Περιεχόμενα
Οι καλλιεργητές τομάτας στην κεντρική Ινδία ανησυχούν όλο και περισσότερο για την αστάθεια που έχουν επιφέρει στην περιοχή τα ακραία καιρικά φαινόμενα. Για μεγάλο μέρος της περιοχής, η τελευταία δεκαετία χαρακτηρίστηκε από σοβαρές ξηρασίες που οδήγησαν σε σημαντική απώλεια καλλιεργειών, επηρεάζοντας τα προς το ζην των τοπικών αγροτών. Εδώ είναι που συμβάλει η τεχνητή νοημοσύνη.
Στην άλλη άκρη του κόσμου, η startup ClimateAi της Silicon Valley αναπτύσσει μια πλατφόρμα τεχνητής νοημοσύνης για να αξιολογήσει πόσο ευάλωτες είναι οι καλλιέργειες στην αύξηση της θερμοκρασίας τις επόμενες δύο δεκαετίες. Η πλατφόρμα χρησιμοποιεί δεδομένα για το κλίμα, το νερό και το έδαφος μιας συγκεκριμένης τοποθεσίας για να μετρήσει πόσο βιώσιμο θα είναι το τοπίο για ανάπτυξη τα επόμενα χρόνια.
Η Μαχαράστρα της Ινδίας ήταν μία από τις πρώτες περιπτωσιολογικές μελέτες της το 2021. Οι αγρότες μπορούσαν να μπουν στην εφαρμογή ClimateAi και να εισαγάγουν ποιους σπόρους καλλιεργούσαν και πού ήθελαν να τον φυτέψουν.
Με αυτά τα δεδομένα, η ClimateAi έκανε προσομοιώσεις και διαπίστωσε ότι η ακραία ζέστη και η ξηρασία θα οδηγούσαν σε μείωση περίπου 30% της παραγωγής τομάτας στην περιοχή τις επόμενες δύο δεκαετίες. Προειδοποίησε τους καλλιεργητές ότι πρέπει να αλλάξουν τη στρατηγική τους.
Τα αποτελέσματα αποδείχθηκαν κομβικά — οι παραγωγοί τομάτας προσάρμοσαν τα επιχειρηματικά τους σχέδια επιλέγοντας πιο ανθεκτικές στο κλίμα ποικιλίες σπόρων και μετατοπίζοντας τις φορές που φυτεύουν σπόρους ντομάτας. Η εύρεση νέων τοποθεσιών καλλιέργειας συνήθως διαρκεί λίγο για τους αγρότες που επηρεάζονται από την κλιματική αλλαγή, αλλά «τώρα μπορεί να συμβεί μέσα σε λίγα λεπτά και τους εξοικονομεί επίσης πολύ κόστος», σύμφωνα με τον Himanshu Gupta, ο οποίος μεγάλωσε στην Ινδία και είναι συνιδρυτής της ClimateAi.
«Ο τρόπος που σκεφτόμαστε για την τεχνητή νοημοσύνη είναι ότι είναι ένας πολλαπλασιαστής χρόνου και αποτελεσματικότητας για τις λύσεις για την κλιματική αλλαγή», είπε ο Gupta στο CNN. Η καλύτερη αξιολόγηση των μελλοντικών κινδύνων για τη γεωργία είναι μόνο ένας από τους τρόπους με τους οποίους χρησιμοποιούνται οι τεχνολογίες τεχνητής νοημοσύνης για την αντιμετώπιση της κλιματικής κρίσης.
Το AI εντοπίστηκε για πρώτη φορά στη συνείδηση του κοινού φέτος χάρη στα δημοφιλή εργαλεία τεχνητής νοημοσύνης που απευθύνονται στους καταναλωτές, όπως το ChatGPT, και οι ειδικοί λένε ότι η τεχνολογία πρόκειται να φέρει επανάσταση σε αμέτρητους κλάδους.
