Drei Möglichkeiten, künstliche Intelligenz hilft, die Welt zu retten

Bild von der NASA-ErdeBild von der NASA-Erde

Wenn die Computer intelligenter werden, suchen die Wissenschaftler nach neuen Wegen, sie in den Umweltschutz einzubeziehen.

Wenn Sie an künstliche Intelligenz denken, ist das erste Bild, das Ihnen in den Sinn kommt, einer von intelligenten Robotern, die wie Menschen laufen, reden und emote. Aber es gibt eine andere Art von KI, die in fast allen Wissenschaften vorherrscht. Es ist bekannt als maschinelles Lernen, und es dreht sich darum, Computer in die Aufgabe zu versetzen, die riesigen Datenmengen zu sortieren, die uns die moderne Technologie ermöglicht hat (auch bekannt als "Big Data").

Einer der Orte, an denen maschinelles Lernen am erfolgreichsten ist, sind die Umweltwissenschaften, die durch die Überwachung der verschiedenen Systeme der Erde - unterirdische Grundwasserleiter, das Erwärmungsklima oder die Tierwanderung - riesige Informationsmengen generiert haben. In diesem relativ neuen Feld namens Computational Sustainability tauchen eine Reihe von Projekten auf, die Daten aus der Umwelt mit der Fähigkeit eines Computers kombinieren, Trends zu erkennen und Vorhersagen über die Zukunft unseres Planeten zu treffen. Dies ist für Wissenschaftler und politische Entscheidungsträger nützlich, da sie ihnen helfen können, Pläne zu entwickeln, wie sie in unserer sich verändernden Welt leben und überleben können. Hier sehen Sie nur ein paar.

Für die Vögel - und Elefanten

Die Cornell University scheint in dieser neuen Grenze den Weg zu weisen, wahrscheinlich weil sie eine Institut für Computational SustainabilityUnd auch, weil Carla P. Gomes, Leiterin des Instituts, einer der Pioniere der Computational Sustainability ist. Gomes sagt, dass das Feld bei 2008 seinen Anfang genommen hat, als die National Science Foundation ein 10-Stipendium in Höhe von XNUMX gewährte, um Informatiker in die Forschung zu drängen, die sozialen Nutzen hatte. Seitdem hat ihr Team - und Wissenschaftlerteams auf der ganzen Welt - die Idee übernommen und laufen damit.

Ein wichtiger Bereich, in dem maschinelles Lernen der Umwelt helfen kann, ist der Artenschutz. Insbesondere hat das Cornell-Institut mit dem Cornell Lab of Ornithology zusammengearbeitet, um den unglaublichen Eifer der Vogelbeobachter mit wissenschaftlicher Beobachtung zu kombinieren. Sie haben eine App mit dem Namen entwickelt eBird Das erlaubt es den normalen Bürgern, Daten über die Vögel, die sie beobachten, zu übermitteln, z. B. wie viele verschiedene Arten an einem bestimmten Ort gefunden werden können. Bisher, sagt Gomes, haben sie mehr als 300,000-Freiwillige mehr als 300 Millionen Beobachtungen eingereicht, was mehr als 22 Millionen Stunden Feldarbeit bedeutet.

Diese Animation der jährlichen Migration von Baumschwalben zeigt, wie computergestützte Nachhaltigkeitstechniken verwendet werden können, um Populationsvariationen über Raum und Zeit vorherzusagen. Bild von Daniel Fink, Cornell Lab. der Ornithologie

Diese Animation der jährlichen Migration von Baumschwalben zeigt, wie computergestützte Nachhaltigkeitstechniken verwendet werden können, um Populationsvariationen über Raum und Zeit vorherzusagen. Bild von Daniel Fink, Cornell Lab. der Ornithologie


Holen Sie sich das Neueste von InnerSelf


Durch die Kombination der von eBird gesammelten Daten mit den eigenen Beobachtungsdaten des Labors und Informationen über die Verbreitung von Arten aus Fernerkundungsnetzwerken nutzen die Modelle des Instituts maschinelles Lernen, um zu prognostizieren, wo sich bestimmte Lebensräume für bestimmte Arten ändern und wie sich Vögel bewegen Migration.

"Es gibt große Lücken, in denen wir keine Beobachtungen haben, aber wenn Sie die Muster des Auftretens und der Abwesenheit in Beziehung setzen, sehen wir, dass diese Vögel eine bestimmte Art von Lebensraum mögen, und dann können wir verallgemeinern", sagt Gomes. "Wir verwenden wirklich ausgefeilte Modelle - Algorithmen aus dem maschinellen Lernen - um zu prognostizieren, wie die Vögel verteilt sind."

