Wraz z szybkim rozwojem technologii sztucznej inteligencji (AI) w ostatnich latach, wielu zaczęło się zastanawiać, w jaki sposób te technologie mogą pomóc w rozwiązaniu jednego z najpoważniejszych zagrożeń, które już czai się nad ludzkością - globalnych zmian klimatycznych? Nowy artykuł, napisany przez niektórych czołowych ekspertów w dziedzinie rozwoju sztucznej inteligencji i opublikowany w repozytorium internetowym arXiv.org, próbuje odpowiedzieć na to pytanie, podając kilka przykładów, w jaki sposób uczenie maszynowe będzie w stanie zapobiec upadkowi naszej cywilizacji.
Proponowane metody obejmują wykorzystanie sztucznej inteligencji i technologii satelitarnej w celu skuteczniejszego monitorowania wylesiania, a także opracowywanie nowych materiałów, które mogą zastąpić stal i cement (ich produkcja odpowiada nawet za 9% emisji gazów cieplarnianych do atmosfery). Mimo tej różnorodności specjaliści w swoim artykule wielokrotnie powracają do szerszych możliwości wykorzystania takich technologii. Szczególnie na tym tle wyróżniają się możliwości wykorzystania technologii widzenia maszynowego do monitorowania środowiska; przeprowadzanie dużych analiz danych w celu określenia nieefektywności branż o wysokim poziomie emisji szkodliwych substancji do atmosfery; i wykorzystując sztuczną inteligencję do opracowywania nowych, bardziej wydajnych modeli systemów, takich jak nasze modele klimatyczne,dzięki czemu możemy lepiej przewidywać i przygotowywać się na przyszłe zmiany.
Autorzy artykułu, w tym brytyjski badacz sztucznej inteligencji, założyciel i dyrektor generalny DeepMind, Demis Hassabi, laureat nagrody Turinga i jeden z „ojców głębokiego uczenia się” Yoshua Bengio oraz współzałożyciel Google Brain, projektu badawczego Google dotyczącego sztucznej inteligencji Deep Learning - Andrew Ng mówi, że sztuczna inteligencja może być „nieoceniona” w minimalizowaniu najgorszych skutków globalnych zmian klimatycznych, ale dodaje, że ta technologia nie jest „srebrną kulą” - jedynym lekarstwem na wszystkie problemy. Ich zdaniem siły polityczne powinny brać aktywny udział w tej sprawie.
W sumie w artykule omówiono jednocześnie kilka obszarów, w których technologie uczenia maszynowego mogłyby znaleźć zastosowanie, skategoryzowanych według ram czasowych ich potencjalnego wykorzystania, wyjaśnionych tym, czy technologia ta jest wystarczająco rozwinięta. Poniżej możesz zobaczyć tę listę.
Sztuczna inteligencja poprawi efektywność systemów zasilania
Jeśli ludzkość planuje w przyszłości polegać na większej liczbie odnawialnych źródeł energii, przedsiębiorstwa użyteczności publicznej będą potrzebowały sposobów skuteczniejszego przewidywania i obliczania ilości energii, którą będziemy faktycznie potrzebować. Ponadto obliczenia te będą musiały odbywać się w czasie rzeczywistym i przez cały okres funkcjonowania tych przedsiębiorstw.
Film promocyjny:
Opracowano już algorytmy, które mogą przewidywać zapotrzebowanie na energię, ale efektywność tych algorytmów można jeszcze poprawić, wprowadzając do obliczeń takie czynniki, jak cechy klimatyczne poszczególnych regionów, a także specyfika działalności gospodarczej. Próby uczynienia specyfiki tych algorytmów bardziej zrozumiałymi pozwolą także operatorom mediów na dokładniejszą interpretację wyników ich analiz i wykorzystanie ich w planowaniu, wybierając najbardziej optymalny czas na uruchomienie tych odnawialnych źródeł energii.
Sztuczna inteligencja pomoże odkrywać nowe materiały
Naukowcy muszą opracować nowe materiały w celu wydajniejszej produkcji, magazynowania i wykorzystania energii, jednak z reguły proces odkrywania i opracowywania nowych materiałów przebiega bardzo wolno i nie zawsze kończy się sukcesem. Technologie uczenia maszynowego przyspieszą proces znajdowania, opracowywania i ulepszania nowych formuł o pożądanych właściwościach.