Ωστόσο, οι ερευνητές για το κλίμα σκέφτονται εδώ και χρόνια πώς η τεχνητή νοημοσύνη – προγράμματα υπολογιστών που μπορούν να αναλύσουν γρήγορα τεράστιες ποσότητες δεδομένων και να ολοκληρώσουν πολύπλοκες εργασίες με τρόπους παρόμοιους με τον άνθρωπο – θα μπορούσε να τους βοηθήσει να κατανοήσουν καλύτερα και να αντιμετωπίσουν το μεταβαλλόμενο κλίμα.
Τώρα, οι ειδικοί λένε ότι η τεχνητή νοημοσύνη είναι έτοιμη να επιταχύνει τα πάντα, από τη μείωση της ρύπανσης έως τη βελτίωση των καιρικών μοντέλων. «Η αποτελεσματικότητα είναι ένα πράγμα στο οποίο η τεχνητή νοημοσύνη είναι πολύ καλή, η βελτιστοποίηση των αποφάσεων, η βελτιστοποίηση των πόρων», δήλωσε ο Fengqi You, καθηγητής προέδρου στη σχολή μηχανικών του Πανεπιστημίου Cornell.
«Είναι ένα σύστημα που έχει πολύ ισχυρές προγνωστικές ικανότητες που θα μπορούσε να είναι εξαιρετικά χρήσιμο σε πολλούς τομείς, που κυμαίνονται από (κατανόηση) μορίων μικρής κλίμακας… έως ευρύτερα κλιματικά συστήματα για να μας βοηθήσουν να καταπολεμήσουμε την κλιματική αλλαγή». Με τον ιλιγγιώδη ρυθμό με τον οποίο θερμαίνεται ο πλανήτης, η επιτάχυνση της ταχύτητας με την οποία ο κόσμος αναπτύσσει και εφαρμόζει λύσεις είναι ζωτικής σημασίας.
Ωστόσο, παρά την υπόσχεση της τεχνητής νοημοσύνης, η υποδομή που υποστηρίζει την τεχνολογία – κέντρα δεδομένων γεμάτα με σειρές ισχυρών υπολογιστών που απορροφούν ενέργεια – θα μπορούσε από μόνη της να επιβαρύνει το περιβάλλον. Οι ειδικοί λένε ότι οι μηχανικοί λογισμικού πρέπει να συνεργαστούν στενά με επιστήμονες του κλίματος για να βρουν μια ισορροπία.
«Είναι σίγουρα κάτι που πρέπει να ληφθεί υπόψη ως αυτή η αντιστάθμιση», είπε η Kara Lamb, συνεργάτης ερευνητής στο τμήμα μηχανικής γης και περιβάλλοντος του Πανεπιστημίου Κολούμπια. Ωστόσο, «τα θετικά υπερτερούν των αρνητικών όσον αφορά την εφαρμογή του σε αυτούς τους τύπους προσεγγίσεων».
Τεχνητή νοημοσύνη: Τεχνολογία που επιταχύνει την ανακάλυψη
Η τεχνητή νοημοσύνη είναι ένας ευρύς όρος που αναφέρεται σε διάφορα ψηφιακά εργαλεία που έχουν δημιουργηθεί για να εκτελούν ένα ευρύ φάσμα σύνθετων εργασιών που θα μπορούσαν προηγουμένως να απαιτούσαν πληροφορίες από ένα πραγματικό άτομο.
Γενικά, το κοινό που έχουν αυτές οι τεχνολογίες είναι η ικανότητά τους να επεξεργάζονται γρήγορα και να βρίσκουν συνδέσεις μεταξύ τεράστιων ποσοτήτων ανόμοιων δεδομένων. Αυτό κάνει την τεχνητή νοημοσύνη ιδιαίτερα καλή σε πράγματα όπως η πρόβλεψη και η εκτέλεση προσομοιώσεων.
