تغییرات اقلیمی
کاربردهای هوش مصنوعی

هوش مصنوعی چگونه می‌تواند با تغییرات اقلیمی مقابله کند؟

0
زمان مطالعه: ۴ دقیقه

ممکن است به زودی از راه‌حل‌های یادگیری ماشین برای حل بزرگ‌ترین چالش موجود در سیاره زمین استفاده شود. در مقاله پیش رو به ذکر چند مورد از فواید یادگیری ماشین برای مقابله با تغییرات اقلیمی می‌پردازیم.

تغییرات اقلیمی بزرگ‌ترین چالش پیش روی کره زمین است. ما باید برای رفع این مشکل از هر راه‌حلی که ممکن باشد از جمله فناوری مانند هوش مصنوعی استفاده کنیم. به‌تازگی برخی از مشهورترین دانشمندان هوش مصنوعی و یادگیری ماشین مقاله‌ای را با عنوان “مقابله با تغییرات آب و هوایی با یادگیری ماشین” منتشر کرده‌اند.

این مقاله در یک کارگاه آموزشی طی کنفرانس بزرگ هوش مصنوعی در ماه ژوئن موردبحث قرار گرفت. دیوید رولنیک، دانشجوی فوق دکترا دانشگاه پنسیلوانیا و یکی از نویسندگان این مقاله می‌گوید این کارگاه، فراخوانی برای گردهم آمدن محققان این حوزه بود. رولنیک می‎افزاید شگفت‌انگیز است که یادگیری ماشین به‌طور معناداری می‌تواند در حل بسیاری از مشکلات نقش داشته باشد.

این مقاله به ۱۳ حوزه مختلف که یادگیری ماشین می‌تواند در آن‌ها فعالیت کند از جمله تولید انرژی، حذف کربن دی‌اکسید، آموزش، مهندسی انرژی خورشیدی و امور مالی می‌پردازد. در این حوزه‌ها پتانسیل زیادی درزمینهٔ ساختمان‌های سبز، ایجاد مواد جدید با کربن کمتر، نظارت بهتر بر جنگل‌زدایی و حمل‌ونقل سبزتر وجود دارد. با این‌وجود، علیرغم این پتانسیل‌ها، رولنیک خاطرنشان می‌کند که ما در اول راه هستیم و هوش مصنوعی قرار نیست به این زودی‌ها همه‌چیز را حل کند. اگرچه ممکن است هوش مصنوعی یک راه‌حل کامل برای مشکلات ما نباشد، اما به ما بینش جدیدی در مواجه با مسائل می‌دهد. در اینجا سه روش یادگیری ماشین برای مقابله با تغییرات آب‌وهوا معرفی‌ شده‌اند

پیش‌بینی دقیق‌تر آب‌وهوا

امروزه می‌توان بر اساس پیشرفت‌هایی که توسط رشته انفورماتیک آب‌وهوا انجام‌شده است پیش‌بینی‌های دقیق‌تری انجام داد. این رشته که در سال ۲۰۱۱ ایجاد شد حوزه تلفیق علوم داده و علوم اقلیم است. این رشته طیف وسیعی از موضوعات را در برمی‌گیرد، ازجمله: بهبود پیش‌بینی وقایع شدید مانند طوفان، دیرینه‌اقلیم‌شناسی Paleoclimatology؛ مانند بازسازی شرایط آب و هوایی گذشته با استفاده از داده‌های جمع‌آوری‌شده از مواردی مانند مغزه یخی ice cores، ریزمقیاس نمایی یا استفاده از مدل‌های بزرگ‌مقیاس large-scale models برای پیش‌بینی آب‌وهوا در سطح محلی و همچنین تأثیرات اقتصادی و اجتماعی آب‌وهوا.

در دهه ۱۹۶۰ اولین سیستم‌های شبیه‌سازی مدل آب‌وهوا در پرینستون ایجاد شد که تاکنون داده‌های عظیم شبیه‌سازی‌شده را با استفاده از مدل‌های آب و هوایی ساخته‌اند. اکنون هوش مصنوعی می‌تواند به ما بینش نوین به این داده‌ها دهد. از دهه ۱۹۶۰ تاکنون ده‌ها مدل به وجود آمده‌اند که همه نشان‌دهنده جو، اقیانوس‌ها، زمین، یخ‌کره یا یخ هستند. حتی با پذیرش  فرضیات پایه علمی، کلر مونتلئونی استاد علوم کامپیوتر در دانشگاه کلرادو و یکی از بنیان‌گذاران انفورماتیک آب‌وهوا اشاره می‌کند که اگرچه این مدل‌ها به‌طورکلی در کوتاه‌مدت موفق هستند، اما اختلافات زمانی بروز می‌کنند که صحبت از پیش‌بینی‌های بلندمدت می‌شود.

لزوم ارتقای مدل‌های تغییرات اقلیمی برای پیش‌بینی بهتر رویداد‌های حدی

مونتلئونی معتقد است عدم اطمینان زیادی وجود دارد. آن‌ها حتی در مورد چگونگی تغییر الگوی بارندگی در آینده توافق ندارند. یک پروژه که مونتلئونی روی آن کار کرده از الگوریتم‌های یادگیری ماشین برای ترکیب پیش‌بینی‌های ۳۰ مدل آب و هوایی استفاده‌شده توسط سازمان ” هیئت بین‌دولتی تغییر اقلیم Intergovernmental Panel on Climate Change” استفاده می‌کند. پیش‌بینی‌های دقیق می‌تواند به مسئولان کمک کند تا سیاست‌های آب و هوایی دقیقی اتخاذ کنند، به دولت‌ها اجازه می‌دهد تا خود را برای تغییر آماده کنند و به‌طور بالقوه حوزه‌هایی را کشف کنند که می‌توانند برخی از تأثیرات تغییرات اقلیمی را معکوس کنند.