Być może doprowadzi to do opracowania np. Nowego rodzaju paliwa, nazwijmy je warunkowo „słonecznym”, które będzie w stanie magazynować energię słoneczną; pozwoli na stworzenie nowego i bardzo wydajnego pochłaniacza dwutlenku węgla lub materiałów budowlanych, których produkcja będzie emitować mniej węgla. Takie materiały mogą pewnego dnia zastąpić stal i beton, których produkcja powoduje emisję prawie 10 procent całkowitej światowej emisji gazów cieplarnianych.
Sztuczna inteligencja pomoże skutecznie zreorganizować system transportowy
Dostawa towarów na całym świecie jest bardzo złożonym i często nieefektywnym procesem logistycznym, w którym ze sobą współdziałają towary o różnej objętości, wadze i rozmiarach oraz wykorzystywane są różne rodzaje transportu. Jednocześnie to transport odpowiada za jedną czwartą wszystkich emisji CO2 do atmosfery.
Wykorzystane w tym obszarze technologie uczenia maszynowego pozwolą efektywniej łączyć towary wymagające dostawy w to samo miejsce, co ograniczy liczbę wymaganych wysyłek. Ponadto taki system będzie bardziej odporny na nieprzewidziane zakłócenia w systemach transportowych i będzie w stanie zarządzać ogromnymi flotami bezzałogowych ciężarówek. Jednak autorzy zauważają, że najnowsza technologia nie jest jeszcze gotowa w tym momencie.
Sztuczne doprowadzą do szybkiej adaptacji pojazdów elektrycznych
Pojazdy elektryczne, które są kluczowym elementem dekarbonizacji pojazdów, borykają się z wieloma problemami, które uniemożliwiają im wejście do głównego nurtu.
Uczenie maszynowe może pomóc w rozwiązaniu tego problemu - twierdzą autorzy raportu. Na przykład algorytmy mogłyby usprawnić zarządzanie zużyciem energii baterii, aby zwiększyć przebieg każdego ładowania i zmniejszyć poziom obaw potencjalnych nabywców takich pojazdów o ograniczenie zasięgu podróży. Ponadto technologie te zoptymalizują czas ładowania.
Sztuczna inteligencja optymalizuje infrastrukturę budynku
Inteligentne systemy sterowania oparte na uczeniu maszynowym mogą znacząco obniżyć poziom zużycia energii przez budynki, biorąc pod uwagę warunki pogodowe, bieżące obłożenie budynku oraz inne czynniki środowiskowe, a następnie odpowiednio dostosować ogrzewanie, chłodzenie, wentylację i oświetlenie w pomieszczeniu.
Inteligentne budynki będą w stanie przekazywać informacje o aktualnym stanie środowiska bezpośrednio do sieci, dzięki czemu można zmniejszyć zużycie energii w przypadku niedoboru niskoemisyjnej energii elektrycznej.
Sztuczna inteligencja będzie w stanie dokładniej obliczyć ilość wykorzystanych zasobów energii
W wielu regionach świata praktycznie brakuje danych o poziomie lokalnego zużycia energii i emisji gazów cieplarnianych do atmosfery, co może stanowić duży problem dla opracowania i wdrożenia skutecznych działań offsetowych.
Wizja maszynowa umożliwi wykorzystanie technologii satelitarnej do oszacowania skupionego miejsca (obszaru), tak aby algorytmy uczenia maszynowego mogły wykorzystać te dane do obliczenia zużycia energii i emisji. Podobne metody można wykorzystać do identyfikacji budynków, które wymagają ulepszeń w celu poprawy ich wydajności.
Sztuczna inteligencja optymalizuje łańcuchy dostaw
Korzystając z podobnych możliwości, technologie uczenia maszynowego będą w stanie zoptymalizować kanały i łańcuchy dostaw poprzez zminimalizowanie śladu węglowego związanego z transportem różnych towarów.
Możliwość skuteczniejszego prognozowania prawa podaży i popytu ograniczy odpady produkcyjne i transportowe.
Dzięki sztucznej inteligencji rolnictwo precyzyjne będzie skalowalne
Większość nowoczesnych gospodarstw rolnych stosuje zasadę uprawy monokultur. Innymi słowy, tylko jedna roślina uprawiana jest na dużym obszarze.