Και σε αντίθεση με τα παραδοσιακά προγράμματα υπολογιστών, τα εργαλεία τεχνητής νοημοσύνης μπορούν να συνεχίσουν να μαθαίνουν με την πάροδο του χρόνου καθώς υπάρχουν νέα δεδομένα ή καθώς τα συστήματα λαμβάνουν νέα ανατροφοδότηση σχετικά με την ποιότητα των αποτελεσμάτων τους. Ενώ η επιστημονική ανακάλυψη βασιζόταν στην ικανότητα των ανθρώπων να συλλέγουν, να παρατηρούν και να αναλύουν στοιχεία, οι υπολογιστές μπορούν πλέον να επεξεργάζονται μεγάλα σύνολα δεδομένων, να αναγνωρίζουν μοτίβα και να εκτελούν ψηφιακά πειράματα σε ένα κλάσμα του χρόνου που θα χρειάζονταν οι ερευνητές.
«Για τα κλιματικά μοντέλα, ουσιαστικά προσπαθούμε να λύσουμε αυτές τις εξισώσεις… πώς αυτά τα μοντέλα ατμόσφαιρας αλληλεπιδρούν και χρειάζεται πολύς χρόνος για να λυθεί». Ομοίως, η έρευνα σε νέα υλικά αγωγιμότητας ενέργειας, όπως αυτά για τα ηλιακά πάνελ, θα μπορούσε να απαιτήσει αμέτρητες ώρες δοκιμών που μπορούν τώρα να επιταχυνθούν με χρήση τεχνητής νοημοσύνης.
«Στο παρελθόν, οι άνθρωποι χρειάζονταν δοκιμή και θα χρειαζόμασταν… ερευνητές που εργάζονται κάθε μέρα και νύχτα. Τώρα, λόγω της τεχνητής νοημοσύνης, που δεν χρειάζεται να κοιμάται, χρειάζεται απλώς ηλεκτρική ενέργεια, θα μπορούσε να συνεχίσει να λειτουργεί 24/7 και μπορεί να γίνει πολύ χρήσιμο στην επιτάχυνση της ανακάλυψης».
Η τεχνητή νοημοσύνη πιθανότατα δεν θα αντικαταστήσει την ανάγκη για ανθρώπους στον αγώνα για την κλιματική αλλαγή. Αλλά θα μπορούσε να κάνει τη δουλειά τους πιο γρήγορα και πιο αποτελεσματικά. Οι ερευνητές που επιδιώκουν να αποκαταστήσουν τις ακτές με αναφύτευση θαλάσσιου χόρτου, για παράδειγμα, χρησιμοποιούν τεχνητή νοημοσύνη για να μοντελοποιήσουν τις καλύτερες τοποθεσίες για να στοχεύσουν αυτές τις προσπάθειες αναφύτευσης, δήλωσε ο Dan Keeler, επικεφαλής επικοινωνίας στην εταιρεία επενδύσεων αντίκτυπου Newday, η οποία συμμετέχει σε φιλανθρωπικές προσπάθειες για την υποστήριξη της αποκατάστασης των ακτών. .
Ένας αλγόριθμος τεχνητής νοημοσύνης που έχει εκπαιδευτεί για την αντιμετώπιση του προβλήματος θα μπορούσε να λάβει υπόψη τα πάντα, από τοξίνες στο νερό ή ενοχλητικές θαλάσσιες διαδρομές μέχρι τον τρόπο με τον οποίο οι προσπάθειες αναφύτευσης θα μπορούσαν να επηρεάσουν τη ζωή της γύρω περιοχής ή ακόμα και τον παράκτιο τουρισμό. «Είναι πολύ δύσκολο να τα βάλεις όλα αυτά μαζί σε ένα ενιαίο μοντέλο με συμβατικές μεθόδους, αλλά η τεχνητή νοημοσύνη στην πραγματικότητα το κάνει πολύ πιο δυνατό», είπε ο Keeler.
Η τεχνητή νοημοσύνη «κάνει τη βρώμικη δουλειά» στην έρευνα για το κλίμα
Η Αρκτική θερμαίνεται τέσσερις φορές πιο γρήγορα από τον υπόλοιπο πλανήτη, ανακάλυψαν οι επιστήμονες. Η άνοδος της θερμοκρασίας λιώνει τους θαλάσσιους πάγους, ξεπαγώνει τον μόνιμο πάγο και πυροδοτεί δασικές πυρκαγιές σε μια από τις πιο ψυχρές περιοχές στη Γη.
