مجله هوش مصنوعی شهاب
هوش مصنوعی در حال اعمال بر روی بزرگترین چالش کره زمین یعنی تغییرات آب و هوا است.خوشبختانه، نتایجی که به دست آمده است تا به الآن دلگرم کننده بوده.
یادگیری ماشین می تواند برای تولید کننده‌های انرژی، حذف دی اکسید کربن، تحصیلات، مهندسی جغرافیای خورشیدی و مالی پیاده سازی شود.
رولنیک در یکی از حساب های خود در National Geographic می گوید:
جای تعجب دارد که چگونه بسیاری از مشکلات در یادگیری ماشین می توانند به طور معناداری به آن کمک کنند.
نتایج احتمالی که با استفاده از یادگیری ماشین حاصل میشود، شامل ساختمانهایی با بهره وری بیشتر انرژی، مواد کم کربن جدید ، نظارت بهتر بر روی جنگل زدایی و حمل و نقل سبز تر می باشد.
۳ زمینه خاص که هوش مصنوعی می تواند روی آن تمرکز داشته باشد شامل:
- پیش بینی بهتر آب و هوا
- نشان دادن اثرات شدید آب وهوایی
- اندازه گیری کربنی که از محلی خارج می شود.
پیش بینی آب و هوا می تواند توسط انفورماتیک آب و هوا (یک رشته در رابطه با علم داده و علم آب و هوا) بهبود پیدا کند. این رشته می تواند موضوعات زیادی نظیر اتفاقات طبیعی، بازسازی شرایط آب و هوای گذشته و استفاده از مدل هایی برای پیش بینی در مقیاس بزرگ را پوشش بدهد. مدل سازی آب و هوا با شبیه سازی های پیچیده که پتانسیل بازکردن نگرش های جدید را دارند در حال پیشرفت است.
در یک پروژه از الگوریتم های یادگیری ماشین برای ترکیب پیش بینی ۳۰ مدل آب وهوایی توسط هیئت بین دولتی بر تغییرات آب وهوایی استفاده شده است.
محققان موسسه یادگیری الگوریتم مونترال (MILA) ،مایکروسافت و آزمایشگاه های ConscientAI در حال استفاده از شبکه های مخالف جهانی (GAN) هستند تا خانه های ما را بعد از اتفاقاتی نظیر بالا آمدن سطح دریا و طوفان های شدید شبیه سازی کنند. برنامه ها شامل انتشار یک نرم افزار است که محله ها و خانه های مردم را با سناریوهای مختلف تغییر آب و هوا به افراد نشان دهد.
بانکداری صنعتی نیز درحال مطالعه بر تغییرات آب و هوا است
یک مشاور غیر انتفاعی مستقر در لندن به نام Carbon Tracker در حال تحقیق بر روی اثرات تغییر آب و هوا بر روی بازار های مالی است. به وسیله نطارت بر زغال سنگ و گیاهان زراعی و تصاویر ماهواره ای داده ها را تولید می کند. Carbon Tracker به سختی در حال تلاش است تا هدف سازمان ملل را در جلوگیری از ساخت کارخانه زغال سنگ جدید تا سال ۲۰۲۰ محقق سازد. یک برنامه توسط گوگل ایجاد شده که در حال تلاش برای جداسازی گاز های گلخانه ای از گاز های طبیعی است. این کار کمک خواهد کرد تا بفهمیم آلودگی از کجا نشأت می گیرد.
دوراند دِسوزا دانشمند داده Carbon Tracker می گوید:”این می تواند در سراسر جهان جا هایی که نطارت نیست استفاده شود و نیازی نیست تا برای اجازه آن درخواست کنیم.”
Climate Change AI، یک سازمان از داوطلبان دانشگاهی و صنعت گر است که تلاش دارد با استفاده از علوم محاسباتی باعث کاهش تغیییر آب و هوا شود . طبق یک حساب در BBVA شرکت کنندگانی نظیر اندرو ان جی بنیان گذار مغز گوگل، دِیس هاسابیس بنیان گذار DeepMind و جنیفر کایِس مدیرعامل قسمت تحقیقات مایکروسافت در حال خدمت در بخش بانکداری هستند.
