Mesterséges intelligenciával a klímaváltozás ellen

Mesterséges intelligenciával a klímaváltozás ellen

Mesterséges intelligenciával és gépi tanulással a klímaváltozás ellen

energia

2 perc

Az Artificial Intelligence (AI) és a Machine Learning (ML) az erdőirtás monitorozásától kezdve az alacsony szén-dioxid-kibocsátású anyagok tervezéséig számtalan területen hasznosítható. Egy új tanulmány szerzői részletesen foglalkoznak azzal, hogy miként is segíthet megelőzni vagy mérsékelni a gépi tanulás az emberi pusztítást.

A javasolt ötletek igencsak változatosak. A mesterséges intelligencia és a műholdképek révén jobban nyomon lehet követni például az erdőirtásokat, de akár olyan új anyagokat is ki lehetne fejleszteni, amelyek helyettesíthetnék az acélt és a cementet. Ezek előállítása a globális üvegházhatást okozó gázok kibocsátásának 9%-át teszi ki.

A gépi „látás” segítségével figyelemmel kísérhetők a környezeti változások, a megfelelő adatelemzés pedig abban is segíthetne, hogy a nagy szennyezőnek számító nehéziparban hatékonyabb eljárásmódokat dolgozzanak ki.

Az AI használható komplex rendszerek modellezésére is, mint például a Föld saját éghajlata, így az emberiség jobban felkészülhetne a jövőbeni változásokra. A tanulmány szerzői úgy vélik, a gépi intelligencia „felbecsülhetetlen” szerepet tölthet be az éghajlatváltozás negatív hatásainak enyhítésében és megelőzésében, ehhez viszont a döntéshozó szerveknek is cselekedniük kell(ene).

„A technológia önmagában természetesen nem elég. Az éghajlatváltozást mérséklő megoldások évek óta rendelkezésre állnak, de a társadalom és a döntéshozók jelentős része még mindig nem alkalmazza azokat” – hívják fel a figyelmet a szerzők. „Bízunk benne, hogy a gépi tanulás (ML) hasznos lesz a klímaváltozással kapcsolatos költségek csökkentésében is, de ehhez az emberiségnek is a cselekednie kell” – áll az írásban.

A disszertációban 13 konkrét területet neveznek meg, íme néhány fontos megállapítás:

Villamosenergia-rendszerek: az ML elősegítheti a villamosenergia-termelés és a -kereslet előrejelzését, és az algoritmusok lehetővé tehetik a beszállítók számára, hogy jobban integrálhassák a megújuló erőforrásokat a nemzeti hálózatokba.

Az erdőirtás nyomon követése: nem szabad elfeledkezni arról sem, hogy az üvegházhatást okozó gázokat nem csak a gépek és erőművek bocsátják ki. A trópusi esőerdők égetése például nemcsak az adott területen vezet ökológiai katasztrófához, hanem a felszabaduló szén-dioxid nagyban hozzájárul a globális felmelegedéshez is.

Új anyagok felfedezése: a mesterséges intelligencia felgyorsíthatja a kutatók munkáját, lehetővé téve számukra, hogy rövid idő alatt sokféleképpen modellezzék a soha nem látott kémiai vegyületek tulajdonságait és kölcsönhatásait.

Viharjelzések és riasztások: a technológia segítségével még pontosabban előre lehetne jelezni az egyre gyakrabban előforduló szélsőséges időjárási eseményeket – például az aszályokat vagy a hurrikánokat –, így a kormányzatok és hatóságok még időben felkészülhetnének az ezek elleni védekezésre.

Hatékonyabb szállítmányozás: a megfelelő modellezéssel a „felesleges körök” számát is lehetne csökkenteni, ami a járművek általi szén-dioxid kibocsátását is mérsékelné. Az önvezető járművek is előrelépést hozhatnak, bár a szerzők szerint a sofőr nélküli fejlesztésekkel és jogi vetületükkel kapcsolatban még sok a kérdőjel.

Kevésbé energiapazarló épületek: szenzorok telepítésével ma már szinte minden monitorozható, legyen az a hűtés-fűtés energiafelhasználása, a levegő hőmérséklete, az áramfogyasztás, az épületben tartózkodók száma. A nagy mennyiségű adatgyűjtéssel és számítógépes elemzéssel az üzemeltetés és energiafogyasztás területén is jelentős hatékonyságot lehet elérni. A gépi tanulás megfelelő hasznosításával a szénlábnyom is kisebb lehet mind globális, mind egyéni vagy céges szinten.