A robbanásszerűen fejlődő mesterséges intelligencia alkalmazása új távlatokat nyit az üvegházhatású gázok kibocsátásának csökkentésében. A klímaváltozáshoz való alkalmazkodásban is óriási segítséget nyújthat, de negatív hatása is lehet a környezetre.
Az éghajlatváltozás hatására várható fordulópontokat előre jelezni képes mesterséges intelligencia kifejlesztésén dolgoznak egy egyetemközi kutatásban részt vevő tudósok. Az eddigi eredmények ígéretesek. A megoldás egyfajta korai figyelmeztető rendszerként működhet a klímaváltozáshoz való alkalmazkodás érdekében. Sőt a remények szerint akár a nemkívánatos változások megelőzéséhez is hozzájárulhat, mivel az új algoritmus nemcsak arra képes, hogy a meglévő megoldásoknál pontosabb előrejelzéseket adjon, hanem arra is, hogy információkat nyújtson a fordulópontokat követő várható állapotokról.
A kutatás a természetes idegrendszereket másoló mesterséges neurális hálózatokat alkalmazó mély gépi tanuláson alapul. Azokat a küszöbértékeket vizsgálja, amelyeken túl gyors vagy visszafordíthatatlan változás történik egy rendszerben, beleértve a rendszer esetleges összeomlását is. A gyorsuló klímaváltozással összefüggésben számos olyan folyamat figyelhető meg, amely ilyen fordulópontot eredményezhet. Ilyen például a sarkvidéki fagyott területek (a permafroszt) olvadása, ami nagy mennyiségű metánt felszabadítva tovább fokozhatja a globális felmelegedést. Ilyen az óceáni áramlási rendszerek megváltozása vagy összeomlása, ami az időjárási mintázatok szintén azonnali átalakulását vonhatja maga után. Vagy ilyen a jégsapkáknak a tengerszint gyors emelkedését előidéző olvadása is.
Csökkenteni a sebezhetőséget
Az új algoritmus jelentőségét az adja, hogy nemcsak egy bizonyos jelenség, hanem általánosságban a fordulópontok karakterisztikájának megismerésére lett programozva. Ezt a mesterséges intelligencia és a fordulópontokra vonatkozó matematikai elméletek erényeit ötvöző megközelítés tette lehetővé. A kutatók számos különböző rendszeren tesztelték az új megoldást, beleértve a historikus éghajlati mintákat is.
A veszélyes fordulópontok előrejelzésével az új módszer hozzájárulhat a társadalmak klímaváltozáshoz való alkalmazkodásához, ezzel csökkentve sebezhetőségüket. A fordulópontok és a hozzájuk vezető folyamatok általános jellemzőinek, mintáinak felismerésével pedig az új metódus a legkülönbözőbb komplex rendszerekre képes előrejelzéseket gyártani, az ökológiától a járványtanon át a tőkepiacokig. Az alkotók szerint az új mély tanulási algoritmus sorsfordító lehet a nagy változások előrejelzésében.
Megszűnő vakfoltok
A klímaváltozás hatásainak előrejelzésére már ezt megelőzően is számos olyan eszközt fejlesztettek ki, amelyek a mesterséges intelligenciára támaszkodnak. A közelmúltban például az északi-sarki tengeri jég szezonális változásait a korábbiaknál jóval pontosabban és gyorsabban prognosztizáló új rendszerről számolt be egy nemzetközi kutatócsoport. Az IceNet névre keresztelt eszköz a műholdas adatok alapján közel 95%-os pontossággal képes két hónappal előre jelezni a jéggel borított terület várható alakulását. A terv szerint az időjárás-előrejelzésekhez hasonlóan hamarosan nyilvánosan is elérhető fejlesztés jelentősen javíthatja a szezonális tengeri jégciklustól függő sarkvidéki élővilág és a helyi közösségek védelmét a jégveszteség káros hatásaitól.
Egy másik friss tengerentúli fejlesztés a hurrikán-előrejelzések pontosságát javítja. Bár az előrejelző modellek eddig is képesek voltak meghatározni, hogy várhatóan mikor, hol és milyen erővel csapnak le a hurrikánok, erejük hirtelen fokozódását a legjobb modellek sem tudták prognosztizálni. Az új modell a mély gépi tanulásnak köszönhetően – ugyanazon adatok alapján, mint amelyeket a jelenleg alkalmazott eljárásokban használnak – jóval pontosabb előrejelzéseket készít, megszüntetve az említett vakfoltot is. A prognózisok rövid távra és a jövőbeli klímaszcenáriókra vonatkozóan egyaránt jobban „ülnek”, ráadásul a technika egy egyszerű laptopon is fut.
Kapcsolódó bejegyzések
Megkezdte munkáját az óceánok szeme
Tegnap továbbította első megfigyeléseit a NASA és az Európai Űrügynökség (ESA) által közösen fejlesztett Sentinel 6B műhold, mely az óceánok kulcsfontosságú jellemzőit fogja figyelni küldetése során.
