چگونه هوش مصنوعی می تواند در مبارزه با تغییرات آب و هوایی کمک رسانی کند

پیشرفت هوش مصنوعی در سال های اخیر باعث شده است تا این سوال مطرح شود که این فناوری چگونه می تواند به مبارزه با یکی از بزرگترین تهدیداتی که انسان با آن روبروست یعنی تغییرات اقلیمی، کمک کند. گروهی از متفکران شناخته شده در این زمینه، در مقاله ای جدید به دنبال یافتن پاسخی برای این سوال هستند و با مثال های متعددی نشان می دهند که یادگیری ماشین چگونه می تواند مانع از نابودی انسان شود.

موارد پیشنهادی در این موضوع متنوع است، از هوش مصنوعی و پردازش تصویر ماهواره ای برای نظارت بهتر بر جنگل زدایی تا طرح هایی مانند توسعه مصالح جایگزین سیمان و فولاد ( ۹ درصد از نشر گازهای گلخانه ای جهان بر اثر تولید فولاد و سیمان منتشر می شود).

نویسندگان این مقاله ( که شامل دمیس هاسابیس مدیرعامل وبنیانگذار دیپ مایند، یاشوا بنجیو برنده جایزه تورینگ و اندرو انگ نماینده تیم تحقیقاتی گوگل برین) می گویند که هوش مصنوعی می تواند در کاهش و جلوگیری از بدترین آثار تغییرات اقلیمی ارزشمند باشد، در عین حال نمی تواند به تنهایی چاره ساز باشد بلکه توجه سیاستمداران به این مسئله نیز ضروری است.

 به اعتقاد نویسندگان این مقاله (با سرپرستی دیوید رولنیک از دانشگاه پنسیلوانیا) ” این فناوری به تنهایی کافی نیست”

“فناوری های لازم برای کاهش تغییرات اقلیمی سال هاست که وجود دارند اما هنوز در سطح وسیع در جوامع تطبیق نیافته اند. در حالی که امیدواریم یادگیری ماشین برای هزینه های لازم برای اقدامات آب و هوایی مفید باشد، بشریت نیز باید تصمیم به اقدام بگیرم.”

بطور کلی این مقاله به سیزده حوزه‌ای که می توان از یادگیری ماشین در آن ها استفاده کرد اشاره می کند(که به هشت نمونه آن ها در این مقاله اشاره شده است) که بر اساس چارچوب زمانی تاثیرگذاری و و این که آیا لازم برای رسیدن به هدف، این فناوری به اندازه کافی توسعه یافته است یا خیر، دسته بندی شده اند. شما می توانید مقاله کامل را اینجا بخوانید یا لیست ما را در ادامه مطالعه کنید.

۱. ساخت سیستم های بهینه برق 

سیستم های برق سرشار از داده ها هستند اما اقدامات بسیار کمی برای استفاده از این حجم زیاد داده‌ها صورت گرفته است. یادگیری ماشین می تواند از طریق پیش بینی حجم تقاضا و تولید برق به حل این مشکل کمک کند و به تامین کنندگان امکان یکپارچه‌سازی بهتر منابع تجدیدپذیر در شبکه های ملی و در نتیجه کاهش اتلاف را بدهد. آزمایشگاه دیپ مایند گوگل در بریتانیا برای رسیدن به این هدف از هوش مصنوعی برای پیش بینی خروجی انرژی مزارع توربین های بادی استفاده کرده است.

 

۲. نظارت بر جنگل زدایی و آلودگی های کشاورزی

خودرو ها و نیروگاه های برق تنها منبع انتشار گازهای گلخانه‌ای نیستند. بخش زیادی از گازها براثر نابودی درخت‌ها، تراکم های خزه‌ای و انواع دیگر زندگی گیاهی که از طریق فرایند فتوسنتز طی میلیون ها سال وظیفه‌ی جذب کربن را برعهده داشتند، منتشر می شوند. جنگل زدایی و کشاورزی ناپایدار منجر به انتشار کربن در جو می شوند، اما با استفاده از تصاویر ماهواره‌ای و هوش مصنوعی می توان به شناسایی این اقدامات پرداخت و از منابع طبیعی جذب کربن محافظت کرد.

