Ключови изводи
- Моделите с изкуствен интелект могат да помогнат за прогнозиране на изменението на климата, казват експерти.
- Нов AI инструмент, наречен IceNet, може да позволи на учените да прогнозират точно дълбочината на леда в Арктика.
-
ИИ и анализите на времето също могат да помогнат в борбата с изменението на климата чрез намаляване на емисиите във веригата на доставки.
С нарастването на доказателствата, че екстремното време това лято се дължи на изменението на климата, изкуственият интелект помага да се предвиди къде ще се променят условията.
Нов AI инструмент може да позволи на учените да прогнозират по-точно месеците на арктическия морски лед в бъдещето. IceNet е почти 95% точен в прогнозирането дали ще има морски лед два месеца напред, казват изследователите. Това е една от нарастващите употреби на AI при прогнозиране на изменението на климата.
"ИИ значително подобри ефективността на управлението на сложни климатични модели, които исторически са били интензивни в изчислителна гледна точка", каза Даниел Интолюбе-Чмил, анализатор в Harbour Research, в интервю за Lifewire по имейл.
Без лед, лед, бебе
IceNet работи върху огромното предизвикателство да направи точни прогнози за леда на Арктика за предстоящия сезон. Изследователите описаха как работи IceNet в скорошна статия, публикувана в списанието Nature Communications.
„Температурите на въздуха близо до повърхността в Арктика са се повишили два до три пъти по-високо от средното за света, явление, известно като арктическо усилване, причинено от няколко положителни обратни връзки“, пишат изследователите в статията. „Повишаващите се температури изиграха ключова роля за намаляването на арктическия морски лед, като обемът на морския лед през септември е около половината от този през 1979 г., когато са започнали сателитните измервания на Арктика."
Морският лед е труден за прогнозиране поради сложната му връзка с атмосферата отгоре и океана отдолу, според авторите на статията. За разлика от конвенционалните системи за прогнозиране, които се опитват да моделират директно законите на физиката, изследователите са проектирали IceNet въз основа на концепция, наречена дълбоко обучение. Чрез този подход моделът "научава" как се променя морският лед от хиляди години данни за симулация на климата, заедно с десетилетия данни от наблюдения, за да предскаже степента на арктическите ледени месеци в бъдещето.
„Арктика е регион на фронтовата линия на изменението на климата и е претърпял значително затопляне през последните 40 години“, каза в новини водещият автор на статията, Том Андерсон, учен по данни в BAS AI Lab освобождаване. „IceNet има потенциала да запълни спешна празнина в прогнозирането на морския лед за усилията за устойчивост на Арктика и работи хиляди пъти по-бързо от традиционните методи.“
AI хвърля широка мрежа
Други AI симулатори също следят изменението на климата. Изследователите са използвали техниката Deep Emulator Network Search например, за да подобрят симулацията около начина, по който саждите и аерозолите отразяват и абсорбират слънчевата светлина. Изследването установи, че емулаторът е 2 милиарда пъти по-бърз и повече от 99,999% идентичен с тяхната физическа симулация.
ИИ и анализите на времето също могат да помогнат в борбата с изменението на климата чрез намаляване на емисиите във веригата за доставки, каза Рени Вандевеге, вицепрезидент на компанията за прогнозиране на времето DTN, в интервю по имейл пред Lifewire.
"Например, в корабоплаването оптимизираното за времето маршрутизиране може да намали емисиите до 4% и разхода на гориво с до 10%, а маршрутизирането за времето в авиационната индустрия може да предотврати ненужното пренасочване, за да се избегне лошо време, или обикаляне около летище в очакване да кацне, " каза той.
Прецизното прогнозиране за пътните мрежи може да намали ненужното третиране на зимните пътища, намалявайки броя на вредните химикали, каза Ванденвеге.
„Вместо да обработват цялото пътно платно, екипите за поддръжка на пътя могат да изберат да третират избрани места по протежение на пътя, където има участъци със студени петна, или могат да решат дали изобщо е необходимо третиране“, добави той.
Машинното обучение и AI моделите се използват все повече, за да помогнат за разбирането на емисиите на CO2 и метан, каза Марти Бел, главен научен директор в компанията за прогнозиране на времето WeatherFlow, в интервю по имейл пред Lifewire.
"Моделите също така повишават нашата устойчивост спрямо изменението на климата, като ни помагат да променим подхода си към производството и използването на енергия", каза Бел. „Докато много от тези AI приложения работят в големи мащаби в системи за разпределение на електроенергия, други работят на ниво домакинство, където ML информира AI модели, вградени в ежедневните устройства за интернет на нещата, които управляват по-ефективно потреблението на енергия в къщата.“
