Изкуственият интелект може да помогне в борбата с климатичните промени

Списъкът с проблемите, които AI може да разреши, е дълъг

10:01 | 7 август 2021
Автор: Александра Попова
Снимка: Bloomberg L.P.
Снимка: Bloomberg L.P.

Технологичните решения, които могат да бъдат използвани за изменението на климата, могат да се разделят в две категории. От една страна това са вертикалните решения, които се справят със замърсяването в даден сектор. Нисковъглеродни торове например помагат за намаляване на емисиите в селското стопанство. От друга страна са хоризонталните решения, които разглеждат проблеми в много различни индустрии. Един пример за това са литиево-йонните батерии, които се използват в електрическите коли, но също така по-добре интегрират възобновяемите енергийни източници в електрическия микс, пише Bloomberg.

Изкуственият интелект е пример за една такава хоризонтална технология, която има голям потенциал да помогне за намаляването на вредните емисии. Списъкът с проблемите, които AI може да разреши, е дълъг и броят на стартиращите компании, използващи изкуствен интелект за адресиране на някои от тези проблеми, е още по-дълъг.

Какво представлява изкуственият интелект?

"Това е много широк термин, който в основата си обхваща всеки изчислителен алгоритъм, който може да изпълни някаква сложна задача “, казва Прия Донти от университета Карнеги Мелън.

„Обикновено това са задачи, които хората могат да изпълняват като зрение, реч, разсъждения“.

Все още съществува философски дебат сред изследователите дали целта на изкуствения интелект е да изпълнява задачите като човек или пък да го надмине.

Машинното обучение е вид приложение на AI, което е съсредоточено върху събирането на информация от големи масиви от данни и правенето на заключения и прогнози. Вероятно човек би могъл да се справи и сам, казва Донти, но машинното обучение помага да се ускори процеса.

Как изкуственият интелект може да помогне за намаляване на емисиите?

Има пет основни начина, където може да се използва изкуствен интелект в борбата с климатичните промени. 

  • Обработка на данни за проучвания. Един такъв пример е компанията за анализ на данни Kayrros, която използва сателитни изображения и машинно обучение, за да открие изтичането на метан.

Мощни метанови облаци бяха открити в ключов въгледобивен район в Австралия. Страната е един от най-големите износители на метан в света. Облаци от невидимия парников газ, който е над 80 пъти по-вреден от въглеродния диоксид за затоплянето на земята, бяха забелязани близо до множество мини миналия месец, показва анализ на сателитни данни на Европейската космическа агенция от геоаналитичната компания Kayrros SAS. Изтичането на метан в атмосферата е подложено на все по-големи критики, тъй като в последно време се увеличава осведомеността за техните вредни последици за околната среда. 

  • Оптимизиране на сложни системи. Компанията Fero Labs, базирана в САЩ и Германия, използва машинно обучение за подобряване на енергийната ефективност в циментовите, стоманените и химическите компании. Компанията WeaveGrid помага на операторите на електрически мрежи да интегрират по-добре зареждането на електрически превозни средства.

Fero предлага решения за машинно обучение, предназначени за промишлеността. Те се управляват чрез метода KPI. WeaveGrid обединява данни от електрически превозни средства и комунални услуги. Стартъпът събра 15 милиона долара от инвеститори, включително и от Breakthrough Energy Ventures, фонд за климатични технологии, ръководен от Бил Гейтс и Coatue Management LLC. Базираната в Калифорния компания е основана от бившия служител на Tesla Inc. Джон Тагарт и Апоорв Бхаргава, които са работили за американската компания за комунални услуги Opower Inc.

  • Ускоряване на научните открития. Стартъп компанията Aionics помага да се ускорят експериментите, необходими за намиране на нов материал за батериите.

Aionics Inc. е основана през 2018 г. от д -р Остин Сендек, с цел да накара все повече компании прилагат авангардни AI подходи за ускоряване на вътрешноизследователската и развойната дейност. Днес компанията се ангажира с предоставянето на инструменти, данни и модели, така че иноваторите на материали да могат да отделят по-малко време на инфраструктура за данни и повече време за дейностите, които изграждат траен вътрешен опит и трайна стойност на компанията.

  • Ускоряване на процеса по правене на климатични симулации. Изследователите използват AI, за да намалят времето, необходимо за стартиране на големи, сложни модели.

Моделирането на изключително сложни природни явления, като например как взаимодействат субатомните частици или как атмосферната мъгла влияе върху климата, може да отнеме много часове дори на най-бързите суперкомпютри. Емулатори, алгоритми, които бързо сближават тези подробни симулации, предлагат пряк път. Анализи показват как изкуственият интелект (AI) може лесно да произвежда точни емулатори, които могат да ускорят симулациите в цялата наука милиарди пъти.

„Това е голяма работа“, казва Доналд Лукас, който ръководи симулации на климата в Националната лаборатория „Лорънс Ливърмор“. Той казва, че новата система автоматично създава емулатори, които работят по-добре и по-бързо от тези, които екипът му проектира на ръка. Новите емулатори могат да се използват за подобряване на климатичните модели, които се създават, както и да помогнат на учените да извлекат максимума от времето си в експериментални съоръжения.

  • Подобряване на прогнозите. Стартъпът Kettle използва невронни мрежи за подобряване на прогнозите за риск от горски пожари.

Може ли изкуственият интелект да помогне за увеличаване на емисиите?

Да. „AI ускорява каквото поискате да ускори“, казват изследователите. Това означава, че има приложения, където се използва изкуствен интелект, които също могат да увеличат емисиите.

Най-големите технологични компании предоставят AI решения на петролни и газови компании, за да оптимизират проучването и производството на изкопаеми горива. Инструментите за алгоритмични препоръки на платформите за продажба на дребно вероятно помагат за увеличаване на потреблението. Докато самоуправляващите се автомобили в крайна сметка могат значително да увеличат броя на изминатите километри.

Затова е важно онези, които внедряват решения за изкуствен интелект, да намерят начини да гарантират, че са в съответствие с глобалните климатични цели.