۳. تولید مواد جدید کم کربن

نویسندگان مقاله اشاره می کنند که ۹ درصد از کل گازهای گلخانه‌ای جهان براثر تولید بتن و فولاد منتشر می شوند. یادگیری ماشین با کمک به توسعه جایگزین های کم کربن، منجر به کاهش آلودگی می شود. هوش مصنوعی امکان مدل سازی خواص و واکنش های بی‌سابقه ی ترکیب‌های شیمیایی و در نتیحه کشف مواد جدید را به دانشمندان می دهد.

۴. پیش بینی رویداد های شدید اب و هوایی

بزرگترین پیامد های تغییرات اقلیمی در سال های آینده براثر سیستم های پیچیده مثل تغییرات عمده درپوشش ابری و تغییرات صفحات یخی به وجود می ایند. از هوش مصنوعی می توان برای حل این مشکل نیز استفاده کرد. دانشمندان با مدل سازی تغییرات اقلیمی می توانند رویداد های شدید آب وهوایی مانند خشکسالی و طوفان ها را پیش بینی کنند و توان دولت ‌ها در مقابله با فجایع را افزایش دهند.

۵. بهینه سازی حمل و نقل

بخش حمل و نقل، عامل انتشار یک چهارم از گاز کربن دی اکسید در سراسر جهان است که دوسوم آن توسط مسافران جاده‌ای تولید می شود. از یادگیری ماشین می توان برای کاهش سفر های اضافه استفاده کرد و با انتخاب حمل‌ونقل ریلی، بازدهی وسایل نقلیه را افزایش داد. هوش مصنوعی هم می تواند از طریق توسعه وسایل نقلیه‌ی خودکار و مشترک به کاهش مصرف خودرو ها کمک کند. البته نویسندگان عنوان می کنند که این فناوری هنوز اثبات نشده است.

۶. کاهش مصرف انرژی ساختمان ها

عامل یک چهارم دیگر از نشر کربنی، ساختمان ها هستند. البته نشر کربنی ساختمان ها یکی از آسان‌ترین و قابل‌حل ترین مشکلات اقلیمی است. ساختمان ها بادوام هستند و به ندرت نیاز به به‌روزرسانی با نوآوری های جدید را دارند. اضافه کردن تنها چند حسگر هوشمند برای نظارت بر دمای هوا، دمای آب و مصرف انرژی می تواند مصرف انرژی یک ساختمان را تا بیست درصد کاهش دهد و پروژه های نظارتی در مقیاس انبوه شهری هم می تواند نتیجه بهتری را به ارمغان آورد.

۷. مهندسی زمین  و افزایش بازتاب

این مطالعه موردی احتمالا یکی از پرمخاطره ترین راه حل های مشکل اقلیمی است؛ اما دانشمندان به آن آمیدوار هستند. اگر بتوان روشی پیدا کرد که میزان بازتاب ابرها را افزایش داد و یا با استفاده از اورسل ( گازهای پخ شونده در هوا) به تولید ابرهای مصنوعی پرداخت، بخش زیادی از نور خورشید منعکس شده و به داخل اتمسفر باز می گردد. البته این طرح ریسک های زیادی هم به همراه دارد و باید به مدل سازی عوارض جانبی آن هم پرداخت. هوش مصنوعی در این زمینه هم می تواند به کمک دانشمندان بیاید. البته دانشمندان به چالش های نظارتی هم اشاره کرده اند.

۸. ارائه ی ابزار به افراد برای کاهش اثر کربنی آن ها

به عقیده نویسندگان این مقاله، معمولا این سوء‌برداشت وجود دارد که افراد نمی توانند نقش قابل توجهی در تغییرات اقلیمی داشته باشند، اما مردم هم باید از روش های پیشگیری آگاه شوند. یادگیری ماشین می تواند با محاسبه‌ی اثر کربنی هر فرد، راه‌حل‌های کوچکی را برسر راه آن ها بگذارد. برای مثال می توان به استفاده از وسایل نقلیه عمومی، خرید گوشت کمتر یا کاهش مصرف برق خانگی اشاره کرد. اقدامات فردی می توانند تاثیر جمعی بالایی داشته باشند و به شکل قابل توجهی به حل مشکل تغییرات اقلیمی کمک کند.

بیشتر بخوانید :

• هوش مصنوعی مولد تهدیدات جدیدی برای امنیت سایبری ایجاد می کند
• 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

منبع THE VERGE