Музыка Видео Игры
kassel4russian.info
Новая тема Список форумов Kassel4Russian.info - Это всеми любимый и самый лучший сайт в Германии и Украине - eMule, Online, FTP, Forum » Беседка  
Искусственный интеллект - кардинальное изменение климата и о

 antonturov
Добавлено: 01.06.2021 12:04:02   Заголовок сообщения: Искусственный интеллект - кардинальное изменение климата и о#1
Нет состояния





Подарков: 0
Уважений: 0

Группа: Участник K4R
Сообщений: 14
Пользователь №: 16469
Спасибо сказали: 0 раз(а)
Дата регистрации: 16.02.2021
Статус: Offline
Поскольку на планете продолжает нагреваться, последствия изменения климата усиливаются. В 2016 году произошло 772 погодных явления и стихийных бедствий, что в три раза больше, чем в 1980 году. Двадцать процентов видов в настоящее время находятся на грани исчезновения, и это число может вырасти до 50 процентов к 2100 году. И даже если все страны выполнят свои обязательства в отношении климата в Париже, 2100 г., вероятно, средние глобальные температуры будут на 3 ° C выше, чем в доиндустриальные времена. Больше информации на max64.ru.

Но у нас есть новый инструмент, который поможет нам лучше справляться с последствиями изменения климата и защитить планету: искусственный интеллект (ИИ). AI относится к компьютерным системам , которые «может ощущать свое окружение, думать, учиться и действовать в ответ на то , что они чувствуют и их запрограммированные цели» , согласно отчету Всемирного экономического форума, обуздывать искусственный интеллект для на Земле .

В Индии ИИ помог фермерам повысить урожайность арахиса с гектара на 30 процентов, предоставив информацию о подготовке земли, внесении удобрений и выборе сроков посева. В Норвегии ИИ помог создать гибкую и автономную электрическую сеть, интегрирующую больше возобновляемых источников энергии.

ИИ помог исследователям достичь точности от 89 до 99 процентов в идентификации тропических циклонов, погодных фронтов и атмосферных рек, последние из которых могут вызывать сильные осадки, и людям часто трудно определить их самостоятельно. Улучшая прогнозы погоды, эти типы программ могут помочь обезопасить людей.

Что такое искусственный интеллект, машинное обучение и глубокое обучение?

Искусственный интеллект существует с конца 1950-х годов, но сегодня возможности ИИ быстро улучшаются благодаря нескольким факторам: огромным объемам данных, собираемых датчиками (в приборах, транспортных средствах, одежде и т. Д.), Спутниками и Интернетом; разработка более мощных и быстрых компьютеров; наличие программного обеспечения и данных с открытым исходным кодом; и увеличение обильных и дешевых хранилищ. ИИ теперь может быстро распознавать закономерности, недоступные людям, более эффективно делать прогнозы и рекомендовать более эффективные стратегии.

Святой Грааль исследований в области искусственного интеллекта - это общий искусственный интеллект, когда компьютеры смогут рассуждать, абстрагироваться, понимать и общаться, как люди. Но мы все еще далеки от этого - 83000 процессоров за 40 минут требуется для вычисления того, что один процент человеческого мозга может вычислить за одну секунду. Сегодня существует узкий ИИ , который ориентирован на задачи и способен делать некоторые вещи, иногда лучше, чем люди, например, распознавать речь или изображения и прогнозировать погоду. Игра в шахматы и классификация изображений, как при пометке людей в Facebook, являются примерами узкого ИИ.

Когда Netflix и Amazon рекомендуют шоу и продукты на основе нашей истории покупок, они используют машинное обучение . Машинное обучение, которое развилось на основе более раннего ИИ, предполагает использование алгоритмов (наборов правил, которым необходимо следовать для решения проблемы), которые могут учиться на данных. Чем больше данных анализирует система, тем точнее они становятся, поскольку система разрабатывает свои собственные правила, а программное обеспечение развивается для достижения своей цели.

Глубокое обучение , подмножество машинного обучения, включает нейронные сети, состоящие из нескольких слоев соединений или нейронов, очень похожих на человеческий мозг. Каждый уровень имеет отдельную задачу, и по мере прохождения информации нейроны присваивают ей вес в зависимости от ее точности по отношению к назначенной задаче. Окончательный результат определяется суммой весов.

