Tyrėjai kreipiasi į AI, kad apsaugotų jūros būtybes

Dirbtinis intelektas (AI) padeda užkirsti kelią perteklinei žvejybai, siekiant apsaugoti pasaulyje sparčiai nykstančią valgomųjų jūrų rūšių pasiūlą.

Naujas projektas naudoja AI pagerinti žuvų rūšių identifikavimą ir matavimą Afrikos Nilo baseine. Programinė įranga gali padėti mokslininkams suprasti žuvų populiacijos tankį greičiau nei žmonėms stebėtojams. Tai dalis didesnių pastangų panaudoti dirbtinį intelektą siekiant pagerinti tvarumą įvairiose pramonės šakose.

„Žadantis dirbtinis intelektas yra tai, kad dabar jis leidžia mums atlikti užduotis, kurios užtruktų daug laiko arba būtų neįmanomai sudėtingos, naudojant tradicinius metodus, žymiai greičiau ir efektyviau.

Andrew Dunckelmanas, „Google.org“, paieškos milžino labdaros padalinio, poveikio ir įžvalgų vadovas, sakė „Lifewire“ interviu el. paštu.

Kažkas žuvies

JT Maisto ir žemės ūkio organizacija stengiasi pagerinti prieigą prie AI technologijos, kuri stebi žuvų išteklius. Gavus daugiau informacijos apie žuvų rūšis, būtų galima sukurti algoritmus rūšims ir jų vietoms nustatyti bei bet kokiems pasikeitimams atpažinti.

The JT skaičiavimais trečdalis visų žuvų išteklių dabar yra pertekliniai ir nebetvarūs. Floridos universiteto mokslininkai siekia padėti apsaugoti žuvų išteklius taip pat naudojant AI užtikrinti, kad žvejai negautų nykstančių rūšių. AI modeliai įvertina nykstančių rūšių vietas, kuriose vykdoma žvejyba, o tai padeda versliniams žvejams išvengti žvejybos tose vietose.

„AI nėra sidabrinė kulka visoms mūsų problemoms spręsti“, Zacharijus Sidersas, pranešime spaudai sakė programą sukūręs mokslininkas. „Turime nepamiršti, kad sprendimai, kuriuos leidžiame dirbtinio intelekto sistemai, turi realių pasekmių žvejybos pramonės ir nepakeičiamų rūšių pragyvenimui.

AI stebi

Kalbant apie aplinką, dirbtinis intelektas stebi ne tik žuvis. Klimato TRACE, pasaulinė beveik realaus laiko šiltnamio efektą sukeliančių dujų (ŠESD) stebėjimo platforma, padeda nustatyti, iš kur kyla išmetamų teršalų kiekis, ir tiksliai nustatyti, kur reikėtų sutelkti dekarbonizacijos pastangas.

Taip pat yra Restor.eco, atvira duomenų atkūrimo platforma, priglobta „Google“ žemėje. Jame pateikiami moksliniai duomenys ir didelės raiškos palydoviniai vaizdai, leidžiantys tyrėjams analizuoti bet kurios Žemės vietos atkūrimo potencialą. Iš esmės programa gali suplanuoti žemę, kad būtų galima numatyti, kur medžiai gali natūraliai augti.

Dunckelmanas teigė, kad „Google“ nustatė, kad programos greičiau pasiekia savo tikslus naudojant AI. Jis atkreipė dėmesį į atvejį BlueConduit, organizacija, iškilusi iš Flinto, Mičigano valstijos, vandens krizės. Grupė sukūrė mašininio mokymosi platformą, kuri naudoja duomenis apie namų amžių, rajonus ir žinomas švino paslaugų linijas, kad nuspėtų, ar namas aptarnaujamas švino vamzdžiais.

„Anksčiau vienintelis būdas tai sužinoti buvo fiziškai kasti [kiekvienoje vietoje] ir patikrinti, ar nėra švino vamzdžių, o tai brangu ir atima daug laiko“, – sakė Dunckelmanas. „Įdiegęs mašininį mokymąsi, BlueConduit dabar gali greitai ir tiksliau numatyti, ar namas yra aptarnaujamos vadovaujančios linijos, kurios gali paskatinti politinius sprendimus, turinčius didelį poveikį visuomenės sveikatai ir vyriausybei išteklių“.

Tačiau ne visi sutinka, kad didžiosios technologijų įmonės būtinai gali išspręsti planetos problemas per AI. Erikas Nostas, Gelfo universiteto docentas, tyrinėjantis, kaip duomenų technologijos daro įtaką aplinkos valdymui Naujausi tyrimai kėlė susirūpinimą dėl energijos ir kitų išteklių, reikalingų dirbtinio intelekto aparatūrai įdiegti ir įdiegti programinė įranga.

„Įtariu, kad daugeliui tyrėjų bus sunku dirbtinio intelekto išvadas paversti realia politika ar sprendimais, jei AI nebuvo sukurta laikantis politikos. ir sprendimus priimančius asmenis, ypač atsižvelgiant į iššūkius, kylančius aiškinant, kaip dirbtinis intelektas pasiekia savo rezultatus“, – sakė jis „Lifewire“ el. interviu.

Darnaus vystymosi dirbtinis intelektas taip pat vis dar yra ankstyvoje stadijoje, pripažino Dunckelmanas. Lauke vis dar trūksta pakankamai duomenų rinkinių ir modelių, reikalingų pažangai skatinti.

„Pavyzdžiui, mes visi žinome, kad pasaulyje vyksta išmetamųjų teršalų kiekis, bet nelabai žinome, iš kur jie atsiranda“, – pridūrė Dunckelmanas. „Mes turime tik tai, ką sako patys skleidėjai, o tai yra netobula.