Οι ειδικοί στον τομέα του κλίματος έχουν πει ότι αυτό που συμβαίνει στην Αρκτική είναι ένα καμπανάκι για τον υπόλοιπο κόσμο. Αλλά τα κλιματικά μοντέλα – τα οποία χρησιμοποιούν οι επιστήμονες για να προβλέψουν τη μακροπρόθεσμη αλλαγή – δεν καταγράφουν πόσο γρήγορα θερμαίνεται.
Με τη βοήθεια της τεχνητής νοημοσύνης, η Anna Liljedahl, επιστήμονας στο Woodwell Climate Research Center, μπορεί να κάνει προβλέψεις μόνιμου παγετού σε εποχιακή κλίμακα, αντί για την τυπική χρονική κλίμακα 100 ετών, δίνοντας σε αυτήν και σε άλλους ερευνητές μια καλύτερη εικόνα για το πόσο γρήγορα η Αρκτική λιώνει. «Η τεχνητή νοημοσύνη κάνει τη βρώμικη δουλειά», είπε η Liljedahl.
«Αλλά η τεχνητή νοημοσύνη δεν είναι τέλεια, επομένως τη βλέπουμε ως ένα πρώτο εργαλείο και μετά ο άνθρωπος θα μπει και θα ελέγξει πραγματικά και θα βεβαιωθεί ότι τα πράγματα έχουν νόημα και θα εξερευνήσει τα πράγματα που πρότεινε η τεχνητή νοημοσύνη». Η τεχνολογία μπορεί επίσης να χρησιμοποιηθεί για βρεθούν λύσεις.
Ένα έργο Google DeepMind του 2019 εκπαίδευσε ένα μοντέλο τεχνητής νοημοσύνης σε μετεωρολογικές προβλέψεις και ιστορικά δεδομένα ανεμογεννητριών για να προβλέψει τη διαθεσιμότητα αιολικής ενέργειας, συμβάλλοντας στην αύξηση της αξίας της ανανεώσιμης πηγής ενέργειας για τους αιολικούς αγρότες.
Η τεχνητή νοημοσύνη μπορεί επίσης να βοηθήσει στην πρόβλεψη και στο πότε και το πού θα είναι η υψηλότερη ζήτηση ενέργειας, επιτρέποντας στους φορείς εκμετάλλευσης δικτύων να «βεβαιωθούν ότι έχουν ηλεκτρική ενέργεια στο διαδίκτυο, έτοιμοι να τροφοδοτήσουν τη ζήτηση και επίσης ότι δεν έχουν ενέργεια που μόλις παράγεται και πρόκειται να να καταναλωθεί, γιατί είναι προφανώς μια τεράστια σπατάλη», είπε ο Keeler.
Ο Gupta της ClimateAi είπε ότι το πρόβλημα έγκειται στο πώς θα ενσωματωθεί η ικανότητα ανανεώσιμων πηγών ενέργειας στο υπάρχον δίκτυο που κυριαρχείται από ορυκτά καύσιμα. Η τεχνητή νοημοσύνη μπορεί να προσδιορίσει σε πραγματικό χρόνο ποιες ανανεώσιμες πηγές ενέργειας είναι διαθέσιμες στις περιοχές όπου το θέλουν οι καταναλωτές — βελτιστοποιώντας τη ζήτηση και την προσφορά των ανανεώσιμων πηγών ενέργειας από τους καταναλωτές.
Αλλού, η τεχνητή νοημοσύνη χρησιμοποιείται επίσης για την έρευνα υλικών που θα μπορούσαν να ανακτήσουν αποτελεσματικά άνθρακα από την ατμόσφαιρα και για να μοντελοποιήσουν και να προβλέψουν μεγάλες πλημμύρες για να βοηθήσουν τις τοπικές κυβερνητικές υπηρεσίες να προετοιμαστούν καλύτερα και να αντιδράσουν σε πιθανές καταστάσεις έκτακτης ανάγκης.