Глубокое обучение позволило компьютерной системе выяснить, как идентифицировать кошку - без участия человека в ее характеристиках - после «просмотра» 10 миллионов случайных изображений с YouTube. Поскольку глубокое обучение, по сути, происходит в «черном ящике» посредством самообучения и развития алгоритмов, ученые часто не знают, как система достигает своих результатов.

Искусственный интеллект меняет правила игры

Microsoft считает, что искусственный интеллект, часто включающий машинное обучение и глубокое обучение, может «изменить правила игры» в решении проблем изменения климата и окружающей среды. В рамках программы AI for Earth в течение пяти лет компания выделила 50 миллионов долларов на создание и тестирование новых приложений для AI. В конечном итоге это поможет расширить масштабы и коммерциализировать наиболее перспективные проекты.

Мария Уриарте из Колумбийского университета, профессор экологии, эволюции и биологии окружающей среды, и Тянь Чжэн, профессор статистики в Институте науки о данных, получили грант Microsoft на изучение воздействия урагана «Мария» на национальный лес Эль-Юнке в Пуэрто-Рико. Уриарте и ее коллеги хотят знать, как тропические штормы, которые могут усугубляться с изменением климата, влияют на распространение древесных пород в Пуэрто-Рико.

Ветры урагана Мария повредили тысячи акров тропических лесов, однако единственный способ определить, какие виды деревьев были уничтожены и которые выдержали ураган в таком большом масштабе, - это использовать изображения. В 2017 году на эстакаде НАСА над Пуэрто-Рико были получены фотографии крон деревьев с очень высоким разрешением. Но как можно отличить один вид от другого, глядя на зеленую массу сверху на такой большой площади? Человеческий глаз теоретически мог бы это сделать, но для обработки тысяч изображений потребовалась бы вечность.

Команда использует искусственный интеллект для анализа фотографий с высоким разрешением и сопоставления их с данными Уриарте - она ​​нанесла на карту и определила каждое дерево на заданных участках. Используя наземную информацию с этих конкретных участков, ИИ может выяснить, как различные виды деревьев выглядят сверху на изображениях эстакады. «Затем мы можем использовать эту информацию для экстраполяции на более крупную территорию», - пояснил Уриарте. «Мы используем данные графика как для обучения [т.е. для обучения алгоритма], так и для проверки [того, насколько хорошо алгоритм работает]».

Понимание того, как распределение и состав лесов меняются в ответ на ураганы, важно, потому что, когда леса повреждены, растительность разлагается и выбрасывает больше CO2 в атмосферу. По мере того, как деревья отрастают, они меньше накапливают углерода, поскольку они меньше. Если изменение климата приведет к более сильным штормам, некоторые леса не восстановятся, будет накапливаться меньше углерода, а в атмосфере останется больше углерода, что усугубит глобальное потепление.

Уриарте говорит, что ее работа была бы невозможна без искусственного интеллекта. «AI собирается произвести революцию в этой области», - сказала она. «Это становится все более важным для всего, что мы делаем. Это позволяет нам задавать вопросы в масштабе, который мы не могли бы задать снизу. Так много всего можно сделать [на земле]… а есть области, которые просто недоступны. Перелеты и инструменты искусственного интеллекта позволят нам изучать ураганы совершенно по-другому. Это супер захватывающе ».

Другой проект Университета Южной Калифорнии под названием Protection Assistant for Wildlife Security (PAWS) использует машинное обучение, чтобы предсказать, где может произойти браконьерство в будущем. В настоящее время алгоритм анализирует прошлые патрули рейнджеров и поведение браконьеров на основе данных о преступности; грант Microsoft поможет научить его использовать данные в реальном времени, чтобы рейнджеры могли улучшить свое патрулирование.

В штате Вашингтон организация Long Live the Kings пытается восстановить сокращающиеся популяции сталеголового и лосося. С помощью гранта Microsoft организация улучшит модель экосистемы, которая собирает данные о росте лосося и стальной головы, отслеживает перемещения рыб и морских млекопитающих и отслеживает морские условия. Модель поможет улучшить управление инкубаторием, выловом и экосистемой, а также поддержит усилия по защите и восстановлению среды обитания.

