Yapay Zeka İklim Değişikliği ile Nasıl Mücadele Edecek?

TVC-mall WW

Yapay zeka araştırmalarındaki en büyük isimlerden bazıları, makine öğreniminin gezegenimizi ve insanlığı tehlikelerden nasıl kurtarmaya yardımcı olabileceğini gösteren bir yol haritası hazırladı.

Rapor, elektrik sistemlerinden çiftliklere, ormanlara ve iklim tahminine kadar on üç farklı alanda olası makine öğrenimi müdahalelerini değerlendirdi.

Bilgisayar görme, doğal dil işleme ve pekiştirme öğrenimi dahil olmak üzere çeşitli alt disiplinlerin makine öğrenimine katkısı tüm alanlarda tanımlanmıştır.

Rapordaki öneriler üç kategoride ayrılmış: bu tür müdahalelerin özellikle büyük bir etkiye sahip olabileceği makine öğrenimi için uygun problemler için.yüksek etkili“; 2040 yılına kadar geri döndürülemez çözümler için”uzun vadeli“Ve daha az kesin sonuçlara sahip olanlar için, çünkü teknoloji olgun değil veya sonuçları değerlendirmek için yeterli olduğu biliniyor.”yüksek risk“.

Raporun derlenmesi Pennsylvania Üniversitesi’nden David Rolnick; Google Brain’in kurucusu ve önde gelen AI girişimcisi ve eğitimcisi Andrew Ng, Microsoft Research genel müdürü Jennifer Chayes ve son zamanlarda sahaya yaptığı katkılardan dolayı Turing Ödülü’nü kazanan Yoshua Bengio’nun kurucusu ve CEO’su Demis Hassabis. Hazırlığa öncülük ettiler.

Araştırmacılar, makine öğreniminin katkıda bulunabileceği bazı önemli alanların kapsamlı bir listesini sağladılar.

Raporda “yüksek etkiliÖnerilerinden sadece 10 tanesi aşağıdaki gibidir:

1. Ne kadar elektriğe ihtiyacımız olduğuna dair tahminler geliştirmek

Daha yenilenebilir enerji kaynaklarına güvenecek olursak, kamu hizmetlerinin gerçek zamanlı ve uzun vadede ne kadar enerjiye ihtiyaç olduğunu tahmin etmek için daha iyi yollara ihtiyacı olacaktır.

Enerji talebini tahmin edebilen algoritmalar zaten mevcuttur, ancak daha iyi yerel hava ve iklim kalıpları veya hane halkı davranışları dikkate alınarak geliştirilebilirler.

Algoritmaları daha açık hale getirme çabaları, şebeke operatörlerinin çıktılarını yorumlamalarına ve yenilenebilir kaynakları çevrimiçi duruma getirme zamanlamasını kullanmalarına yardımcı olabilir.

2. Yeni materyalleri keşfedin

Bilim adamlarının enerjiyi daha verimli bir şekilde depolayan, toplayan ve kullanan malzemeler geliştirmeleri gerekir, ancak yeni malzemeleri keşfetme süreci genellikle yavaş ve belirsizdir.

Makine öğrenimi, istenen özelliklere sahip yeni kimyasal yapılar bularak, tasarlayarak ve değerlendirerek işleri hızlandırabilir.

3. Yükün nasıl yönlendirileceğini optimize edin

Dünyaya mal sevkiyatı, farklı sevkıyat boyutları, farklı ulaşım şekilleri ve değişen kaynak ve hedef ağları içeren karmaşık ve genellikle verimsiz bir süreçtir.

Makine öğrenimi, mümkün olduğunca çok sayıda gönderi toplamanın ve toplam seyahat sayısını en aza indirmenin yollarını bulmanıza yardımcı olabilir. Böyle bir sistem ayrıca nakliye hatalarına karşı dayanıklı olacaktır.

4. elektrikli araç kabul ve kullanımı

Taşımacılıkta karbon giderimi için kilit bir strateji olan elektrikli araçlar, makine öğreniminin yardımcı olabileceği çeşitli kabul zorluklarıyla karşı karşıyadır.

Algoritmalar, örneğin her bir şarjın kilometresini arttırmak ve “menzil kaygısını” azaltmak için pil enerji yönetimini geliştirebilir. Ayrıca ağ operatörlerinin yüklerini karşılamasına ve yönetmesine yardımcı olmak için toplam şarj davranışını modelleyebilir ve tahmin edebilirler.

5. Binaların daha verimli olmasına yardımcı olun

Akıllı kontrol sistemleri; İç mekan ısıtma, soğutma, havalandırma ve aydınlatma ihtiyaçlarını ayarlamak için hava tahminlerini, bina doluluk oranlarını ve diğer çevresel koşulları dikkate alarak binanın enerji tüketimini önemli ölçüde azaltabilir.

Akıllı bir bina, herhangi bir zamanda düşük karbonlu elektrik kaynağı sıkıntısı varsa ne kadar güç kullandığını azaltmak için doğrudan şebekeyle iletişim kurabilir.

6. Ne kadar enerji tükettiğinize dair daha iyi tahminler oluşturun

Dünyanın birçok bölgesinde, etkili azaltma stratejilerinin tasarlanması ve uygulanmasında büyük bir engel olan enerji tüketimi ve sera gazı emisyonları hakkında veri bulunmamaktadır.

Bilgisayarlı görme teknikleri, uydu görüntüleri ve şehir düzeyinde enerji tüketimini tahmin edebilen makine öğrenme algoritmalarından bina izlerini ve özelliklerini çıkarabilir. Aynı teknikler, verimliliklerini en üst düzeye çıkarmak için hangi binaların güçlendirilmesi gerektiğini de belirleyebilir.

7. Tedarik zincirlerini optimize edin

Makine öğreniminin yanı sıra taşıma rotalarını da optimize edebilir; Ayrıca gıda, moda ve tüketim malları endüstrisinin tedarik zincirlerindeki verimsizlikleri ve karbon emisyonlarını en aza indirebilir. Arz ve talebin daha iyi tahmin edilmesi üretim ve nakliye atıklarını önemli ölçüde azaltabilir, düşük karbonlu ürünler için hedeflenen öneriler daha çevre dostu tüketimi teşvik edebilir.

8. Tarımı etkinleştirin

Günümüz tarımının çoğuna büyük bir toprak parçası üzerinde tek bir mahsul üretme uygulaması olan monokültür hakimdir. Bu yaklaşım, çiftçilerin tarlalarını traktörler ve diğer temel otomatik araçlar ile yönetmelerini kolaylaştırır, aynı zamanda besin toprağı çıkarır ve verimi azaltır. Sonuç olarak, birçok çiftçi azot okside dönüşebilen azot bazlı gübrelere güveniyor, bu da karbon dioksitten 300 kat daha güçlü bir sera gazı.

Makine öğrenimi yazılımında çalışan robotlar, çiftçilerin alanlarını daha etkili bir şekilde yönetmelerine yardımcı olurken, algoritmalar, çiftçilerin sağlıklarını yenilediklerinde ve gübre ihtiyacını azalttıklarında hangi ürünlerin ekileceğini tahmin etmelerine yardımcı olabilir.

9. Ormansızlaşma izlemenin iyileştirilmesi

Ormansızlaşma, küresel sera gazı emisyonlarının yaklaşık% 10’una neden olmakla birlikte, bunun izlenmesi ve önlenmesi, genellikle sahada gerçekleşen sıkıcı manuel bir süreçtir.

Uydu görüntüleri ve bilgisayarla görme, ağaç örtüsünün kaybını çok daha büyük bir ölçekte otomatik olarak analiz edebilir ve testere seslerini tespit etme algoritmalarıyla birlikte, zemin sensörleri yerel kolluk kuvvetlerinin yasadışı faaliyetleri durdurmasına yardımcı olabilir.

10. Tüketicileri alışveriş yapma biçimlerini değiştirmeye teşvik edin

Reklamverenlerin tüketicileri hedeflemek için başarıyla kullandığı teknikler, daha çevreci davranmamıza yardımcı olmak için kullanılabilir. Örneğin; tüketiciler, enerji tasarrufu programlarına katılımlarını teşvik etmek için reklamlar yoluyla bilinçlendirilebilir.

Kaynak: https://www.technologyreview.com/s/613838/ai-climate-change-machine-learning/

Bir Önceki Yazımız Olan Patent Kimdir Yapay Zeka Bir Mucit Olabilir mi Başlıklı Makalemizde Hakkında Bilgiler Verilmektedir.

Bu Haberi Sosyal Ağlarda Paylaşın!

İlgili Mesajlar

Leave a Comment