بهوش مصنوعی به بهبود بخش انرژی کمک می کند ، جایی که شبکه های توزیع خودکار می توانند ارزیابی هوشمندانه را در زمان واقعی انجام دهند تا عرضه و تقاضای برق را به خوبی تنظیم کنند. خانه های هوشمند و اپراتور های باهوش و تدارکاتی که در ساخت صنعتی هستند این پتانسیل را دارند تا بتوانند رد کربن را تا حد امکان کم کنند.
الگوریتم ها و یادگیری ماشین به طور پیشرفته امکان پیش بینی عرضه و تقاضای برق یک شهر و یا برنامه تولید ماهانه را ایجاد کرده است. در نتیجه توزیع قدرت به صورت بالقوه می تواند در یک منطقه کم جمعیت اثر بیشتری داشته باشد.
گوگل مزارع بادی را در ایالات متحده برپا کرده است. الگوریتم های ایجاد شده توسط محققان Alphabets DeepMind قادر هستند تا به وسیله فنآوری پیشرفته پیش بینی آب و هوا که در دسترس است، انرژی یک مزرعه بادی را از ۳۶ ساعت قبل ، پیش بینی کند.
داده های هیئت بین دولتی تغییرات آب و هوا (IPCC) نشان می دهد از سال ۱۹۷۰ تا ۲۰۰۴، بخش حمل و نقل و تدارکات، گازهای گلخانه ای را تا ۱۲۰ درصد افزایش داده اند. این امکان وجود دارد که شرکت های حمل و نقل پیش بینی دقیق تری انجام دهند تا از خطرات احتمالی جلوگیری کنند. DHL ، ارائه دهنده خدمات لجستیکی جهانی ، نرم افزاری را تولید کرده است که می تواند تا ۵۸ پارامتر را برای تعیین برنامه های بهینه برای هواپیماهای باری تنظیم کند . این باید منجر به پروازهای اندکی شود.
دولت انگلستان از پژوهش های جدید تغییرات آب و هوا حمایت خواهد کرد
جامعه علمی به بزرگترین مجموعه از داده ها دسترسی پیدا کرده است که تا قبل از آن میسر نشده بود. ازاین مجموعه برای هدایت این تحقیق استفاده خواهد شد. ردفرن در یکی از حساب های خود در سایت liwaiwai.com که یک سایت برنامه نویسی است گفته:
این مجموعه داده ها نماینده دگرگونی در راه مطالعه و فهم ما از زمین و محیط زیست است که ما می توانیم مشکل ها را پیدا و ریسک ها را ارزیابی کنیم. با این حال مجموعه داده هایی به این بزرگی چالش های خود را دارد و روش های جدید نیاز دارند تا برای آزاد سازی پتانسیل خود توسعه بیابند . از این اطلاعات استفاده می کنیم تا ما را از فاجعه محیطی دور سازد.
پروژه های تحت پوشش شامل: استفاده از مشاهدات ماهواره ای برای ترسیم چارت توزیع و مسیر نهنگ ها در اقیانوس، استفاده از مجموعه داده های بزرگ برای درک تغییرات تنوع زیستی زیستگاه های جنگلی، استفاده از یادگیری ماشین برای برای درک ریسک زمین لرزه و استفاده از هواپیما های بدون سرنشین برای نطارت بر خطرات محتمل در آتشفشان فعال و …
همچنین بخوانید:
- فناوری تشخیص پلاک خودرو چگونه جامعه را هوشمندتر می کند
- گوگل ساختار سازمانی خود را جهت تمرکز بر هوش مصنوعی اصلاح می کند
- پلاک خوان های شهر گرینزبوروی آمریکا فعلاً قرار نیست افزایش پیدا کنند
- فرماندار اوکلند از پلاک خوان ها حمایت می کند اما مخالفان در اثربخشی آن تردید دارند
- لبنان استفاده از پلاک خوان های خودکار را تایید کرد
