Зображення Землі НАСАЗображення Землі НАСА

У міру того, як комп’ютери стають розумнішими, вчені шукають нові способи залучити їх до охорони навколишнього середовища.

Коли ви думаєте про штучний інтелект, перше зображення, яке, ймовірно, спадає на думку - це розумові роботи, які ходять, розмовляють та емоційно люблять людей. Але є інший вид ШІ, який стає поширеним майже у всіх науках. Він відомий як машинне навчання, і він обертається навколо залучення комп’ютерів до завдання сортування величезних обсягів даних, які сучасні технології дозволили нам генерувати (він же “великі дані”).

Одне з місць, де машинне навчання виявляється найвигіднішим, - це науки про навколишнє середовище, які отримали величезну кількість інформації за допомогою моніторингу різних систем Землі - підземних водоносних горизонтів, потепління клімату або міграції тварин, наприклад. У цій порівняно новій галузі, яка називається обчислювальною стійкістю, з'являється безліч проектів, які поєднують зібрані дані про навколишнє середовище зі здатністю комп'ютера виявляти тенденції та робити прогнози щодо майбутнього нашої планети. Це корисно для вчених та політиків, оскільки може допомогти їм розробити плани, як жити та виживати у нашому мінливому світі. Ось погляньте лише на деякі.

Для птахів - і слонів

Корнельський університет, здається, є провідним на цьому новому кордоні, ймовірно тому, що він має Інститут обчислювальної стійкостіy, а також тому, що керівник цього інституту, Карла П. Гомес, є однією з піонерів обчислювальної сталості. Гомес каже, що ця сфера розпочалася приблизно у 2008 році, коли Національний науковий фонд присудив грант у розмірі 10 мільйонів доларів США, щоб залучити комп’ютерних вчених до досліджень, що мали соціальну користь. З тих пір її команда - і команди вчених у всьому світі - сприйняли цю ідею і працювали з нею.

Однією з основних сфер, де машинне навчання може допомогти навколишньому середовищу, є збереження видів. Зокрема, інститут Корнелла співпрацює з Корнельською лабораторією орнітології, щоб поєднати неймовірну завзяття птахів з науковими спостереженнями. Вони розробили додаток під назвою електронний птах що дозволяє звичайним громадянам подавати дані про птахів, яких вони спостерігають навколо них, наприклад, скільки різних видів можна знайти в певному місці. Наразі, за словами Гомеса, понад 300,000 300 добровольців подали понад 22 мільйонів спостережень, що становить понад XNUMX мільйонів годин польових робіт.


Innersele підписатися графіка


Ця анімація щорічної міграції ластівок дерев показує, як методи обчислювальної стійкості можна використовувати для прогнозування коливань населення у просторі та часі. Зображення Деніела Фінка, Cornell Lab. орнітології

Ця анімація щорічної міграції ластівок дерев показує, як методи обчислювальної стійкості можна використовувати для прогнозування коливань населення у просторі та часі. Зображення Деніела Фінка, Cornell Lab. орнітології

Поєднуючи дані, зібрані з eBird, з даними власних спостережень лабораторії та інформацію про поширення видів, зібрану з мереж дистанційного зондування, моделі інституту використовують машинне навчання, щоб передбачити, де відбуватимуться зміни у середовищі існування певних видів та шляхи, по яких будуть рухатися птахи під час міграції.

"Є великі прогалини, коли ми не маємо спостережень, але якщо ви порівнюєте закономірності зустрічі та відсутності, ми бачимо, що цим птахам подобається певний вид середовища проживання, і тоді ми можемо узагальнити", - каже Гомес. "Ми дійсно використовуємо складні моделі - алгоритми машинного навчання - для прогнозування розподілу птахів".

Потім вони можуть поділитися своїми прогнозами з політиками та природоохоронцями, які можуть використовувати це для прийняття рішень про те, як найкраще захистити середовище існування птахів.

Наприклад, Гомес каже, що на основі інформації, зібраної через eBird та обробленої партнерством, The Nature Conservancy створила «Зворотний аукціон» у уражених посухою районах Каліфорнії, платячи рисоводам за утримання води на своїх полях, коли птахи, ймовірно, мігрують і потребують місця проживання. "Це можливо лише тому, що у нас є вдосконалені обчислювальні моделі, які дають нам високоточну інформацію про те, як розподіляються птахи",-говорить Гомес.

Птахи - не єдиний напрямок досліджень. Значна частина роботи інституту пов’язана із збереженням дикої природи - прослуховуванням годин лісових записів, щоб відобразити місцезнаходження дзвінків слонів та пострілами браконьєрів, наприклад, або стеженням за ведмедями грізлі для створення коридору, за допомогою якого вони можуть безпечно пересуватися по пустелі.

Підняття ПАРЄ

У Центрі космічних польотів НАСА Годдар науковий співробітник Сесіль Руссо використовує машинне навчання, щоб краще зрозуміти поширення фітопланктону (також відомого як мікроводорості) в Світовому океані. Ці мікроскопічні рослини плавають на поверхні морів і виробляють велику кількість кисню, яким ми дихаємо. Вони складають основу океанічної харчової мережі. Вони також споживають вуглекислий газ, а коли вмирають, несуть вуглець із собою, опускаючись на дно океану.

