Kuva NASAn maapallostaKuva NASAn maapallosta

Kun tietokoneet saavat älykkäämpiä, tutkijat tarkastelevat uusia tapoja saada heidät ympäristönsuojeluun.

Kun ajattelet tekoälyä, ensimmäinen kuva, joka todennäköisesti tulee mieleen, on yksi tuntevista robotteista, jotka kulkevat, puhuvat ja emoteivat kuin ihmiset. Mutta siellä on erilainen AI, joka on yleistynyt lähes kaikissa tieteissä. Se tunnetaan koneoppimisena, ja se pyörii tietokoneiden keräämisen tehtäväksi lajitella massiivisten tietomäärien avulla, jotka nykyaikainen tekniikka on mahdollistanut meille (eli ”suuret tiedot”).

Yksi paikoista, joissa koneoppiminen on osoittautunut hyödyllisimmäksi, on ympäristötieteissä, jotka ovat tuottaneet valtavia määriä tietoa maapallon eri järjestelmien seurannasta - esim. Maanalaiset pohjakerrokset, lämpenevä ilmasto tai eläinten siirtyminen. Tässä suhteellisen uudessa kentässä, jota kutsutaan laskennalliseksi kestävyydeksi, on kerätty hanke, joka yhdistää ympäristöstä kerätyt tiedot tietokoneen kykyyn löytää trendejä ja tehdä ennusteita planeettamme tulevaisuudesta. Tämä on hyödyllistä tiedemiehille ja päättäjille, koska se voi auttaa heitä kehittämään suunnitelmia elää ja selviytyä muuttuvassa maailmassamme. Tässä on vain muutama.

Linnuille - ja norsuille

Cornellin yliopisto näyttää johtavan tien tässä uudessa rajalla, todennäköisesti sen vuoksi, että sillä on Laskennallisen kestävän kehityksen instituuttiy ja myös siksi, että instituutin johtaja Carla P. Gomes on yksi laskennallisen kestävyyden edelläkävijöistä. Gomes sanoo, että kenttä alkoi 2008: in ympärillä, kun National Science Foundation myönsi US $ 10 miljoonan euron apurahan tietotekniikan tutkijoiden siirtämiseksi tutkimukseen, jolla oli sosiaalista hyötyä. Sittemmin hänen tiiminsä - ja tutkijoiden joukot kaikkialla maailmassa - ovat ottaneet ajatuksen ja juoksevat sen kanssa.

Yksi tärkeimmistä alueista, jossa koneen oppiminen voi auttaa ympäristöä, on lajin säilyttäminen. Erityisesti Cornell-instituutti on työskennellyt Ornitologian Cornell Labin kanssa yhdistääkseen linnoittajien uskomattoman innostuksen tieteelliseen havaintoon. He ovat kehittäneet sovelluksen, jota kutsutaan eBird joka antaa tavallisille kansalaisille mahdollisuuden toimittaa tietoja niiden havaitsemista linnuista, kuten kuinka monta eri lajia löytyy tietystä sijainnista. Tähän mennessä Gomes sanoo, että heillä on ollut enemmän kuin 300,000in vapaaehtoisia, jotka toimittavat yli 300 miljoonan havainnon, mikä on enemmän kuin 22 miljoonaa tuntia kenttätyötä.


sisäinen tilausgrafiikka


Tämä puu-nielujen vuotuisen muuttoliikkeen animaatio osoittaa, kuinka laskennallisia kestävyystekniikoita voidaan käyttää ennustamaan väestön vaihteluita tilan ja ajan välillä. Kuva: Daniel Fink, Cornell Lab. Ornitologia

Tämä puu-nielujen vuotuisen muuttoliikkeen animaatio osoittaa, kuinka laskennallisia kestävyystekniikoita voidaan käyttää ennustamaan väestön vaihteluita tilan ja ajan välillä. Kuva: Daniel Fink, Cornell Lab. Ornitologia

Yhdistämällä eBirdistä kerätyt tiedot laboratorion omiin havainnointiin liittyvillä tiedoilla ja tiedoilla kaukokartoitusverkostoista kerätyistä lajien jakautumisesta, instituutin mallit käyttävät koneen oppimista ennustamaan, missä elinympäristö muuttuu tietyille lajeille ja polut, joita pitkin linnut liikkuvat muuttoliike.

”On olemassa suuria aukkoja, joissa meillä ei ole havaintoja, mutta jos olet yhteydessä esiintymis- ja poissaolomalleihin, näemme, että nämä linnut ovat tietynlaista elinympäristöä ja sitten voimme yleistää”, Gomes sanoo. ”Käytämme todella kehittyneitä malleja - koneen oppimisen algoritmeja - ennustamaan, miten lintuja jaetaan.”