Takie podejście ułatwia rolnikom pracę na polach za pomocą maszyn rolniczych i innych podstawowych samodzielnych narzędzi, ale jednocześnie wyczerpuje glebę, pozbawiając ją składników odżywczych, a tym samym zmniejszając produktywność. W efekcie często stosuje się różne nawozy w celu zwiększenia plonów, w szczególności te oparte na azocie, który można przekształcić w tlenki azotu - gazy cieplarniane 300 razy bardziej niebezpieczne niż dwutlenek węgla. Roboty uczące się maszyn mogą pomóc rolnictwu ocenić aktualny stan gleby i zasugerować, które rośliny zasadzić, aby przywrócić jej zdrowie, jednocześnie zmniejszając zapotrzebowanie na nawozy.
Sztuczna inteligencja pomoże skuteczniej monitorować wylesianie
Wylesianie przyczynia się do około 10 procent całkowitej emisji gazów cieplarnianych. Śledzenie i zapobieganie tej często nielegalnej działalności jest zwykle bardzo czasochłonnym i rutynowym procesem, który wymaga osobistego nadzoru na miejscu.
Z kolei obrazy satelitarne w połączeniu z technologią widzenia maszynowego pozwolą na automatyczną analizę utraty pokrycia leśnego na dużą skalę, a specjalne czujniki instalowane na stanowiskach w połączeniu z algorytmami, które mogą np. Wykrywać odgłosy pił łańcuchowych, mogą pomóc organom ścigania skuteczniej radzić sobie z nielegalne zajęcia.
Sztuczna inteligencja pomoże zmienić nasze postawy konsumenckie
Zdaniem autorów raportu na świecie panuje powszechne błędne przekonanie, że zwykli ludzie nie są w stanie wywrzeć poważnego wpływu na zmiany klimatu.
Dlatego w tej sprawie konieczne jest wyjaśnienie, jak dokładnie ludzie mogą pomóc. Technologie uczenia maszynowego mogą obliczyć ślad węglowy danej osoby (sumę wszystkich emisji gazów cieplarnianych, które wytwarzają w trakcie swoich codziennych czynności) i wprowadzać niewielkie zmiany, które go zmniejszą. Na przykład system może sugerować częstsze korzystanie z transportu publicznego niż transportu osobistego; rzadziej kupuje mięso w sklepie; lub zmniejszyć zużycie energii elektrycznej w domu. Każdy z nas indywidualnie tworzy mały ślad węglowy, ale jeśli weźmiesz je wszystkie na raz, liczby są znacznie większe. Zmiany naszego stosunku do konsumpcji i dodanie wszystkich indywidualnych działań w tym celu może mieć duży efekt kumulacyjny.
Sztuczna inteligencja poprawi efektywność meteorologii i klimatologii
Wiele z najbardziej znaczących skutków zmiany klimatu w nadchodzących dziesięcioleciach będzie związanych z bardzo złożonymi systemami naturalnymi, takimi jak zmieniająca się dynamika chmur czy pokrywy lodowej.
To są właśnie kwestie, w których AI pokłada duże nadzieje. Dokładne modelowanie tych procesów pomoże naukowcom skuteczniej przewidywać ekstremalne warunki pogodowe (takie jak huragany i susze), co z kolei pomoże państwom opracować metody ochrony przed najgorszymi skutkami tych wydarzeń.
Sztuczna inteligencja pomoże w geoinżynierii
Na tym etapie ten przypadek użycia sztucznej inteligencji spośród wszystkich przedstawionych powyżej jest najbardziej spekulatywny, ale wiąże się z nim duże nadzieje, przynajmniej ze strony niektórych naukowców.
Jeśli uda nam się opracować sposoby, aby warstwa chmur na naszej planecie była bardziej odblaskowa, a nawet stworzyć sztuczne chmury oparte na specjalnych aerozolach, będziemy mogli odbijać więcej światła słonecznego z Ziemi. Ale ta kwestia wymaga poważnego zbadania. Sztuczna inteligencja może w tym pomóc, ale autorzy raportu zwracają uwagę, że ta metoda wykorzystania sztucznej inteligencji to bardzo odległa kwestia, która będzie wymagała współpracy wszystkich rządów na świecie. Na przykład eksperci z Canadian University of Waterloo zgadzają się z tym stanowiskiem, którzy uważają, że to nierozsądne podejście do zagadnienia geoinżynierii może zapoczątkować trzecią wojnę światową.