Изображение NASA's Earth

Когда компьютеры становятся умнее, ученые смотрят на новые способы привлечения их к защите окружающей среды.

Когда вы думаете об искусственном интеллекте, первое изображение, которое, вероятно, приходит на ум, - это один из разумных роботов, которые ходят, разговаривают и любят людей. Но есть и другой тип ИИ, который распространен почти во всех науках. Он известен как машинное обучение, и он вращается вокруг привлечения компьютеров в задачу сортировки огромных объемов данных, которые современные технологии позволили нам генерировать (они же «большие данные»).

Например, одно из мест машинного обучения является самым полезным в науках об окружающей среде, которые генерируют огромное количество информации от мониторинга различных систем Земли - подземных водоносных горизонтов, климата потепления или миграции животных, например. Множество проектов появилось в этой относительно новой области, называемой вычислительной устойчивостью, которая объединяет данные, собранные об окружающей среде, с возможностью компьютера обнаруживать тенденции и делать прогнозы о будущем нашей планеты. Это полезно для ученых и политиков, потому что это может помочь им разработать планы о том, как жить и выжить в нашем меняющемся мире. Вот несколько примеров.

Для птиц - и слонов

Корнельский университет, похоже, лидирует на этом новом рубеже, вероятно, потому, что он имеет Институт вычислительной устойчивостиа также потому, что глава этого института Карла П. Гомес является одним из пионеров вычислительной устойчивости. Гомес говорит, что поле начало свое начало вокруг 2008, когда Национальный научный фонд присудил грант в размере $ 10 миллионов долларов, чтобы подтолкнуть компьютерных ученых к исследованиям, имеющим социальную выгоду. С тех пор ее команда - и команды ученых всего мира - взяли на себя идею и побежали с ней.

Одной из основных областей, где машинное обучение может помочь окружающей среде, является сохранение видов. В частности, Институт Корнелла работает с Корнеллской лабораторией орнитологии, чтобы объединить невероятное рвение птиц с научным наблюдением. Они разработали приложение под названием eBird что позволяет обычным гражданам представлять данные о птицах, которые они наблюдают вокруг них, например о том, сколько разных видов может быть найдено в данном месте. До сих пор Гомес говорит, что у них было больше, чем волонтеры 300,000, которые представляют больше, чем 300 миллионов наблюдений, что составляет более 22 миллионов часов полевых работ.

Эта анимация ежегодной миграции ласточек дерева показывает, как методы вычислительной устойчивости могут использоваться для прогнозирования изменений популяции во времени и пространстве. Изображение Дэниела Финка, Лаборатории Корнелла. орнитологии

Объединив данные, собранные из eBird, с собственными данными наблюдений лаборатории и информацией о распределении видов, собранной из сетей дистанционного зондирования, модели института используют машинное обучение для прогнозирования, где будут изменения в среде обитания для определенных видов, и пути, по которым птицы будут двигаться во время миграция.

«Существуют большие пробелы, в которых у нас нет наблюдений, но если вы относитесь к формам возникновения и отсутствия, мы видим, что эти птицы любят определенную среду обитания, а затем мы можем обобщить их», - говорит Гомес. «Мы действительно используем сложные модели - алгоритмы машинного обучения - для прогнозирования распространения птиц».

Затем они могут поделиться своими прогнозами с политиками и природоохранными организациями, которые могут использовать его для принятия решений о том, как наилучшим образом защитить среду обитания птиц.

Например, Гомес говорит, основываясь на информации, собранной через eBird и обрабатываемой партнерством, The Nature Conservancy установила «Обратный аукцион» в засушливых частях Калифорнии, платя фермерам риса, чтобы сохранить воду на своих полях, когда птицы, вероятно, будут мигрировать и нуждаются в местообитаниях для остановки. «Это возможно только потому, что у нас есть передовые вычислительные модели, которые дают нам высокоточную информацию о распространении птиц», - говорит Гомес.

Птицы - не единственная область исследований. Большая часть работы института связана с сохранением дикой природы - прислушиваясь к часам лесных записей, чтобы сопоставить местоположение звонков слонов и выстрелов браконьеров, например, или отслеживать медведей гризли, чтобы разработать коридор, который они могут использовать для безопасного перемещения по пустыне.

Повышение PACE

В Центре космических полетов Годдарда НАСА ученый Сесиль Руссо использует машинное обучение для лучшего понимания распределения фитопланктона (также известного как микроводоросли) в океанах. Эти микроскопические растения плавают на поверхности морей и производят большую часть кислорода, которым мы дышим. Они составляют основу океанской пищевой сети. Они также потребляют углекислый газ и, когда они умирают, несут с собой углерод, когда они опускаются на океанский пол.

«Если бы у нас не было фитопланктона, мы бы увидели большее увеличение углекислого газа, чем мы видим», - говорит Руссо. Из-за этого их общий статус является важной информацией для исследователей, пытающихся понять влияние изменений атмосферного СО₂ на нашей планете.

