Atslēgas līdzņemšanai
- AI modeļi var palīdzēt prognozēt klimata pārmaiņas, saka eksperti.
- Jauns AI rīks IceNet varētu ļaut zinātniekiem precīzi prognozēt Arktikas jūras ledus dziļumu.
-
AI un laikapstākļu analīze arī var palīdzēt cīnīties pret klimata pārmaiņām, samazinot emisijas piegādes ķēdē.
Tā kā pieaug pierādījumi, ka šovasar ekstremālos laikapstākļus ir izraisījušas klimata pārmaiņas, mākslīgais intelekts palīdz prognozēt, kur apstākļi mainīsies.
Jauns AI rīks varētu ļaut zinātniekiem precīzāk prognozēt Arktikas jūras ledus mēnešus nākotnē. IceNet ir gandrīz 95% precīzs, prognozējot, vai jūras ledus būs divus mēnešus uz priekšu, norāda pētnieki. Tas ir viens no pieaugošajiem mākslīgā intelekta lietojumiem klimata pārmaiņu prognozēšanā.
"AI ir ievērojami uzlabojis sarežģītu klimata modeļu darbības efektivitāti, kas vēsturiski ir bijuši skaitļošanas ziņā intensīvi," e-pasta intervijā Lifewire teica Daniels Intolubbe-Chmils, Harbor Research analītiķis.
Nav ledus, ledus, mazulīt
IceNet strādā pie milzīgā izaicinājuma – izveidot precīzas Arktikas jūras ledus prognozes nākamajai sezonai. Pētnieki aprakstīja, kā darbojas IceNet, nesen publicētajā rakstā žurnālā Nature Communications.
"Gaisa temperatūra pie virsmas Arktikā ir paaugstinājusies divas līdz trīs reizes ātrāk nekā vidēji pasaulē; šo parādību sauc par Arktikas pastiprināšanos, ko izraisa vairākas pozitīvas atsauksmes," raksta pētnieki. "Temperatūras paaugstināšanās ir spēlējusi galveno lomu Arktikas jūras ledus samazināšanā, un septembrī jūras ledus apjoms šobrīd ir aptuveni uz pusi mazāks nekā 1979. gadā, kad sākās Arktikas satelītu mērījumi."
Jūras ledu ir grūti prognozēt, jo tā sarežģītās attiecības ar atmosfēru augšpusē un okeānu lejā, norāda dokumenta autori. Atšķirībā no tradicionālajām prognozēšanas sistēmām, kas mēģina tieši modelēt fizikas likumus, pētnieki izstrādāja IceNet, pamatojoties uz koncepciju, ko sauc par dziļo mācīšanos. Izmantojot šo pieeju, modelis "uzzina", kā mainās jūras ledus, izmantojot tūkstošiem gadu klimata simulācijas datus, kā arī gadu desmitiem ilgus novērojumus, lai prognozētu Arktikas jūras ledus apjomu nākotnē.
"Arktika ir reģions, kas atrodas klimata pārmaiņu frontes līnijā, un pēdējo 40 gadu laikā tā ir piedzīvojusi ievērojamu sasilšanu," ziņojumā sacīja pētījuma galvenais autors Toms Andersons, BAS AI laboratorijas datu zinātnieks. atbrīvot. "IceNet ir potenciāls aizpildīt steidzamu plaisu jūras ledus prognozēšanā Arktikas ilgtspējības centieniem, un tas darbojas tūkstošiem reižu ātrāk nekā tradicionālās metodes."
AI pārraida plašu tīklu
Citi AI simulatori arī seko līdzi klimata pārmaiņām. Pētnieki ir izmantojuši Deep Emulator Network Search tehniku, piemēram, lai uzlabotu simulāciju par to, kā kvēpi un aerosoli atspoguļo un absorbē saules gaismu. Pētījumā atklājās, ka emulators bija 2 miljardus reižu ātrāks un par vairāk nekā 99,999% identisks to fiziskajai simulācijai.
AI un laikapstākļu analītika arī var palīdzēt cīnīties ar klimata pārmaiņām, samazinot emisijas piegādes ķēdē, e-pasta intervijā Lifewire sacīja Rennijs Vandevigs, laikapstākļu prognozēšanas uzņēmuma DTN viceprezidents.
"Piemēram, kuģniecībā laikapstākļiem optimizēta maršrutēšana var samazināt emisijas līdz 4% un degvielas patēriņu līdz 10%, savukārt laikapstākļu maršrutēšana aviācijas nozarē var novērst nevajadzīgu maršruta maiņu, lai izvairītos no sliktiem laikapstākļiem, vai riņķojot pa lidostu, gaidot nosēšanos," viņš teica.
Precīza ceļu tīklu prognozēšana var samazināt nevajadzīgu ziemas ceļu apstrādi, samazinot kaitīgo ķīmisko vielu skaitu, sacīja Vandenvēge.
"Tā vietā, lai apstrādātu visu brauktuvi, ceļu uzturētāju brigādes var izvēlēties apstrādāt noteiktas vietas uz ceļa, kur ir aukstuma ceļa posmi, vai arī izlemt, vai ārstēšana vispār ir nepieciešama," viņš piebilda.
Mašīnmācību un mākslīgā intelekta modeļus arvien vairāk izmanto, lai palīdzētu izprast CO2 un metāna emisijas, e-pasta intervijā Lifewire pastāstīja Mārtijs Bells, laikapstākļu prognozēšanas uzņēmuma WeatherFlow galvenais zinātnieks.
"Modeļi arī palielina mūsu noturību pret klimata pārmaiņām, palīdzot mums mainīt mūsu pieeju enerģijas ražošanai un izmantošanai," sacīja Bels. "Lai gan daudzas no šīm mākslīgā intelekta lietojumprogrammām plašā mērogā darbojas komunālo pakalpojumu enerģijas sadales sistēmās, citas darbojas mājsaimniecību līmenī, kur ML informē AI modeļus, kas ir iegulti ikdienas lietu interneta ierīcēs, kas efektīvāk pārvalda enerģijas patēriņu mājā."
