Ключевые выводы
- Модели ИИ могут помочь в прогнозировании изменения климата, считают эксперты.
- Новый инструмент искусственного интеллекта под названием IceNet может позволить ученым точно прогнозировать глубину арктического морского льда.
-
ИИ и прогноз погоды также могут помочь в борьбе с изменением климата за счет сокращения выбросов в цепочке поставок.
По мере того, как появляется все больше свидетельств того, что экстремальные погодные условия этим летом вызваны изменением климата, искусственный интеллект помогает прогнозировать, где изменятся условия.
Новый инструмент искусственного интеллекта может позволить ученым более точно прогнозировать месяцы арктического морского льда в будущем. По словам исследователей, IceNet почти на 95% точно предсказывает наличие морского льда на два месяца вперед. Это одно из растущего числа применений ИИ для прогнозирования изменения климата.
«Искусственный интеллект значительно повысил эффективность запуска сложных климатических моделей, которые исторически требовательны к вычислительным ресурсам», - сказал в интервью Lifewire Дэниел Интолуббе-Чмиль, аналитик Harbour Research.
Нет льда, льда, детка
IceNet работает над серьезной задачей составления точных прогнозов морского льда в Арктике на предстоящий сезон. Исследователи описали, как работает IceNet, в недавней статье, опубликованной в журнале Nature Communications.
«Приповерхностные температуры воздуха в Арктике увеличились в два-три раза по сравнению со средним глобальным показателем, явление, известное как арктическое усиление, вызванное несколькими положительными обратными связями», - пишут исследователи в статье. «Повышение температуры сыграло ключевую роль в сокращении арктического морского льда: сейчас площадь морского льда в сентябре примерно вдвое меньше, чем в 1979 году, когда начались спутниковые измерения Арктики."
Морской лед трудно прогнозировать из-за его сложной взаимосвязи с атмосферой над ним и океаном под ним, считают авторы статьи. В отличие от обычных систем прогнозирования, которые пытаются напрямую моделировать законы физики, исследователи разработали IceNet на основе концепции, называемой глубоким обучением. Благодаря этому подходу модель «узнает», как меняется морской лед, на основе данных моделирования климата за тысячи лет, а также данных наблюдений за десятилетия, чтобы предсказать размер арктического морского льда в месяцах в будущем.
«Арктика - это регион, находящийся на переднем крае изменения климата, и за последние 40 лет здесь произошло существенное потепление», - сказал в новостях ведущий автор статьи Том Андерссон, специалист по данным из лаборатории искусственного интеллекта BAS. выпускать. «У IceNet есть потенциал, чтобы заполнить острую брешь в прогнозировании морского льда для усилий по обеспечению устойчивости Арктики, и работает в тысячи раз быстрее, чем традиционные методы».
ИИ забрасывает широкую сеть
Другие симуляторы ИИ также следят за изменением климата. Например, исследователи использовали технику сетевого поиска Deep Emulator для улучшения моделирования того, как сажа и аэрозоли отражают и поглощают солнечный свет. Исследование показало, что эмулятор был в 2 миллиарда раз быстрее и более чем на 99,999% идентичен их физическому моделированию.
Искусственный интеллект и погодная аналитика также могут помочь в борьбе с изменением климата за счет сокращения выбросов в цепочке поставок, сказал Lifewire в интервью по электронной почте Ренни Вандевеге, вице-президент компании по прогнозированию погоды DTN.
Например, в судоходстве маршрутизация с учетом погодных условий может сократить выбросы до 4 % и снизить расход топлива до 10 %, а маршрутизация с учетом погодных условий в авиационной отрасли может предотвратить ненужное изменение маршрута во избежание плохой погоды. или кружить вокруг аэропорта, ожидая посадки», - сказал он.
Точное прогнозирование для дорожных сетей может уменьшить ненужную обработку зимних дорог, уменьшая количество вредных химических веществ, сказал Ванденвеге.
«Вместо того, чтобы обрабатывать всю проезжую часть, бригады по обслуживанию дорог могут выбрать обработку отдельных участков вдоль дороги, где есть участки дороги с холодными участками, или они могут решить, нужна ли обработка вообще», - добавил он.
Машинное обучение и модели искусственного интеллекта все чаще используются, чтобы помочь понять выбросы CO2 и метана, сказал Марти Белл, главный научный сотрудник компании WeatherFlow, занимающейся прогнозированием погоды, в интервью Lifewire по электронной почте.
«Модели также повышают нашу устойчивость к изменению климата, помогая нам изменить наш подход к производству и использованию энергии», - сказал Белл. «В то время как многие из этих приложений ИИ работают в больших масштабах в коммунальных системах распределения энергии, другие работают на уровне домохозяйств, где машинное обучение информирует модели ИИ, встроенные в повседневные устройства Интернета вещей, которые более эффективно управляют потреблением энергии в доме».