{{youtube}eM5lX9RQzZ4{/youtube}

Rousseaux использует спутниковые снимки и компьютерное моделирование для прогнозирования текущих и будущих условий мирового океанического фитопланктона. На данный момент модель может только оценить общее количество микроводорослей, которые живут на Земле, и как эта сумма меняется с течением времени. Но новая спутниковая миссия МИР (для «Предварительно аэрозольных облаков и океанической экосистемы»), запуск в 2022, откроет целый новый набор данных, который будет более внимательно относиться к населению и иметь возможность идентифицировать разные виды, а не просто смотреть на целое, что будет существенно измените текущую модель.

«Модель использует параметры, основанные на температуре, свете и питательных веществах, чтобы рассказать нам о росте. Единственное, что делает симуляция, это скорректировать общее количество », - говорит она. Но есть множество различных типов фитопланктона, которые уникально взаимодействуют с окружающей средой. Диатомовые водоросли, например, большие, очень быстро погружаются в океанский пол и нуждаются в большом количестве питательных веществ. ПАСЕ позволит идентифицировать типы фитопланктона в различных частях океана, расширяя способность модели помочь нам понять, как микроорганизмы влияют на атмосферный СО₂, Это также позволит нам делать такие вещи, как предсказывать опасные цветения водорослей и потенциально определять способы использования талантов видов, которые потребляют углерод в больших количествах для борьбы с изменением климата.

EarthCube

Говоря о Земле в целом, Национальный научный фонд использует машинное обучение для создания живой модели 3-D всей планеты. Цифровое представление, получившее название EarthCube, будет объединяться с наборами данных, предоставляемыми учеными, по всему множеству дисциплин - измерениям атмосферы и гидросферы или геохимии океанов, например, - для имитации условий, выше и ниже поверхности. Из-за огромного количества данных, которые куб будет охватывать, он сможет моделировать различные условия и прогнозировать, как системы планеты будут реагировать. И с этой информацией ученые смогут предложить способы избежать катастрофических событий или просто планировать те, которых нельзя избежать (например, наводнения или грубая погода), прежде чем они произойдут.

EarthCube объединяет наборы данных для создания модели, которая может использоваться для прогнозирования и минимизации ущерба, вызванного катастрофическими событиями.
Изображение Jeanne DiLeo / USGSВ рамках проекта EarthCube Геологическая служба США сотрудничает в рамках проекта Национальной научной рамочной программы по созданию Цифровая корочка, которая обеспечит более точное и надежное понимание подземных процессов на Земле, таких как баланс грунтовых вод и здоровье систем водоносных горизонтов. «Мы сможем запускать научные расчеты, которые показывают уровень грунтовых вод с течением времени, и мы можем сделать это против будущих сценариев», - говорит Sky Bristol, руководитель подразделения биогеографической характеристики USGS и команды USGS для проекта EarthCube Digital Crust ,

Бристоль говорит, что машинное обучение также играет, когда две модели из разных частей куба (например, кора и атмосфера) должны взаимодействовать друг с другом. Например, как это выглядит, когда происходит увеличение добычи грунтовых вод, а также увеличение климата потепления в то же время?

Цифровая корочка планируется завершить этим летом. Проекты Digital Crust и все проекты EarthCube создают свои исходные данные и программное обеспечение. Таким образом, через несколько лет каждый сможет использовать машинное обучение для прогнозирования всех возможностей будущей Земли. И это означает, что геофизики, которые работают над пониманием различных систем Земли и как изменения внутри них будут влиять на человечество, будут иметь новый инструмент, который позволяет им обмениваться данными друг с другом со всего мира, давая свои прогнозы больше воздействия и позволяя людям возможность действовать, а не реагировать на наш изменяющийся мир.

Эти примеры - лишь малая часть общей картины того, как вычислительная устойчивость может измениться - и меняется - наша способность сделать жизнь человека на Земле более устойчивой. В одном только Корнелле другие проекты, использующие эту технологию, включают в себя картографирование районов нищеты и эффективность смягчения последствий нищеты в развитых странах, определение влияния политики сбора урожая на рыболовство в океанах, открытие новых материалов, которые могут быть использованы для сбора солнечной энергии, удары с корабля на популяции китов и даже пролить свет на эффективность и последствия повышения налогов на бензин в США. Если текущие тенденции - это какие-либо признаки, мы можем ожидать услышать гораздо больше за несколько лет вперед о том, как искусственный интеллект помогает нам сделать мир лучшее место для жизни на длительный срок.

Эта статья первоначально появилась на Ensia

Об авторе

Эрин Биба - независимый научный журналист из Нью-Йорка. Ее работа регулярно появляется в Newsweek, Scientific American и The Mythbusters ' Tested.com.

Связанная книга

at

Спасибо за визит InnerSelf.comгде есть 20,000+ изменяющие жизнь статьи, пропагандирующие «Новые взгляды и новые возможности». Все статьи переведены на 30 + языки. Подписаться в журнал InnerSelf Magazine, публикуемый еженедельно, и в журнал Marie T Russell's Daily Inspiration. InnerSelf Magazine издается с 1985 года.