuantum bilgisayarlar önemli bir rol oynayabilir."

Merkezi Hindistan'ın Gurugram kentinde bulunan Blue Sky Analytics, çevreyi korumak için makine öğrenimi algoritmalarını kullanmanın başka bir örneğidir. Endüstriyel emisyonları ve genel olarak hava kalitesini izlemek için Blue Sky Analytics tarafından geliştirilen bir uygulama kullanılmaktadır. Veriler, uydu verileri ve yer seviyesindeki sensörler aracılığıyla toplanır ve analiz edilir.

İklim değişikliği, kaçak avlanma, kirlilik gibi konuların çevresel etkilerini analiz etmek ve anlamak için önemli miktarda bilgisayar gücü gerekir. UC Berkeley, akıllı telefonlar ve PC'ler kullanarak çevresel verilerin hesaplanmasında kitle kaynak kullanımı sağlayarak araştırmayı hızlandırmaya çalışıyor. Crowdsourcing projesinin adı BOINC (Berkley Open Infrastructure for Network Computing). Kitle kaynaklı veri analizine yardımcı olmak isteyenlerin BOINC yazılımını seçilen bir cihaza kurmaları yeterlidir ve bu cihaz kullanılmadığında mevcut CPU ve GPU kaynakları hesaplamaları gerçekleştirmek için kullanılacaktır.