Sie können ihre Vorhersagen dann mit politischen Entscheidungsträgern und Naturschützern teilen, die sie nutzen können, um Entscheidungen darüber zu treffen, wie der Lebensraum für Vögel am besten geschützt werden kann.

Zum Beispiel sagt Gomes, basierend auf Informationen, die über eBird gesammelt und von der Partnerschaft verarbeitet wurden, hat The Nature Conservancy eine "Umgekehrte Auktion" in von Dürre betroffenen Teilen von KalifornienZahlung von Reisbauern, um Wasser auf ihren Feldern zu halten, wenn Vögel wahrscheinlich wandern und einen Zwischenstopp brauchen. "Dies ist nur möglich, weil wir Computermodelle entwickelt haben, die uns hochpräzise Informationen darüber liefern, wie Vögel verteilt werden", sagt Gomes.

Vögel sind nicht das einzige Forschungsgebiet. Ein Großteil der Arbeit des Instituts bezieht sich auf den Schutz von Wildtieren - hören Sie beispielsweise Stunden von Waldaufnahmen, um den Standort von Elefantenrufen und Wildererschüssen zu orten, oder verfolgen Sie Grizzlybären, um einen Korridor zu entwickeln, mit dem sie sich sicher durch die Wildnis bewegen können.

Die PACE erhöhen

Im NASA Goddard Space Flight Center nutzt die Forscherin Cecile Rousseaux maschinelles Lernen, um die Verbreitung von Phytoplankton (auch Mikroalgen genannt) in den Ozeanen besser zu verstehen. Diese mikroskopisch kleinen Pflanzen schwimmen auf der Oberfläche der Meere und produzieren einen großen Teil des Sauerstoffs, den wir atmen. Sie bilden die Grundlage des ozeanischen Nahrungsnetzes. Sie verbrauchen auch Kohlendioxid und, wenn sie sterben, tragen sie den Kohlenstoff mit sich, wenn sie auf den Meeresboden sinken.

"Wenn wir kein Phytoplankton hätten, würden wir einen größeren Anstieg des Kohlendioxids sehen, als wir sehen", sagt Rousseaux. Aus diesem Grund ist ihr Gesamtzustand eine wichtige Information für Forscher, die versuchen, die Auswirkungen von Änderungen des atmosphärischen CO zu verstehen2 auf unserem Planeten.

{

Rousseaux nutzt Satellitenbilder und Computermodelle, um die aktuellen und zukünftigen Bedingungen des ozeanischen Phytoplanktons der Erde vorherzusagen. Im Moment ist das Modell nur in der Lage, die Gesamtanzahl von Mikroalgen, die auf der Erde leben, zu schätzen, und wie sich diese Gesamtmenge im Laufe der Zeit verändert. Aber eine neue Satellitenmission namens PACE (für "Pre-Aerosol Clouds und Ocean Ecosystem"), die in 2022 starten, wird einen ganz neuen Datensatz eröffnen, der die Bevölkerung genauer betrachtet und in der Lage sein wird, verschiedene Arten zu identifizieren, anstatt nur das Ganze zu betrachten Ändern Sie das aktuelle Modell.

"Das Modell verwendet Parameter basierend auf Temperatur, Licht und Nährstoffen, um die Menge des Wachstums zu ermitteln. Die einzige Sache, die die Simulation tut, ist die Summe anzupassen ", sagt sie. Aber es gibt eine ganze Reihe verschiedener Arten von Phytoplankton, die alle auf einzigartige Weise mit der Umwelt interagieren. Diatomeen zum Beispiel sind groß, sinken sehr schnell auf den Meeresboden und brauchen viele Nährstoffe. PACE wird es ermöglichen, die Arten von Phytoplankton in verschiedenen Teilen des Ozeans zu identifizieren und so die Fähigkeit des Modells zu erweitern, um zu verstehen, wie die Mikroorganismen das atmosphärische CO beeinflussen2. Es wird uns auch erlauben, Dinge wie die Vorhersage gefährlicher Algenblüten zu tun und potentiell Wege zu finden, die Talente von Arten zu nutzen, die Kohlenstoff in größeren Mengen verbrauchen, um den Klimawandel zu bekämpfen.