Η Cool Down, μια εταιρεία πολυμέσων που στοχεύει να βοηθήσει τους καταναλωτές να κατανοήσουν καλύτερα την κλιματική κρίση και πιθανές λύσεις, πρόκειται να λανσάρει ένα εργαλείο τεχνητής νοημοσύνης στις αρχές του επόμενου έτους που θα απαντά στις ερωτήσεις των χρηστών σχετικά με το πώς να ζήσουν έναν πιο βιώσιμο τρόπο ζωής, σύμφωνα με την Anna Robertson, συν. -ιδρυτής και υπεύθυνος περιεχομένου και συνεργασιών. Το εργαλείο θα χρησιμοποιεί δεδομένα από τον ιστότοπό του σχετικά με τα είδη πληροφοριών για το κλίμα που είναι πιο περίεργοι οι καταναλωτές για να κατευθύνει τους χρήστες σε πληροφορίες, συμπεριλαμβανομένης της απάντησης σε ερωτήσεις όπως «Τι μπορώ να κάνω με το παλιό μου τζιν»; ή «Θέλω να αλλάξω το απορρυπαντικό ρούχων μου, από πού να ξεκινήσω»;
«Μέρος του προβλήματος είναι ότι το ίδιο το ζήτημα έχει γίνει τόσο έντονο και κυριαρχείται κυρίως από την καταστροφή και την κατήφεια και όχι τις λύσεις που έχουμε στα χέρια μας», είπε ο Robertson «Θέλουμε να διευκολύνουμε τους ανθρώπους να κάνουν καλύτερες επιλογές».
Βρίσκοντας τη σωστή ισορροπία
Υπάρχει ένα μειονέκτημα σε όλη αυτή την υπολογιστική ισχύ: Η εκτέλεση μοντέλων τεχνητής νοημοσύνης είναι ενεργοβόρα και πολλά κέντρα δεδομένων λειτουργούν σε περιοχές που εξακολουθούν να εξαρτώνται σε μεγάλο βαθμό από τα ορυκτά καύσιμα, είπε ο Cornell’s You. Τα κέντρα δεδομένων συνήθως απαιτούν επίσης νερό για ψύξη – ένας πόρος που μειώνεται σε ορισμένα μέρη όπου γίνεται αυτός ο υπολογισμός, συμπεριλαμβανομένης της Αμερικανικής Δύσης.
Προς το παρόν, η ποσότητα ενέργειας που χρησιμοποιείται για την τροφοδοσία της τεχνητής νοημοσύνης είναι σχετικά μικρή σε σύγκριση με αυτή που καταναλώνεται από τις μεταφορές ή τα κτίρια. «Αλλά αυτό θα αναπτυχθεί πολύ γρήγορα και πρέπει να είμαστε πολύ προσεκτικοί αυτή τη στιγμή προτού αυξηθεί εκθετικά». Μια μελέτη του Οκτωβρίου από τον Ολλανδό ερευνητή Alex de Vries εκτίμησε ότι το «χειρότερο σενάριο» υποδηλώνει ότι τα συστήματα τεχνητής νοημοσύνης της Google θα μπορούσαν τελικά να καταναλώνουν τόση ηλεκτρική ενέργεια όσο η χώρα της Ιρλανδίας κάθε χρόνο, υποθέτοντας μια πλήρη υιοθέτηση της τεχνητής νοημοσύνης στο τρέχον υλικό και λογισμικό τους.
Οι προγραμματιστές θα πρέπει να συμβουλεύονται «όχι μόνο να εστιάζουν στη βελτιστοποίηση της τεχνητής νοημοσύνης, αλλά και να εξετάζουν κριτικά την αναγκαιότητα χρήσης της τεχνητής νοημοσύνης, καθώς είναι απίθανο όλες οι εφαρμογές να επωφεληθούν από την τεχνητή νοημοσύνη ή ότι τα οφέλη θα υπερβαίνουν πάντα το κόστος». καταλήγει η μελέτη.