Sitten he voivat jakaa ennusteensa päättäjien ja suojelijoiden kanssa, jotka voivat käyttää sitä päättääkseen, miten suojella parhaiten lintujen elinympäristöä.

Esimerkiksi Gomes sanoo, että eBirdin kautta kerättyjen ja kumppanuuden käsittelemien tietojen perusteella The Nature Conservancy on perustanut "Käänteinen huutokauppa" kuivuuden kärsineissä osissa Kaliforniassamaksamalla riisin viljelijöille veden säilyttämistä omilla aloillaan, kun linnut todennäköisesti muuttavat ja tarvitsevat pysähdyspaikkaa. ”Tämä on mahdollista vain siksi, että meillä on kehittyneet laskentamallit, jotka antavat meille tarkkaa tietoa siitä, miten lintuja jaetaan”, Gomes sanoo.

Linnut eivät ole ainoa tutkimusalue. Suuri osa instituutin työstä liittyy luonnonvarojen säilyttämiseen - esimerkiksi metsien tallentamisen tuntien kuuntelemiseen, jossa kartoitetaan esimerkiksi elefanttipuhelujen ja salametsäilijöiden ampumapaikat, tai seurataan grizzly-karhuja kehittämään käytävää, jonka avulla he voivat liikkua turvallisesti erämaassa.

PACE: n yläpuolella

NASAn Goddardin avaruuslentokeskuksessa tutkija Cecile Rousseaux käyttää koneen oppimista ymmärtämään paremmin fitoplanktonin (tunnetaan myös mikroalkoina) jakautumista valtameriin. Nämä mikroskooppiset kasvit kelluvat meren pinnalla ja tuottavat suuren osan hapesta, jota hengitämme. Ne muodostavat perustan valtamerien ruokaverkolle. He kuluttavat myös hiilidioksidia, ja kuolemalla ne kuljettavat hiiltä niiden kanssa, kun ne uppoavat merenpohjaan.

”Jos meillä ei olisi fytoplanktonia, näemme enemmän hiilidioksidin kasvua, niin näemme”, Rousseaux sanoo. Tämän vuoksi niiden yleinen tila on olennainen tieto tutkijoille, jotka yrittävät ymmärtää ilmakehän CO: n muutosten vaikutusta2 planeetallamme.

{{youtube}eM5lX9RQzZ4{/youtube}

Rousseaux käyttää satelliittikuvia ja tietokonemallinnuksia ennustamaan maailman valtameren fitoplanktonin nykyisiä ja tulevia olosuhteita. Tällä hetkellä malli pystyy arvioimaan vain maan päällä elävien mikrolevien kokonaismäärää ja sitä, miten tämä kokonaisuus muuttuu ajan mittaan. Mutta uusi satelliittioperaatio kutsuttiin VAUHTI ("Aerosolien ja merien ekosysteemin" osalta), jotka käynnistetään 2022issa, avaavat kokonaan uuden tietokokonaisuuden, joka tarkastelee lähemmin väestöä ja pystyy tunnistamaan erilaisia ​​lajeja sen sijaan, että yksinkertaisesti tarkasteltaisiin kokonaisuudessaan, mikä merkittävästi muuttaa nykyistä mallia.

”Malli käyttää lämpötilaan, valoon ja ravintoaineisiin perustuvia parametreja kertomaan meille kasvun määrän. Yksi asia, jota simulointi tekee, on säätää kokonaismäärää, hän sanoo. Mutta on olemassa eri tyyppisiä fytoplanktonia, jotka kaikki ovat vuorovaikutuksessa ympäristön kanssa ainutlaatuisilla tavoilla. Esimerkiksi piikit ovat suuria, uppoavat merenpohjaan erittäin nopeasti ja tarvitsevat paljon ravinteita. PACE mahdollistaa fopoplanktonityyppien tunnistamisen meren eri osissa, laajentamalla mallin kykyä auttaa meitä ymmärtämään, miten mikro-organismit vaikuttavat ilmakehään CO2. Se antaa meille myös mahdollisuuden tehdä sellaisia ​​asioita, kuten ennustaa vaarallisia leväkukintoja ja selvittää mahdollisia tapoja hyödyntää sellaisten lajien kykyjä, jotka kuluttavat hiiltä suurempiin määriin ilmastonmuutoksen torjumiseksi.

