Βασικά Takeaways
- Τα μοντέλα AI μπορούν να βοηθήσουν στην πρόβλεψη της κλιματικής αλλαγής, λένε οι ειδικοί.
- Ένα νέο εργαλείο τεχνητής νοημοσύνης που ονομάζεται IceNet θα μπορούσε να επιτρέψει στους επιστήμονες να προβλέπουν με ακρίβεια το βάθος του θαλάσσιου πάγου της Αρκτικής.
-
Η τεχνητή νοημοσύνη και οι καιρικές αναλύσεις μπορούν επίσης να βοηθήσουν στην καταπολέμηση της κλιματικής αλλαγής μειώνοντας τις εκπομπές στην αλυσίδα εφοδιασμού.
Καθώς πληθαίνουν τα στοιχεία ότι τα ακραία καιρικά φαινόμενα αυτό το καλοκαίρι οφείλονται στην κλιματική αλλαγή, η τεχνητή νοημοσύνη βοηθά στην πρόβλεψη που θα μετατοπιστούν οι συνθήκες.
Ένα νέο εργαλείο τεχνητής νοημοσύνης θα μπορούσε να επιτρέψει στους επιστήμονες να προβλέπουν με μεγαλύτερη ακρίβεια τους μήνες πάγου της Αρκτικής θάλασσας στο μέλλον. Το IceNet είναι σχεδόν 95% ακριβές στην πρόβλεψη εάν ο θαλάσσιος πάγος θα είναι παρών δύο μήνες πριν, λένε οι ερευνητές. Αποτελεί μία από τις αυξανόμενες χρήσεις της τεχνητής νοημοσύνης στην πρόβλεψη της κλιματικής αλλαγής.
"Το AI έχει βελτιώσει σημαντικά την αποτελεσματικότητα της εκτέλεσης πολύπλοκων κλιματικών μοντέλων που ιστορικά ήταν υπολογιστικά εντατικά", είπε ο Daniel Intolubbe-Chmil, αναλυτής στο Harbour Research,, σε μια συνέντευξη στο Lifewire.
Χωρίς πάγο, πάγο, μωρό
Το IceNet εργάζεται για την τρομερή πρόκληση να κάνει ακριβείς προβλέψεις για τον πάγο της Αρκτικής για την επόμενη σεζόν. Οι ερευνητές περιέγραψαν πώς λειτουργεί το IceNet σε μια πρόσφατη εργασία που δημοσιεύτηκε στο περιοδικό Nature Communications.
"Οι θερμοκρασίες του αέρα κοντά στην επιφάνεια στην Αρκτική έχουν αυξηθεί κατά δύο έως τρεις φορές τον ρυθμό του παγκόσμιου μέσου όρου, ένα φαινόμενο γνωστό ως ενίσχυση της Αρκτικής, που προκαλείται από πολλές θετικές ανατροφοδοτήσεις", γράφουν οι ερευνητές στην εφημερίδα. «Η άνοδος της θερμοκρασίας έπαιξε βασικό ρόλο στη μείωση του θαλάσσιου πάγου της Αρκτικής, με την έκταση του θαλάσσιου πάγου του Σεπτεμβρίου να είναι περίπου η μισή από εκείνη του 1979 όταν ξεκίνησαν οι δορυφορικές μετρήσεις της Αρκτικής."
Ο θαλάσσιος πάγος είναι δύσκολο να προβλεφθεί λόγω της πολύπλοκης σχέσης του με την ατμόσφαιρα πάνω και τον ωκεανό κάτω, σύμφωνα με τους συγγραφείς της εφημερίδας. Σε αντίθεση με τα συμβατικά συστήματα πρόβλεψης που προσπαθούν να μοντελοποιήσουν απευθείας τους νόμους της φυσικής, οι ερευνητές σχεδίασαν το IceNet με βάση μια έννοια που ονομάζεται βαθιά μάθηση. Μέσω αυτής της προσέγγισης, το μοντέλο "μαθαίνει" πώς αλλάζει ο θαλάσσιος πάγος από δεδομένα προσομοίωσης κλίματος χιλιάδων ετών, μαζί με δεδομένα παρατήρησης δεκαετιών, για να προβλέψει την έκταση των μηνών πάγου της Αρκτικής στο μέλλον.