A klímatudomány kulcsfontosságú eszköze
A klímamodellek és a 2010-es évek közepe óta robbanásszerűen fejlődő gépi tanulás, illetve ezek együttes alkalmazása, „hibridje” teljesen új eszközt adnak a klímaváltozás elleni fellépéshez. Azokkal a korábbi modellekkel szemben, amelyek explicit és előre meghatározott szabályokat követnek, a gépi tanulás olyan rendszerek kiépítését célozza, amelyek az adatmintákból tanulva képesek maguk következtetni a szabályokra. Ennek eredményeképpen az elmúlt években egy új klímakutatási irányvonal jelent meg. Ez a megfigyelések és az éghajlati modellek használatának kiegészítését, kiterjesztését célozza, vagyis tulajdonképpen a klímakutatás és az előrejelzések tökéletesítését.
A klímamodellek önmagukban is hatalmas fejlődésen mentek át az elmúlt évtizedekben. A legutóbbi nagy mérföldkövet az úgynevezett biogeokémiai ciklusok (a vegyi anyagok élőlények és környezetük közötti átvitele), illetve ezek éghajlati rendszerrel való kölcsönhatásának beemelése jelentette. Ezek a Földrendszer-modellek (ESM-ek, Earth System Model) tovább javítják a várható klímaviszonyok előrejelezhetőségét. Az újabb és újabb folyamatok és adatok hozzáadása egyúttal egyre nagyobb és összetettebb modelleket is eredményez. Az ESM-eket alkotó folyamatok nem kizárólag alapvető törvényszerűségekkel leírható egyenletekre épülnek, hanem megfigyeléseken alapuló becslésekre is. Ez, illetve a Föld komplexitásából adódó egyéb bizonytalanságok pedig limitálják a klímamodellek pontosságát, például a szélsőséges események súlyosságát és gyakoriságát, illetve a fordulópontokat tekintve.
És itt jön képbe a gépi tanulás, amely az adatok osztályozásával és elemzésével képes feltárni a változók közötti mintákat és összetett kapcsolatokat. A mesterséges intelligencia így szélsebesen a klímatudomány kulcsfontosságú eszközévé vált, azzal együtt, hogy a „tanulás” és a „mesterséges intelligencia” fogalmak jelentésének ellenére a mai gépi tanulási alkalmazások esetében még távolról sem beszélhetünk valódi intelligenciáról. Valójában pontosabb olyan különleges algoritmusokról beszélni, amelyeket specifikus problémáknak a megoldására képeztek ki a rendelkezésre bocsátott adatok alapján.
Problémamegoldás és -forrás
A mesterséges intelligenciának egy sor kihívás megoldásában kulcsfontosságú szerepe lehet. Így az egyre több megújulót magába foglaló energiahálózat rugalmasságának biztosításában is, a kínálat és a kereslet kiegyensúlyozásával. A korábbinál pontosabb előrejelzéseket lehetővé tevő mesterséges intelligencia – egyfajta svájci bicskaként – számos egyéb módon is bevethető a klímaváltozás elleni harcban, például a Dolgok Internetével (IoT) kombinálva. Így képes mérni és érdemben csökkenteni (okos)városok és intézmények üvegházhatásúgáz-kibocsátását, hulladéktermelését és anyaghasználatot, de lehetővé teszi a klímaváltozás elleni fellépést támogató innovatív üzleti modellek bevezetését is.
Kapcsolódó bejegyzések
Veszélyt jelenthet ránk a mesterséges intelligencia?
Egyre többen aggódnak amiatt, hogy az gyors tempóban fejlődő MI idővel elszabadulhat, és megállíthatatlanná válik.
A felsorolás folytatható… A mesterséges intelligencia alkalmazásával mérsékelhető a feldolgozóipari folyamatok karbonlábnyoma. Optimalizálható a logisztika, például a teherszállító hajók útvonala és üzemanyag-fogyasztása. A várostervezők pedig a klímaváltozáshoz való alkalmazkodás szempontjait jobban figyelembe vevő terveket készíthetnek. De a mesterséges intelligenciát hívják segítségül a klímaváltozásnak ellenálló, fenntartható növénytermesztés módszereinek kidolgozásához is. Alkalmazásával korai szakaszukban észlelhetők az erdőirtások, és a légi felvételek alapján azonosítható az óceánokat szennyező műanyag hulladék is.
A mesterséges intelligenciának azonban nemcsak pozitív, hanem negatív hatása is lehet a környezetre. Azontúl, hogy például a fosszilisenergia-iparág sikerességét is képes támogatni, a mesterséges intelligenciának saját karbonlábnyoma is van, amely akár jelentős nagyságú is lehet. Mivel a mesterséges intelligencia szerepe egyre növekszik, egyáltalán nem mellékes szempont, hogy az adattudósok a lehető „legzöldebb” döntéseket hozzák meg a teljes ellátási láncot figyelembe véve. Az előbbiek ismeretében szinte természetesnek tekinthető, hogy már létezik olyan nyílt forráskódú eszköz is, amely kifejezetten a mesterséges intelligencia lábnyomának felmérésében segíti a szervezeteket.
