Kaip AI gali numatyti klimato kaitą

Kaip įrodymai tvirtina, kad ekstremalūs šios vasaros orai nulemti klimato kaitos, dirbtinis intelektas padeda numatyti, kur pasikeis sąlygos.

Naujas AI įrankis leistų mokslininkams tiksliau prognozuoti Arkties jūros ledo mėnesius ateityje. Pasak mokslininkų, „IceNet“ beveik 95% tiksliai nuspėja, ar jūros ledas bus prieš du mėnesius. Tai vienas iš augančių AI panaudojimo būdų prognozuojant klimato kaitą.

„AI žymiai pagerino sudėtingų klimato modelių, kurie istoriškai buvo intensyvūs skaičiavimams, efektyvumą“, Danielis Intolubbe-Chmil„Harbor Research“ analitikas pasakojo „Lifewire“ interviu el. paštu.

Jokio ledo, ledo, kūdikis

IceNet dirba su didžiuliu iššūkiu sudaryti tikslias Arkties jūros ledo prognozes ateinančiam sezonui. Tyrėjai aprašė, kaip „IceNet“ veikia

naujausias popierius paskelbtas žurnale Nature Communications.

„Arkties regiono oro temperatūra šalia paviršiaus pakilo 2–3 kartus daugiau nei pasaulio vidurkis. reiškinys, žinomas kaip Arkties stiprinimas, kurį sukelia keli teigiami atsiliepimai“, – rašė mokslininkai. „Augstanti temperatūra suvaidino pagrindinį vaidmenį mažinant Arkties jūros ledą, o rugsėjį jūros ledo plotas yra maždaug perpus mažesnis nei 1979 m., kai buvo pradėti palydoviniai Arkties matavimai.

Pasak straipsnio autorių, jūros ledą sunku prognozuoti dėl sudėtingo ryšio su aukščiau esančia atmosfera ir apačioje esančiu vandenynu. Skirtingai nuo įprastų prognozavimo sistemų, kurios bando tiesiogiai modeliuoti fizikos dėsnius, mokslininkai sukūrė „IceNet“ remdamiesi koncepcija, vadinama giliuoju mokymusi. Taikant šį metodą, modelis „išmoksta“, kaip keičiasi jūros ledas iš tūkstančius metų trukusio klimato modeliavimo duomenys, kartu su dešimtmečių stebėjimų duomenimis, siekiant numatyti Arkties jūros ledo mastą per kelis mėnesius ateitis.

„Arktis yra klimato kaitos priekinėje linijoje esantis regionas, kuriame pastebimas didelis atšilimas pastaruosius 40 metų“, – sakė pagrindinis šio straipsnio autorius Tomas Anderssonas, duomenų mokslininkas iš BAS AI Lab. spaudos pranešimas. „IceNet gali užpildyti neatidėliotiną spragą prognozuojant jūros ledą Arkties tvarumo pastangoms ir veikia tūkstančius kartų greičiau nei tradiciniai metodai“.

AI perduoda platų tinklą

Kiti AI simuliatoriai taip pat stebi klimato kaitą. Tyrėjai pasinaudojo Deep emuliatoriaus tinklo paieška pavyzdžiui, siekiant pagerinti suodžių ir aerozolių atspindėjimo ir sugerties saulės šviesą modeliavimą. Tyrimas parodė, kad emuliatorius buvo 2 milijardus kartų greitesnis ir daugiau nei 99,999% identiškas jų fiziniam modeliavimui.

AI ir orų analizė taip pat gali padėti kovoti su klimato kaita, nes tiekimo grandinėje sumažėja išmetamų teršalų kiekis, Renis Vandewege'as, orų prognozių bendrovės DTN viceprezidentas, sakė Lifewire interviu el. paštu.

„Pavyzdžiui, laivyboje, oro sąlygoms optimizuotas maršrutas gali sumažinti išmetamųjų teršalų kiekį iki 4 proc., o degalų sąnaudas sumažinti iki 10 proc. Maršrutai aviacijos pramonėje gali užkirsti kelią nereikalingam maršruto keitimui, kad būtų išvengta blogo oro, arba oro uosto, laukiančio nusileidimo“, – sakė jis. sakė.

Tiksli kelių tinklų prognozė gali sumažinti nereikalingą žiemos kelių apdorojimą, sumažinant kenksmingų cheminių medžiagų skaičių, sakė Vandenwege.

„Užuot tvarkydami visą važiuojamąją dalį, kelių priežiūros ekipažai gali pasirinkti apdoroti pasirinktas vietas išilgai a kelio, kur yra šaltų ruožų, arba jie gali nuspręsti, ar gydymas apskritai reikalingas“, – sakė jis pridėta.

Mašinų mokymasis ir dirbtinio intelekto modeliai vis dažniau naudojami siekiant suprasti CO2 ir metano išmetimą, Marty Bell, orų prognozių bendrovės „WeatherFlow“ vyriausiasis mokslo pareigūnas sakė „Lifewire“ interviu el. paštu.

„Modeliai taip pat didina mūsų atsparumą klimato kaitai, nes padeda mums keisti požiūrį į energijos gamybą ir naudojimą“, – sakė Bellas. „Nors daugelis šių dirbtinio intelekto taikomųjų programų veikia dideliu mastu komunalinių paslaugų energijos paskirstymo sistemose, kitos veikia namų ūkyje. lygis, kuriame ML informuoja DI modelius, įterptus į kasdienius daiktų interneto įrenginius, kurie efektyviau valdo energijos naudojimą namas“.