"Η Αρκτική είναι μια περιοχή στην πρώτη γραμμή της κλιματικής αλλαγής και έχει σημειωθεί σημαντική αύξηση της θερμοκρασίας τα τελευταία 40 χρόνια", δήλωσε ο επικεφαλής συγγραφέας της εφημερίδας, Tom Andersson, επιστήμονας δεδομένων στο BAS AI Lab, σε μια είδηση. ελευθέρωση. "Το IceNet έχει τη δυνατότητα να καλύψει ένα επείγον κενό στην πρόβλεψη του θαλάσσιου πάγου για τις προσπάθειες βιωσιμότητας της Αρκτικής και τρέχει χιλιάδες φορές πιο γρήγορα από τις παραδοσιακές μεθόδους."
AI δίνει ένα ευρύ δίκτυο
Άλλοι προσομοιωτές τεχνητής νοημοσύνης παρακολουθούν επίσης την κλιματική αλλαγή. Οι ερευνητές έχουν αξιοποιήσει την τεχνική Deep Emulator Network Search, για παράδειγμα, για να βελτιώσουν μια προσομοίωση γύρω από τον τρόπο με τον οποίο η αιθάλη και τα αερολύματα αντανακλούν και απορροφούν το ηλιακό φως. Η έρευνα διαπίστωσε ότι ο εξομοιωτής ήταν 2 δισεκατομμύρια φορές πιο γρήγορος και περισσότερο από 99,999% πανομοιότυπος με τη φυσική του προσομοίωση.
Η Η τεχνητή νοημοσύνη και οι καιρικές αναλύσεις μπορούν επίσης να βοηθήσουν στην καταπολέμηση της κλιματικής αλλαγής μειώνοντας τις εκπομπές στην αλυσίδα εφοδιασμού, δήλωσε στο Lifewire ο Renny Vandewege, αντιπρόεδρος της εταιρείας πρόγνωσης καιρού DTN, σε μια συνέντευξη μέσω email.
Για παράδειγμα, στη ναυτιλία, η βελτιστοποιημένη για τις καιρικές συνθήκες δρομολόγηση μπορεί να μειώσει τις εκπομπές έως και 4% και να μειώσει την κατανάλωση καυσίμου έως και 10%, και η δρομολόγηση των καιρικών συνθηκών στην αεροπορική βιομηχανία μπορεί να αποτρέψει την περιττή αλλαγή δρομολόγησης για την αποφυγή κακοκαιρίας, ή κυκλώνοντας ένα αεροδρόμιο που περιμένει να προσγειωθεί», είπε.
Η ακριβής πρόβλεψη για τα οδικά δίκτυα μπορεί να μειώσει την περιττή επεξεργασία των χειμερινών δρόμων, μειώνοντας τον αριθμό των επιβλαβών χημικών ουσιών, είπε ο Vandenwege.
"Αντί να περιθάλψουν ένα ολόκληρο οδόστρωμα, τα συνεργεία συντήρησης δρόμων μπορούν να επιλέξουν να θεραπεύσουν επιλεγμένες τοποθεσίες κατά μήκος ενός δρόμου όπου υπάρχουν τμήματα δρόμων σε ψυχρά σημεία ή μπορεί να αποφασίσουν εάν η θεραπεία είναι καθόλου απαραίτητη", πρόσθεσε.
Μοντέλα μηχανικής μάθησης και τεχνητής νοημοσύνης χρησιμοποιούνται όλο και περισσότερο για να βοηθήσουν στην κατανόηση των εκπομπών CO2 και Μεθανίου, είπε στο Lifewire ο Marty Bell, επικεφαλής επιστημονικός υπεύθυνος στην εταιρεία πρόβλεψης καιρού WeatherFlow.
"Τα μοντέλα αυξάνουν επίσης την ανθεκτικότητά μας στην κλιματική αλλαγή, βοηθώντας μας να τροποποιήσουμε την προσέγγισή μας στην παραγωγή και τη χρήση ενέργειας", είπε ο Bell. "Ενώ πολλές από αυτές τις εφαρμογές τεχνητής νοημοσύνης λειτουργούν σε μεγάλη κλίμακα σε συστήματα διανομής ενέργειας κοινής ωφέλειας, άλλες λειτουργούν σε επίπεδο νοικοκυριού όπου η ML ενημερώνει μοντέλα τεχνητής νοημοσύνης που είναι ενσωματωμένα σε καθημερινές συσκευές διαδικτύου των πραγμάτων που διαχειρίζονται πιο αποτελεσματικά τη χρήση ενέργειας στο σπίτι."