Как ИИ используется для получения энергии

ИИ все чаще используется для управления перебоями в возобновляемой энергии, чтобы в сеть можно было включить больше; он может справляться с колебаниями мощности, а также улучшать накопление энергии.

Национальная ускорительная лаборатория SLAC Министерства энергетики, управляемая Стэнфордским университетом, будет использовать машинное обучение и искусственный интеллект для выявления уязвимостей в энергосистеме, их усиления до сбоев и более быстрого восстановления питания в случае сбоев. Система сначала изучит часть сети в Калифорнии, проанализируя данные из возобновляемых источников энергии, аккумуляторов и спутниковые снимки, которые могут показать, где деревья, растущие над линиями электропередач, могут вызвать проблемы во время шторма. Цель состоит в том, чтобы разработать сеть, которая может автоматически управлять возобновляемой энергией без перебоев и восстанавливаться после сбоев системы с минимальным участием человека.

Ветряные компании используют искусственный интеллект, чтобы заставить пропеллер каждой турбины производить больше электроэнергии за один оборот за счет включения погодных и эксплуатационных данных в реальном времени. На больших ветряных электростанциях гребные винты передних рядов создают след, снижающий эффективность движущихся позади них. ИИ позволит каждому пропеллеру определять скорость и направление ветра, исходящие от других винтов, и соответствующим образом регулировать.

Исследователи из Министерства энергетики и Национального управления океанических и атмосферных исследований (NOAA) используют ИИ, чтобы лучше понимать атмосферные условия и более точно прогнозировать выработку энергии ветряными электростанциями.

Искусственный интеллект также может повысить энергоэффективность. Google использовал машинное обучение, чтобы помочь предсказать, когда энергия ее центров обработки данных будет наиболее востребована. Система проанализировала и спрогнозировала, когда пользователи, например, с наибольшей вероятностью будут смотреть видео на Youtube, требующие сбора данных, и затем могла оптимизировать необходимое охлаждение. В результате Google сократил потребление энергии на 40 процентов.

Делаем города более пригодными для жизни и устойчивыми

Искусственный интеллект также может повысить энергоэффективность в масштабах города за счет включения данных со смарт-счетчиков и Интернета вещей (Интернет вычислительных устройств, которые встраиваются в повседневные объекты и позволяют им отправлять и получать данные) для прогнозирования спроса на энергию. Кроме того, системы искусственного интеллекта могут моделировать потенциальные законы о зонировании, строительные постановления и поймы, чтобы помочь с городским планированием и подготовкой к стихийным бедствиям. Одно из видений устойчивого города - создать «городскую информационную панель», состоящую из данных в реальном времени об использовании и доступности энергии и воды, дорожном движении и погоде, чтобы сделать города более энергоэффективными и пригодными для жизни.

В Китае проект IBM Green Horizon использует систему искусственного интеллекта, которая может прогнозировать загрязнение воздуха, отслеживать источники загрязнения и разрабатывать потенциальные стратегии борьбы с ним. Он может определить, например, было бы более эффективным ограничить количество водителей или закрыть определенные электростанции, чтобы уменьшить загрязнение в определенной области.

Другая разрабатываемая IBM система может помочь городам спланировать будущую жару. ИИ будет моделировать климат в городском масштабе и изучать различные стратегии, чтобы проверить, насколько хорошо они смягчают волны тепла. Например, если город хочет посадить новые деревья, модели машинного обучения могут определить лучшие места для их посадки, чтобы обеспечить оптимальный укрытие для деревьев и уменьшить тепло от тротуара.




Последний раз редактировалось: 01.06.2021 12:04:36
Вернуться к началу Пожаловаться на это сообщение Сказать спасибо
Сделать подарокЛичный кабинетЛичное сообщениеЦитата
Список форумов Kassel4Russian.info - Это всеми любимый и самый лучший сайт в Германии и Украине - eMule, Online, FTP, Forum » Беседка
 
Новая тема
Страница: 1 из 1 Вы можете просматривать темы
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать сообщения
Вы не можете удалять сообщения
Вы не можете модерировать этот форум


Главная | Форум | Рекомендовать | Обратная связь
Copyright ©2007-2008 by Kasseler CMS. All rights reserved
License: Kassel4Russian
Designed by CENTROARTS.com