"Якби у нас не було фітопланктону, ми б побачили більший приріст вуглекислого газу, тоді ми це бачимо", - говорить Руссо. Через це їх загальний стан є важливою інформацією для дослідників, які намагаються зрозуміти вплив змін атмосферного CO2 на нашій планеті.

{{youtube}eM5lX9RQzZ4{/youtube}

Руссо використовує супутникові знімки та комп'ютерне моделювання для прогнозування поточних та майбутніх умов світового океанічного фітопланктону. На даний момент модель може оцінити лише загальну кількість мікроводоростей, що живуть на Землі, і те, як ця сума змінюється з плином часу. Але зателефонувала нова супутникова місія ПАРЄ (для "Доаерозольних хмар та океанічної екосистеми"), запущений у 2022 році, відкриє цілий новий набір даних, який більш уважно розгляне популяцію та зможе ідентифікувати різні види, а не просто дивитися на ціле, що істотно змінити поточну модель.

«Модель використовує параметри, що ґрунтуються на температурі, освітленні та поживних речовинах, щоб повідомити нам кількість зростання. Єдине, що робить симуляція, - це коригувати загальну суму », - каже вона. Але існує безліч різних типів фітопланктону, які взаємодіють із навколишнім середовищем унікальним чином. Діатомові водорості, наприклад, великі, дуже швидко опускаються на дно океану і потребують великої кількості поживних речовин. PACE дозволить ідентифікувати типи фітопланктону в різних частинах океану, розширивши можливості моделі, щоб допомогти нам зрозуміти, як мікроорганізми впливають на атмосферний CO2. Це також дозволить нам робити такі дії, як передбачення небезпечного цвітіння водоростей і потенційно з'ясувати способи залучення талантів видів, які споживають вуглець у більшій кількості для боротьби зі зміною клімату.

EarthCube

Говорячи про Землю в цілому, Національний науковий фонд використовує машинне навчання для створення тривимірної живої моделі всієї планети. Цифрове представлення під назвою EarthCube об’єднує набори даних, надані вченими з цілого ряду дисциплін - наприклад, вимірювання атмосфери та гідросфери чи геохімії Світового океану - для імітації умов на поверхні, над та під поверхнею. Через величезну кількість даних, які буде охоплювати куб, він зможе моделювати різні умови та прогнозувати реакцію систем планети. І маючи цю інформацію, вчені зможуть запропонувати способи уникнути катастрофічних подій або просто спланувати ті, яких неможливо уникнути (наприклад, повені або негоди) до їх настання.

EarthCubeEarthCube об'єднує набори даних для створення моделі, яка може бути використана для прогнозування та мінімізації збитків, спричинених катастрофічними подіями.
Зображення Жанні ДіЛео/USGS
У рамках проекту EarthCube Геологічна служба США співпрацює над проектом Національної наукової рамки для створення Цифрова корочка, рамки, яка дозволить більш точно і надійно зрозуміти процеси надр на Землі, такі як баланс ґрунтових вод та стан водоносних систем. "Ми зможемо проводити наукові розрахунки, які показують рівень ґрунтових вод з плином часу, і ми можемо це зіставити з майбутніми сценаріями", - каже Скай Брістоль, начальник відділу біогеографічної характеристики в USGS та керівник групи USGS у проекті EarthCube Digital Crust. .

Машинне навчання також починається, коли дві моделі з різних частин куба (таких як кора та атмосфера) повинні взаємодіяти між собою, говорить Брістоль. Наприклад, як це виглядає, коли одночасно збільшується видобуток підземних вод, а також збільшується потепління клімату?

Планується, що Цифрова кора буде завершена цього літа. Digital Crust та всі проекти EarthCube роблять свої дані та програмне забезпечення відкритим. Отже, протягом кількох років будь -хто зможе використовувати машинне навчання для прогнозування всіх можливостей майбутньої Землі. А це означає, що вчені -геологи, які працюють над тим, щоб зрозуміти різні системи Землі та те, як зміни всередині них вплинуть на людство, матимуть новий інструмент, який дозволить їм обмінюватися даними один з одним з усього світу - даючи своїм прогнозам більший вплив і даючи людям можливість діяти, а не реагувати на наш мінливий світ.

Ці приклади є лише маленькою частиною загальної картини того, як стійкість обчислень може змінити - і змінюється - нашу здатність зробити життя людини на Землі більш стійким. Тільки в Корнелі інші проекти, що використовують цю технологію, включають картографування областей бідності та ефективності подолання бідності у розвинених країнах, визначення впливу політики збирання врожаю на океанське рибальство, відкриття нових матеріалів, які можна використовувати для збору сонячної енергії, визначення впливу кораблі завдають ударів по популяціям китів і навіть проливають світло на ефективність та наслідки збільшення податків на бензин у США. краще місце для довготривалого проживання.

Ця стаття спочатку з'явилася на Ensia Переглянути домашню сторінку Ensia

про автора

Біба ЕрінЕрін Біба - незалежний журналіст із Нью -Йорка. Її роботи регулярно з'являються в Росії Newsweek, Scientific American і Розгром міфів Tested.com.

Пов'язана книга

at

перерву

Дякуємо за відвідування InnerSelf.com, де є 20,000 + статті, що змінюють життя, пропагуючи «Нові погляди та нові можливості». Усі статті перекладено на 30+ мов. Підписуватися для журналу InnerSelf, що виходить щотижня, та щоденного натхнення Марі Т. Рассел. Журнал InnerSelf видається з 1985 року.