EarthCube

Apropos die Erde als Ganzes, die National Science Foundation nutzt maschinelles Lernen, um ein 3-D-Lebensmodell des gesamten Planeten zu erstellen. Called EarthCube, die digitale Darstellung wird Datensätze kombinieren, die von Wissenschaftlern aus einer ganzen Reihe von Disziplinen zur Verfügung gestellt werden - Messungen der Atmosphäre und Hydrosphäre oder der Geochemie der Ozeane zum Beispiel - um Bedingungen auf, über und unter der Oberfläche nachzuahmen. Aufgrund der riesigen Datenmengen, die der Würfel umfassen wird, wird er in der Lage sein, verschiedene Bedingungen zu modellieren und Vorhersagen darüber zu treffen, wie die Systeme des Planeten reagieren werden. Und mit diesen Informationen können die Wissenschaftler Wege vorschlagen, um katastrophale Ereignisse zu vermeiden oder einfach diejenigen zu planen, die nicht vermieden werden können (wie Überschwemmungen oder raues Wetter), bevor sie eintreten.

EarthCubeEarthCube kombiniert Datensätze, um ein Modell zu erstellen, mit dem der Schaden, der durch katastrophale Ereignisse verursacht wird, vorhergesagt und minimiert werden kann.
Bild von Jeanne DiLeo / USGS
Im Rahmen des EarthCube-Projekts arbeitet der US Geological Survey an einem Projekt des National Science Framework zur Produktion des Digitale Kruste, ein Rahmenwerk, das ein genaueres und robusteres Verständnis der unterirdischen Prozesse in der Erde, wie das Grundwassergleichgewicht und die Gesundheit von Aquifer-Systemen, ermöglicht. "Wir werden in der Lage sein, wissenschaftliche Berechnungen durchzuführen, die das Grundwasserniveau im Zeitverlauf anzeigen, und wir können dies gegen zukünftige Szenarien abstellen", sagt Sky Bristol, Leiter der biogeografischen Charakterisierung bei USGS und USGS-Teamleiter für das EarthCube Digital Crust-Projekt .

Maschinelles Lernen kommt auch zum Tragen, wenn zwei Modelle aus verschiedenen Teilen des Würfels (wie die Kruste und die Atmosphäre) miteinander interagieren müssen, sagt Bristol. Wie sieht es zum Beispiel aus, wenn die Grundwasserförderung zunimmt und gleichzeitig das Erwärmungsklima ansteigt?

Der Digital Crust soll diesen Sommer fertiggestellt werden. Die Digital Crust- und alle EarthCube-Projekte machen ihre Daten und Software zu Open Source. Innerhalb weniger Jahre wird jedermann in der Lage sein, maschinelles Lernen zu nutzen, um Vorhersagen über alle Möglichkeiten einer zukünftigen Erde zu treffen. Und das bedeutet, dass Geowissenschaftler, die daran arbeiten, die verschiedenen Systeme der Erde zu verstehen und wie Veränderungen in ihnen die Menschheit beeinflussen, ein neues Werkzeug haben werden, mit dem sie Daten aus der ganzen Welt miteinander teilen können - ihren Vorhersagen mehr Einfluss geben und Menschen eine Chance geben um zu handeln, anstatt zu reagieren, auf unsere sich verändernde Welt.

Diese Beispiele sind nur ein kleiner Teil des großen Bildes davon, wie computergestützte Nachhaltigkeit unsere Fähigkeit, menschliches Leben auf der Erde nachhaltiger zu machen, verändern kann und verändert. In Cornell allein umfassen andere Projekte, die diese Technologie nutzen, die Kartierung von Armutsbereichen und die Wirksamkeit der Armutsbekämpfung in Industrieländern, die Bestimmung der Auswirkungen der Erntepolitik auf die Hochseefischerei, die Entdeckung neuer Materialien zur Erfassung der Sonnenenergie sowie die Ermittlung der Auswirkungen von Die Streiks schlagen sich auf Walpopulationen nieder und machen sogar Licht auf die Effizienz und die Auswirkungen erhöhter Benzintaxen in den USA. Wenn aktuelle Trends ein Hinweis sind, können wir in den kommenden Jahren viel mehr davon erwarten, wie künstliche Intelligenz uns hilft, die Welt zu machen ein besserer Ort, um langfristig zu leben.

Dieser Artikel erschien ursprünglich auf ENSIA Zeige Ensias Homepage

Über den Autor

Biba ErinErin Biba ist eine in New York City ansässige freiberufliche Wissenschaftsjournalistin. Ihre Arbeit erscheint regelmäßig in Newsweek, wissenschaftlicher Amerikaner und die Mythbusters ' Tested.com.

Verwandtes Buch

{amazonWS: searchindex = Bücher; keywords = 1605989649; maxresults = 1}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

Folge InnerSelf weiter

facebook-icontwitter-iconRSS-Symbol

Holen Sie sich das Neueste per E-Mail

{Emailcloak = off}