نمایش اثر تغییرات اقلیمی شدید

برخی از صاحبان خانه‌ها پیش‌ازاین، اثرات تغییر یک محیط را تجربه کرده‌اند. برای برخی دیگر این امر ملموس نیست. محققان موسسه الگوریتم‌های یادگیری مونترال، مایکروسافت و آزمایشگاه‌های ConsciousAI برای نشان‌ دادن این اثرات به افراد بیشتری، از شبکه مولد تخاصمی استفاده کرده‌اند. این شبکه یک فناوری هوش مصنوعی است که  نشان می‌دهد خانه‌ها با افزایش سطح دریا و طوفان‌های به چه میزان و به چه شکلی مورد تخریب قرار می‌گیرند.

ویکتور اشمیت، دانشجوی دکترا و یکی از نویسندگان این مقاله می‌گوید: هدف ما این نیست که مردم را متقاعد کنیم که تغییرات آب و هوایی واقعی است، بلکه این است آن دسته از افرادی که فکر می‌کنند این موضوع جدی است کار بیشتری در این زمینه انجام دهند.

تاکنون محققان موسسه الگوریتم‌های یادگیری مونترال با مقامات این شهر و سازمان‌های غیردولتی‌ای که مایل به استفاده از این ابزار هستند دیدار کرده‌اند. برنامه‌های آینده آن‌ها شامل انتشار اپلیکیشنی است که به افراد نشان دهد محله‌ها و خانه‌های آن‌ها پس ‌از اینکه در معرض تغییرات اقلیمی متفاوت قرار می‌گیرند به چه شکل در می‌آید. با این‌حال این برنامه به داده‌های بیشتری احتیاج دارد و اشمیت می‌گوید که آن‌ها می‌خواهند به مردم دسترسی دهند تا عکس‌های سیل و آتش‌سوزی جنگل را به‌منظور بهبود الگوریتم بارگذاری کنند. او می‌افزاید ما می‌خواهیم جوامع را توانمند کنیم.

اثر تغییرات اقلیمی شدید

سنجش منشأ تولید کربن

Carbon Tracker یک اندیشکده مالی مستقل است و در راستای هدف سازمان ملل متحد که جلوگیری از احداث نیروگاه‌های جدید زغال‌سنگ است فعالیت می‌کند. Carbon Tracker  می‌تواند با تصاویر ماهواره‌ای بر انتشار گازهای کارخانه زغال‌سنگ نظارت کند و با استفاده از داده‌هایی که جمع‌آوری می‌کند صنعت مالی را متقاعد کند که این کارخانه‌ها سودآوری ندارند.

گوگل، کمک‌هزینه‌ای را اختصاص  داده است تا به مؤسسات غیردولتی کمک کند که فعالیت‌های خود را درزمینه‌ی  تصاویر ماهواره‌ای گسترش دهند. این کار به بررسی آلاینده‌های منتشره از نیروگاه‌های گازسوز و درک بهتر منشأ آلودگی هوا کمک می‌کند.

چگونه کشاورزی با فناوری‌های هوش مصنوعی پایدار می‌شود؟

در حال حاضر سیستم‌های نظارت مداوم در نزدیکی نیروگاه‌ها وجود دارد و می‌توان میزان انتشار کربن دی‌اکسید را به‌طور مستقیم اندازه‌گیری کرد، اما این سیستم‌ها در سطح گسترده‌ای در دسترس نیستند. دوراند دسوزا  دانشمند داده در Carbon Tracker می‌گوید: سرویس ما این مشکل را حل کرده و می‌تواند در سراسر جهان و در مکان‌هایی که تحت نظارت نیستند استفاده شود.

فناوری هوش مصنوعی می‌تواند تجزیه‌وتحلیل تصاویر نیروگاه‌ها را به‌صورت خودکار انجام دهد تا به‌طور منظم در مورد انتشار آلاینده‌ها به‌روز شود. همچنین روش‌های جدیدی برای اندازه‌گیری تأثیر نیروگاه معرفی می‌کند. این کار برای نیروگاه‌های گازسوز مفید است چراکه اندازه‌گیری آن‌ها به‌آسانی نیروگاه‌های زغال‌سنگ نیست. در حال حاضر Carbon Tracker  انتشار آلاینده‌ها در  ۴۰۰۰ تا ۵۰۰۰ نیروگاه را کنترل کرده و همچنین اطلاعات بسیار بیشتری را به دست آورده و آن را در اختیار دیگران قرار داده است. در آینده، اگر مالیات کربن تصویب شود، سنجش‌ازدور Carbon Tracker می‌تواند به تعیین قیمت انتشار و تعیین دقیق مسئولین آن کمک کند. دسوزا معتقد است: یادگیری ماشین در این زمینه بسیار کمک خواهد کرد.

انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید

 

این مطلب چه میزان برای شما مفید بوده است؟
[کل: ۰ میانگین: ۰]

برگزاری اولین همایش ملی هوش مصنوعی و علوم اسلامی

مقاله قبلی

صداوسیما برای جلوگیری از سرقت آرشیو خود از هوش مصنوعی استفاده می‌کند

مقاله بعدی

شما همچنین ممکن است دوست داشته باشید

نظرات

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد.