Obraz z NASA's EarthObraz z NASA's Earth

Ponieważ komputery stają się coraz inteligentniejsze, naukowcy szukają nowych sposobów na zaangażowanie ich w ochronę środowiska.

Kiedy myślisz o sztucznej inteligencji, pierwszym obrazem, który prawdopodobnie przychodzi ci do głowy, jest świadome roboty, które chodzą, mówią i reagują jak ludzie. Ale istnieje inny rodzaj sztucznej inteligencji, który staje się powszechny w prawie wszystkich naukach. Nazywa się to uczeniem maszynowym i polega na zaangażowaniu komputerów do zadania sortowania ogromnych ilości danych, które pozwoliła nam wygenerować nowoczesna technologia (inaczej „duże zbiory danych”).

Jednym z miejsc, w których uczenie maszynowe okazuje się najbardziej korzystne, są nauki o środowisku, które wygenerowały ogromne ilości informacji z monitorowania różnych systemów Ziemi — na przykład podziemnych warstw wodonośnych, ocieplenia klimatu czy migracji zwierząt. W tej stosunkowo nowej dziedzinie, zwanej zrównoważonym rozwojem obliczeniowym, pojawiło się mnóstwo projektów, które łączą zebrane dane o środowisku ze zdolnością komputera do odkrywania trendów i przewidywania przyszłości naszej planety. Jest to przydatne dla naukowców i decydentów, ponieważ może im pomóc w opracowaniu planów życia i przetrwania w naszym zmieniającym się świecie. Oto spojrzenie na kilka.

Dla ptaków — i słoni

Uniwersytet Cornell wydaje się być liderem w tej nowej granicy, prawdopodobnie dlatego, że ma Instytut Zrównoważonego Rozwoju Obliczeniowegoy, a także dlatego, że szefowa tego instytutu, Carla P. Gomes, jest jedną z pionierek zrównoważonego rozwoju obliczeniowego. Gomes mówi, że dziedzina ta zaczęła się około 2008 roku, kiedy Narodowa Fundacja Nauki przyznała grant w wysokości 10 milionów dolarów, aby popchnąć informatyków do badań przynoszących korzyści społeczne. Od tego czasu jej zespół — i zespoły naukowców z całego świata — podchwycił ten pomysł i zaczął go realizować.

Jednym z głównych obszarów, w których uczenie maszynowe może pomóc środowisku, jest ochrona gatunków. W szczególności instytut Cornell współpracuje z Cornell Lab of Ornithology, aby połączyć niesamowitą gorliwość obserwatorów ptaków z obserwacjami naukowymi. Opracowali aplikację o nazwie ePtak który pozwala zwykłym obywatelom przesyłać dane o ptakach, które obserwują wokół siebie, na przykład o tym, ile różnych gatunków można znaleźć w danej lokalizacji. Do tej pory, jak mówi Gomes, ponad 300,000 300 ochotników przesłało ponad 22 milionów obserwacji, co odpowiada ponad XNUMX milionom godzin pracy w terenie.


wewnętrzna grafika subskrypcji


Ta animacja corocznej migracji jaskółek drzewnych pokazuje, w jaki sposób można wykorzystać techniki obliczeniowe do przewidywania zmian populacji w czasie i przestrzeni. Zdjęcie autorstwa Daniela Finka, Cornell Lab. Ornitologii

Ta animacja corocznej migracji jaskółek drzewnych pokazuje, w jaki sposób można wykorzystać techniki obliczeniowe do przewidywania zmian populacji w czasie i przestrzeni. Zdjęcie autorstwa Daniela Finka, Cornell Lab. Ornitologii

Łącząc dane zebrane z eBird z własnymi danymi obserwacyjnymi laboratorium i informacjami o rozmieszczeniu gatunków zebranymi z sieci teledetekcji, modele instytutu wykorzystują uczenie maszynowe do przewidywania, gdzie nastąpią zmiany w siedlisku dla niektórych gatunków i ścieżek, po których ptaki będą się poruszać podczas migracja.

„Istnieją duże luki, w których nie mamy obserwacji, ale jeśli porównamy wzorce występowania i nieobecności, zobaczymy, że te ptaki lubią określony rodzaj siedliska, a wtedy możemy uogólnić” – mówi Gomes. „Naprawdę używamy wyrafinowanych modeli – algorytmów uczenia maszynowego – do przewidywania rozmieszczenia ptaków”.

Następnie mogą podzielić się swoimi przewidywaniami z decydentami politycznymi i działaczami na rzecz ochrony przyrody, którzy mogą wykorzystać je do podjęcia decyzji o tym, jak najlepiej chronić siedliska ptaków.

Na przykład Gomes mówi, że w oparciu o informacje zebrane za pośrednictwem eBird i przetworzone przez partnerstwo, The Nature Conservancy utworzyło „odwrotnej aukcji” w dotkniętych suszą częściach Kalifornii, płacąc hodowcom ryżu za zatrzymywanie wody na swoich polach, gdy ptaki prawdopodobnie będą migrować i będą potrzebować siedliska postojowego. „Jest to możliwe tylko dlatego, że dysponujemy zaawansowanymi modelami obliczeniowymi, które dostarczają nam bardzo precyzyjnych informacji o rozmieszczeniu ptaków” — mówi Gomes.

Ptaki to nie jedyny obszar badań. Wiele prac instytutu jest związanych z ochroną dzikiej przyrody – na przykład słuchanie godzin nagrań leśnych w celu mapowania lokalizacji wezwań słoni i strzałów kłusowników lub śledzenie niedźwiedzi grizzly w celu opracowania korytarza, którego mogą używać do bezpiecznego poruszania się po dziczy.

Podkręcanie TEMPA

W NASA Goddard Space Flight Center naukowiec Cecile Rousseaux wykorzystuje uczenie maszynowe, aby lepiej zrozumieć rozmieszczenie fitoplanktonu (znanego również jako mikroalgi) w oceanach. Te mikroskopijne rośliny unoszą się na powierzchni mórz i wytwarzają dużo tlenu, którym oddychamy. Stanowią podstawę oceanicznej sieci troficznej. Zużywają również dwutlenek węgla, a kiedy umierają, niosą ze sobą węgiel, opadając na dno oceanu.

„Gdybyśmy nie mieli fitoplanktonu, zaobserwowalibyśmy większy wzrost dwutlenku węgla niż obecnie”, mówi Rousseaux. Z tego powodu ich ogólny stan jest istotną informacją dla naukowców próbujących zrozumieć wpływ zmian atmosferycznego CO2 na naszej planecie.

{{youtube}eM5lX9RQzZ4{/youtube}

Rousseaux wykorzystuje zdjęcia satelitarne i modelowanie komputerowe do przewidywania obecnych i przyszłych warunków światowego fitoplanktonu oceanicznego. W tej chwili model jest w stanie jedynie oszacować całkowitą liczbę mikroalg żyjących na Ziemi i jak ta suma zmienia się w czasie. Ale ogłoszono nową misję satelitarną PEACE (dla „Pre-Aerosol Clouds and ocean Ecosystem”), którego uruchomienie zaplanowano na 2022 r., otworzy zupełnie nowy zestaw danych, który pozwoli dokładniej przyjrzeć się populacji i będzie w stanie zidentyfikować różne gatunki, a nie tylko patrzeć na całość, co zasadniczo zmienić obecny model.

„Model wykorzystuje parametry oparte na temperaturze, świetle i składnikach odżywczych, aby określić wielkość wzrostu. Jedyną rzeczą, jaką robi symulacja, jest dostosowanie sumy”, mówi. Ale istnieje mnóstwo różnych rodzajów fitoplanktonu, z których wszystkie wchodzą w interakcje ze środowiskiem w wyjątkowy sposób. Na przykład okrzemki są duże, bardzo szybko opadają na dno oceanu i potrzebują dużo składników odżywczych. PACE umożliwi identyfikację typów fitoplanktonu w różnych częściach oceanu, rozszerzając możliwości modelu, aby pomóc nam zrozumieć, w jaki sposób mikroorganizmy wpływają na atmosferyczny CO2. Pozwoli nam to również przewidywać niebezpieczne zakwity glonów i potencjalnie znaleźć sposoby na wykorzystanie talentów gatunków, które zużywają większe ilości węgla, aby przeciwdziałać zmianom klimatycznym.

Kostka Ziemi

Mówiąc o Ziemi jako całości, National Science Foundation wykorzystuje uczenie maszynowe do stworzenia trójwymiarowego żywego modelu całej planety. Cyfrowa reprezentacja, zwana EarthCube, będzie łączyć zestawy danych dostarczone przez naukowców z całego szeregu dyscyplin — na przykład pomiary atmosfery i hydrosfery lub geochemii oceanów — w celu naśladowania warunków panujących na powierzchni, nad i pod nią. Ze względu na ogromne ilości danych, które obejmie sześcian, będzie w stanie modelować różne warunki i przewidywać reakcję systemów planety. Dzięki tym informacjom naukowcy będą w stanie zasugerować sposoby uniknięcia katastrof lub po prostu zaplanować te, których nie da się uniknąć (takie jak powodzie lub zła pogoda), zanim one nastąpią.

Kostka ZiemiEarthCube łączy zestawy danych w celu stworzenia modelu, który można wykorzystać do przewidywania i minimalizowania szkód spowodowanych przez katastrofy.
Zdjęcie autorstwa Jeanne DiLeo/USGS
W ramach projektu EarthCube, US Geological Survey współpracuje nad projektem National Science Framework w celu wyprodukowania Cyfrowa skorupa, ramy, które umożliwią dokładniejsze i solidniejsze zrozumienie procesów zachodzących pod powierzchnią Ziemi, takich jak równowaga wód gruntowych i stan systemów warstw wodonośnych. „Będziemy w stanie przeprowadzać obliczenia naukowe, które pokazują poziom wód gruntowych w czasie, i możemy to porównać z przyszłymi scenariuszami”, mówi Sky Bristol, szef oddziału charakterystyki biogeograficznej w USGS i kierownik zespołu USGS w projekcie EarthCube Digital Crust .

Bristol mówi, że uczenie maszynowe ma również zastosowanie, gdy dwa modele z różnych części sześcianu (takich jak skorupa i atmosfera) muszą ze sobą oddziaływać. Na przykład, jak to wygląda, gdy następuje wzrost wydobycia wód gruntowych, a jednocześnie wzrost ocieplenia klimatu?

Digital Crust ma zostać ukończony tego lata. Digital Crust i wszystkie projekty EarthCube udostępniają swoje dane i oprogramowanie typu open source. Tak więc w ciągu kilku lat każdy będzie mógł wykorzystać uczenie maszynowe do przewidywania wszystkich możliwości przyszłej Ziemi. A to oznacza, że ​​geologowie, którzy pracują nad zrozumieniem różnych systemów Ziemi i tego, w jaki sposób zmiany w nich wpłyną na ludzkość, będą mieli nowe narzędzie, które pozwoli im dzielić się danymi z całego świata – nadając ich przewidywaniom większy wpływ i dając ludziom szansę działać, a nie reagować na zmieniający się świat.

Te przykłady to tylko niewielka część dużego obrazu tego, jak zrównoważony rozwój obliczeniowy może zmienić — i zmienia się — naszą zdolność do uczynienia ludzkiego życia na Ziemi bardziej zrównoważonym. W samym Cornell inne projekty wykorzystujące tę technologię obejmują mapowanie obszarów ubóstwa i skuteczność ograniczania ubóstwa w krajach rozwiniętych, określanie wpływu polityki połowów na rybołówstwo oceaniczne, odkrywanie nowych materiałów, które można wykorzystać do wychwytywania energii słonecznej, określanie wpływu statki uderzają w populacje wielorybów, a nawet rzucają światło na skuteczność i konsekwencje podwyższenia podatków od benzyny w USA. Jeśli obecne trendy są jakąś wskazówką, możemy spodziewać się, że w nadchodzących latach usłyszymy dużo więcej o tym, jak sztuczna inteligencja pomaga nam tworzyć świat lepsze miejsce do życia na dłużej.

Artykuł pierwotnie pojawił się na Ensia Wyświetl stronę główną Ensia

O autorze

Biba ErinErin Biba jest niezależną dziennikarką naukową z Nowego Jorku. Jej prace regularnie pojawiają się m.in Newsweek, „Scientific American”. i Pogromcy mitów Tested.pl.

Powiązana książka

at