Компанії з науки про дані використовують штучний інтелект для захисту навколишнього середовища та боротьби зі зміною клімату

Коли країни Землі намагаються винайти та реалізувати рішення щодо зростаючої загрози зміни клімату, майже всі варіанти розглядаються. Інвестиції в відновлювані джерела енергії та зниження викидів по всьому світу є домінантними стратегіями, але використання штучного інтелекту може допомогти зменшити шкоду, завдану зміною клімату. Як повідомляє Live Mint, алгоритми штучного інтелекту можуть допомогти охоронцям обмежити вирубку лісів, захистити вразливі види тварин від зміни клімату, боротися з браконьєрством та контролювати забруднення повітря.

Компанія з науки про дані Gramener використала машинне навчання, щоб допомогти отримати оцінки кількості колоній пінгвінів по всій Антарктиці, аналізуючи зображення, зроблені камерами-пастками. Розмір колоній пінгвінів в Антарктиці значно зменшився за останні десять років, під впливом зміни клімату. Для допомоги групам охорони природи та науковцям у аналізі даних зображень антарктичних пінгвінів Gramener використала卷волюційні нейронні мережі для очищення даних, а після очищення даних вони були розгорнуті через віртуальну машину науки про дані від Microsoft. Модель, розроблена Gramener, використовує густину пінгвінів на зображеннях, щоб отримати оцінки популяції пінгвінів швидше та надійніше. Gramener також використала подібні методи для оцінки популяцій лосося в різних річках.

Як повідомляє LiveMint, існують інші проекти охорони тварин, які використовують штучний інтелект, наприклад, проект “Слухання слонів” (Elephant Listening Project), розроблений Conservation Metrics. Популяції слонів по всій Африці страждають через незаконне браконьєрство. Проект використовує алгоритми машинного навчання для ідентифікації голосових сигналів слонів, відрізняючи їх від звуків, зроблених іншими тваринами. Навчаючи моделі машинного навчання розпізнавати унікальні звукові закономірності, а потім використовуючи дані з датчиків, розподілених по території слонів, дослідники можуть розробити систему, яка попереджає про потенційне браконьєрство або вирубку лісів. Вони можуть мати систему, яка слухає за такими речами, як транспортні засоби, звуки чи вогнепальна зброя, і якщо ці звуки виявляються, можуть надсилатися попередження владі.

Алгоритми машинного навчання також можна використовувати для прогнозування шкоди, яку можуть завдати сильні погодні явища, такі як грози та тропічні циклони. Наприклад, IBM створила нову високоємнісну атмосферну прогнозну модель для відстеження потенційно руйнівних погодних явищ.

ДжаспREET Біндра, автор “The Tech Whisperer” та експерт з цифрових трансформацій повідомив LiveMint, що машинне навчання необхідно для того, щоб跟увати зміни, викликані зміною клімату. Біндра пояснив:

“Глобальне потепління змінило спосіб проведення кліматичного моделювання. Використання штучного інтелекту/машинного навчання дуже важливо, оскільки це зробить речі швидшими. Все це буде вимагати великої обчислювальної потужності, а в майбутньому квантові комп’ютери можуть відігравати важливу роль”.

Blue Sky Analytics, що базується в Гурґаоні, Індія, є ще одним прикладом використання алгоритмів машинного навчання для захисту навколишнього середовища. Застосунок, розроблений Blue Sky Analytics, використовується для контролю промислових викидів та якості повітря в цілому. Дані збираються та аналізуються за допомогою супутникових даних та датчиків на рівні землі.

Вимагається велика обчислювальна потужність для аналізу та розуміння екологічних ефектів питань, таких як зміна клімату, браконьєрство, забруднення. Університет Каліфорнії в Берклі намагається прискорити дослідження шляхом краудсорсингу обчислень екологічних даних за допомогою смартфонів та персональних комп’ютерів. Краудсорсинговий проєкт називається BOINC (Berkley Open Infrastructure for Network Computing). Ті, хто хоче допомогти в краудсорсинговому аналізі даних, просто повинні встановити програмне забезпечення BOINC на вибраному пристрої, а коли цей пристрій не використовується, CPU та GPU-ресурси будуть використані для виконання обчислень.