Ορισμένοι φορείς εκμετάλλευσης κέντρων δεδομένων έχουν ήδη αρχίσει να αντιμετωπίζουν αυτές τις ανησυχίες. Η Amazon Web Services, ο βραχίονας υπολογιστών cloud του διαδικτυακού κολοσσού των διαδικτυακών αγορών, έχει δεσμευτεί να είναι «θετική για το νερό» έως το 2030, πράγμα που σημαίνει ότι η εταιρεία «θα επιστρέψει περισσότερο νερό στις κοινότητες στις οποίες έχουμε την υποδομή του κέντρου δεδομένων μας από ό,τι παίρνουμε», CEO Adam Selipsky. είπε στο CNN σε συνέντευξή του τον Οκτώβριο.
Στο Όρεγκον, για παράδειγμα, όπου η ξηρασία έχει σφίξει τη λαβή της τα τελευταία χρόνια, η AWS παρέχει το αναλωμένο νερό που χρησιμοποιείται για την ψύξη των κέντρων δεδομένων της σε τοπικούς αγρότες για άρδευση χωρίς κόστος. Οι εταιρείες που κατασκευάζουν και λειτουργούν κέντρα δεδομένων για την εκτέλεση φόρτου εργασίας τεχνητής νοημοσύνης μπορούν επίσης να σκεφτούν να τα τοποθετήσουν στρατηγικά σε περιοχές όπου μπορεί να απαιτούν λιγότερους φυσικούς πόρους για να λειτουργήσουν.
Εάν τα κέντρα δεδομένων κατασκευάζονται σε ψυχρότερα μέρη του κόσμου, για παράδειγμα, θα χρειαστεί λιγότερο νερό για ψύξη. Η Σκανδνιναβία έχει αναδειχθεί ως δημοφιλής τοποθεσία για κέντρα δεδομένων, ενισχύεται επίσης από τη σχετικά ισχυρή διαθεσιμότητά της σε ανανεώσιμες πηγές ενέργειας.
Οι νομοθέτες στις Ηνωμένες Πολιτείες και στο εξωτερικό – που τους τελευταίους μήνες έχουν στρέψει όλο και περισσότερο την προσοχή τους στην ανάπτυξη προστατευτικών κιγκλιδωμάτων για τεχνητή νοημοσύνη – θα πρέπει να λάβουν υπόψη τόσο τα πιθανά οφέλη της τεχνολογίας στην καταπολέμηση της κλιματικής αλλαγής όσο και τις περιβαλλοντικές επιπτώσεις της κατά την ανάπτυξη κανονισμών, πρόσθεσε.
«Οι ρυθμιστικές αρχές, οι υπεύθυνοι της λήψης αποφάσεων, οι υπεύθυνοι χάραξης πολιτικής πρέπει πραγματικά να το σκεφτούν αυτό όταν εξετάζουν την ανάπτυξη του κλάδου [της τεχνητής νοημοσύνης]».
«Η ανάπτυξη του κλάδου δεν αφορά μόνο το λογισμικό, τα εργαλεία και ούτω καθεξής, αλλά και το πώς λειτουργούν αυτά τα κέντρα δεδομένων». Οι ειδικοί της τεχνολογίας προειδοποιούν επίσης ότι η τεχνητή νοημοσύνη πρέπει να γίνει προσιτή και προσβάσιμη για τα έθνη χαμηλού εισοδήματος, ιδιαίτερα εκείνα στον Νότο που βρίσκονται στην πρώτη γραμμή της κλιματικής κρίσης, αλλά συμβάλλουν λιγότερο στην παγκόσμια ρύπανση, κάτι που ο Gupta ελπίζει να αντιμετωπίσει καθώς επεκτείνει το ClimateAi πόροι.
«Όταν πρόκειται για την εφαρμογή της τεχνητής νοημοσύνης στην κλιματική αλλαγή», είπε ο Gupta, «νομίζω ότι απλώς αγγίζουμε την επιφάνεια του δυναμικού που υπάρχει τόσο όσον αφορά τον αντίκτυπο που θα μπορούσε να έχει για τις επιχειρήσεις, όσο και τον αντίκτυπο που θα μπορούσε να έχει στις επιχειρήσεις. το επίπεδο της ανθρωπότητας».
Πηγή: CNN.COM
*Photo Credits: Unsplash
