DeepMind Вятър Прогнози: 4 начина A.I. Сега спасява околната среда

Човешката дейност на Земята е пагубно засегнала климата на Земята, което е довело до разтапяне на цели нации, изчезване на животните и потенциално изчезване на облаците. Но има вероятност сериозността на изменението на климата да може да бъде смекчена, ако действаме бързо и използваме други човешки изобретения: изкуствен интелект.

Базираната в Лондон, A.I. дъщерното дружество DeepMind обяви тази седмица последното си постижение, използвайки машинно обучение, за да направи вятърната енергия по-ценна за електрическата мрежа. Алгоритъмът на компанията успя да предскаже колко енергия ще генерират вятърните си турбини 36 часа преди време, обясняват от компанията в блог пост. Това ще позволи на вятърните паркове да доставят точни количества енергия, за да отговорят на търсенето на електроенергия.

DeepMind прилага своя A.I. до 700 мегавата вятърна мощност в Средния Запад. Алгоритъмът беше обучен за прогнозите за времето и данните от миналите турбини, за да се предскаже изходната мощност. Google заяви, че усилията му са подобрили стойността на тези вятърни паркове с 20 процента.

Предоставянето на вятърни паркове на способността за вземане на решения, основани на данни, е малка стъпка към намаляване на зависимостта от въглища и изкопаеми горива. А.С. има голям потенциал да даде на учените, фермерите и инженерите по-добро разбиране на ефектите от изменението на климата и обработва огромни набори от данни в един миг. Той може да забележи модели, при които хората първоначално виждат разбъркани числа и може да предостави точната информация, която учените трябва да предприемат решително.

Институцията Брукингс и Световният икономически форум публикуваха доклади за това как A.I. могат да бъдат използвани за намаляване на влиянието на изменението на климата в последно време и много от тях вече са били изпълнени до известна степен.

4. Големите данни от метеорологичните прогнози правят слънчевите панели по-изгодни

Съобщението на Google е началото на интелигентното разпределение на енергията, което ще направи големите играчи на вятърни и слънчеви ферми в глобалната електрическа мрежа. Наличните данни за прогнозата за времето могат да бъдат използвани, за да се оцени точно колко вятър ще духа и колко слънчево ще бъде всеки ден.

DeepMind е пример за това как това може да се използва за вятърни паркове, а Дейвид Виктор, съпредседател на инициативата Cross-Brookings за енергия и климат, дава пример за това как може да се използва за слънчева енергия.

„По-добри прогнози за деня напред и час напред, как облаците и други метеорологични форми влияят на слънчевата енергия“, пише той. "По-добрите прогнози могат да направят по-лесно и по-изгодно за участие на слънчевите генератори в пазарите на електроенергия."

3. Моделиране на климата предлага изключително дългосрочни прогнози

Учените по време и климат постоянно събират данни за това какво е и какво ще бъде засегнато от променящия се климат на Земята. Състоянието на озоновия слой, повишаването на морското равнище и температурата на световните океани са старателно проследявани и публикувани. А.С. могат да вземат тези цифри и да ги трансформират в инструменти.

Алгоритмите за машинно обучение захранват числата и колкото повече данни имат тези алгоритми, толкова повече прогнози могат да се правят и могат да бъдат открити повече скрити модели. Обединяването на наличните днес климатични данни може да създаде насоки, които да позволят на учените, инженерите и обикновените хора да знаят какво трябва да се направи първо, за да се забави изменението на климата.

В доклада на WEF се посочва, че използването на A.I. създаването на модели на данни може да помогне на експертите да разберат какво е най-висок приоритет в момента и да дадат на гражданите по-добро разбиране за това колко лоша е промяната на климата.

„Масивите от данни изискват значителна високопроизводителна изчислителна мощ и ограничават достъпността и използваемостта за научните общности и общностите за вземане на решения“, заявява WEF. "А.С. може да реши тези предизвикателства, като увеличи както производителността на времето и моделирането на климата, така и да го направи по-достъпен и използваем за вземане на решения."

3. Данните в реално време ще информират бъдещите земеделски производители

Невероятната способност на А.И. да анализира почти безкрайно количество числа може да се използва за автономно земеделие. Геоложките данни могат да разберат какви алгоритми могат да се отглеждат в дадена област и в реално време могат да се събират данни за културите, за да се открият всякакви проблеми по време на растежа.

Селското стопанство вече е доминирано от машини и може един ден да бъде напълно управлявано от машини. Тези роботи могат да бъдат насочени чрез алгоритми за машинно обучение, които непрекъснато проверяват данните за почвата, здравето на растенията и времето.

Това ще изисква огромни подобрения на автономността на превозните средства и обединяването на един тон данни. Но WEF твърди, че напълно автономни ферми не са пресилени.

"А.С. може да даде възможност на земеделските стопанства да станат почти напълно автономни ”, посочва тя. „Земеделските производители могат да развият различни култури симбиотично, като използват изкуствен интелект, за да забележат или предскажат проблеми и да предприемат подходящи коригиращи действия чрез роботика“

1. Защита на оскъдните доставки на вода в сухите региони

Екстремните климатични промени, предизвикани от климатичните промени, доведоха до продължителни засушавания и горски пожари. Осигуряването на това, че общностите, засегнати от тези катастрофи, създадени от човека, имат достатъчно прясна вода, е от решаващо значение и A.I. това може да се случи.

Използвайки данни от интернет, свързани с водомери, алгоритмите могат да открият кои части от света се нуждаят от най-много ресурси. След това системата би могла да пренасочи повече вода към райони, подложени на суша, за да гарантира, че ресурсите се разполагат там, където те най-много се нуждаем от тях.

WEF предложи това да бъде постигнато чрез сливане на IOT технологията за събиране на данни от домовете, машинно обучение за обработка на тези данни и blockchain технология за децентрализиране на водните ресурси.