EarthCube

Kansallisesta tiedesäätiöstä puhutaan koko maapallosta, ja se käyttää koneen oppimista luomaan koko planeetan 3-D-elävä malli. EarthCube-niminen digitaalinen esitys yhdistää tiedemiesten toimittamat tietosarjat koko tieteen alalle - esimerkiksi ilmakehän ja hydrosfäärin mittaukset tai valtamerien geokemian - jäljittelemään olosuhteita, jotka ovat pinnan ylä- ja alapuolella. Suuren datamäärän vuoksi kuutio kattaa, se pystyy mallinnamaan erilaisia ​​olosuhteita ja ennustamaan, miten planeetan järjestelmät reagoivat. Tämän tiedon avulla tiedemiehet voivat ehdottaa tapoja välttää katastrofaalisia tapahtumia tai yksinkertaisesti suunnitella niitä, joita ei voida välttää (kuten tulvat tai karkea sää), ennen kuin ne tapahtuvat.

EarthCubeEarthCube yhdistää tietosarjat luomaan mallin, jolla voidaan ennustaa ja minimoida katastrofien aiheuttamat vahingot.
Kuva: Jeanne DiLeo / USGS
Osana EarthCube-projektia USA: n geologinen tutkimuskeskus tekee yhteistyötä kansallisen tiedekehyshankkeen yhteydessä Digital Crust- kehys, joka mahdollistaa tarkemman ja vankemman ymmärryksen maan pintaprosesseista, kuten pohjaveden tasapainosta ja pohjavesijärjestelmien terveydestä. "Voimme suorittaa tieteellisiä laskelmia, jotka osoittavat pohjaveden tasoa ajan myötä, ja voimme kuopata, että tulevia skenaarioita vastaan", sanoo Sky Bristol, USGS: n ja USGS-ryhmän johtajan biogeografisen karakterisoinnin päällikkö EarthCube Digital Crust -hankkeessa .

Koneen oppiminen on myös mukana, kun kahden eri kuutio-osan mallit (kuten kuori ja ilmakehä) ovat vuorovaikutuksessa keskenään, Bristol sanoo. Esimerkiksi, miltä se näyttää, kun pohjaveden uuttaminen lisääntyy ja samalla lämpenemisen ilmapiiri kasvaa samanaikaisesti?

Digital Crust on tarkoitus valmistua tänä kesänä. Digital Crust ja kaikki EarthCube-projektit tekevät tieto- ja ohjelmistolähteensä avoimen lähdekoodin. Joten muutaman vuoden kuluttua kuka tahansa voi käyttää koneen oppimista ennustamaan tulevaisuuden maapallon kaikkia mahdollisuuksia. Ja se tarkoittaa sitä, että geotieteilijät, jotka työskentelevät ymmärtämään maapallon eri järjestelmiä ja miten niiden sisällä tapahtuvat muutokset vaikuttavat ihmiskuntaan, saavat uuden työkalun, jonka avulla he voivat jakaa tietoja keskenään ympäri maailmaa - antamalla ennusteensa enemmän vaikutusta ja antamalla ihmisille mahdollisuuden toimimaan pikemminkin kuin reagoimaan muuttuvaan maailmaamme.

Nämä esimerkit ovat vain pieni osa suurta kuvaa siitä, miten laskennallinen kestävyys voi muuttua - ja muuttuu - kykymme tehdä ihmisen elämästä maan päällä kestävämmäksi. Pelkästään Cornellissa muut tekniikkaa käyttävät hankkeet sisältävät köyhyyden kartoittamisen ja köyhyyden vähentämisen tehokkuuden kehittyneissä maissa, määrittelemällä sadonkorjuupolitiikkojen vaikutuksen merikalastukseen, löytämään uusia materiaaleja, joita voidaan käyttää aurinkoenergian kaappaamiseen. laiva iskee valaiden väestöryhmiin ja valaisee jopa lisääntyneiden bensiiniverojen tehokkuutta ja vaikutuksia Yhdysvalloissa. Jos nykyiset suuntaukset viittaavat mihinkään, voimme odottaa kuulevamme paljon enemmän vuosien varrella siitä, miten keinotekoinen äly auttaa meitä tekemään maailmasta parempi paikka asua pitkällä aikavälillä.

Tämä artikkeli on alun perin ilmestynyt Ensia Katso Ensia-kotisivu

Author

biba erinErin Biba on New Yorkissa toimiva freelance-tieteellinen toimittaja. Hänen työnsä esiintyy säännöllisesti Newsweek, tieteellinen amerikkalainen ja The Mythbusters ' Tested.com.

Aiheeseen liittyvä kirja

at