Mga Key Takeaway
- Makakatulong ang mga modelo ng AI na hulaan ang pagbabago ng klima, sabi ng mga eksperto.
- Ang bagong AI tool na tinatawag na IceNet ay maaaring magbigay-daan sa mga siyentipiko na tumpak na hulaan ang lalim ng yelo sa dagat ng Arctic.
-
AI at weather analytics ay makakatulong din na labanan ang pagbabago ng klima sa pamamagitan ng pagbabawas ng mga emisyon sa supply chain.
Ang
Habang dumarami ang katibayan na ang matinding lagay ng panahon ngayong tag-araw ay hinihimok ng pagbabago ng klima, nakakatulong ang artificial intelligence na mahulaan kung saan lilipat ang mga kondisyon.
Ang isang bagong tool ng AI ay maaaring magbigay-daan sa mga siyentipiko na mas tumpak na hulaan ang mga buwan ng yelo sa dagat ng Arctic sa hinaharap. Ang IceNet ay halos 95% tumpak sa paghula kung ang yelo sa dagat ay naroroon dalawang buwan sa hinaharap, sabi ng mga mananaliksik. Isa ito sa dumaraming bilang ng mga gamit para sa AI sa paghula sa pagbabago ng klima.
"Malaking napabuti ng AI ang kahusayan ng pagpapatakbo ng mga kumplikadong modelo ng klima na dati ay naging computationally intensive," Daniel Intolubbe-Chmil, isang analyst sa Harbour Research,, ay nagsabi sa Lifewire sa isang email interview.
Walang Ice, Ice, Baby
Ang IceNet ay nagtatrabaho sa mabigat na hamon sa paggawa ng tumpak na pagtataya ng yelo sa dagat ng Arctic para sa darating na season. Inilarawan ng mga mananaliksik kung paano gumagana ang IceNet sa isang kamakailang papel na inilathala sa journal Nature Communications.
"Ang mga temperatura sa malapit sa ibabaw ng hangin sa Arctic ay tumaas sa dalawa hanggang tatlong beses na rate ng global average, isang phenomenon na kilala bilang Arctic amplification, sanhi ng ilang positibong feedback," isinulat ng mga mananaliksik sa papel. "Ang pagtaas ng temperatura ay may mahalagang papel sa pagbabawas ng yelo sa dagat ng Arctic, na ang saklaw ng yelo sa dagat ng Setyembre ay halos kalahati ng noong 1979 nang magsimula ang mga pagsukat ng satellite ng Arctic."
Mahirap hulaan ang yelo sa dagat dahil sa kumplikadong kaugnayan nito sa atmospera sa itaas at karagatan sa ibaba, ayon sa mga may-akda ng papel. Hindi tulad ng maginoo na mga sistema ng pagtataya na nagtatangkang magmodelo ng mga batas ng pisika nang direkta, ang mga mananaliksik ay nagdisenyo ng IceNet batay sa isang konsepto na tinatawag na malalim na pag-aaral. Sa pamamagitan ng diskarteng ito, "natututo" ang modelo kung paano nagbabago ang sea ice mula sa libu-libong taon ng data ng simulation ng klima, kasama ang mga dekada ng data ng pagmamasid, upang mahulaan ang lawak ng mga buwan ng yelo sa dagat ng Arctic sa hinaharap.
"Ang Arctic ay isang rehiyon sa frontline ng pagbabago ng klima at nakakita ng malaking pag-init sa nakalipas na 40 taon," sabi ng nangungunang may-akda ng papel na si Tom Andersson, isang data scientist sa BAS AI Lab, sa isang balita. palayain. "Ang IceNet ay may potensyal na punan ang isang agarang puwang sa pagtataya ng yelo sa dagat para sa mga pagsisikap sa pagpapanatili ng Arctic at tumatakbo nang libu-libong beses nang mas mabilis kaysa sa mga tradisyonal na pamamaraan."
AI Casts a Broad Net
Ang iba pang mga AI simulator ay nagbabantay din sa pagbabago ng klima. Ginamit ng mga mananaliksik ang Deep Emulator Network Search technique, halimbawa, upang pahusayin ang isang simulation sa paraan ng soot at aerosol na sumasalamin at sumisipsip ng sikat ng araw. Nalaman ng pananaliksik na ang emulator ay 2 bilyong beses na mas mabilis at higit sa 99.999% na kapareho ng kanilang pisikal na simulation.
Ang AI at weather analytics ay makakatulong din sa paglaban sa pagbabago ng klima sa pamamagitan ng pagbabawas ng mga emisyon sa supply chain, sinabi ni Renny Vandewege, isang vice president sa weather forecasting company na DTN, sa Lifewire sa isang email interview.
"Halimbawa, sa pagpapadala, ang weather-optimized routing ay maaaring mabawasan ang mga emisyon ng hanggang 4% at bawasan ang pagkonsumo ng gasolina hanggang 10%, at ang weather routing sa industriya ng aviation ay maaaring maiwasan ang hindi kinakailangang muling pagruta upang maiwasan ang masamang panahon, o umiikot sa isang paliparan na naghihintay na lumapag," aniya.
Maaaring mabawasan ng tumpak na pagtataya para sa mga network ng kalsada ang hindi kinakailangang paggamot sa mga kalsada sa taglamig, na binabawasan ang bilang ng mga nakakapinsalang kemikal, sabi ni Vandenwege.
"Sa halip na tratuhin ang isang buong kalsada, maaaring piliin ng mga crew sa maintenance ng kalsada na tratuhin ang mga piling lokasyon sa kahabaan ng kalsada kung saan may mga cold-spot na seksyon ng kalsada, o maaari silang magpasya kung kailangan ba ng paggamot," dagdag niya.
Machine learning at AI models ay lalong ginagamit upang makatulong na maunawaan ang mga emisyon ng CO2 at Methane, sinabi ni Marty Bell, ang punong opisyal ng agham sa weather forecasting company na WeatherFlow, sa Lifewire sa isang email interview.
"Pinapataas din ng mga modelo ang aming katatagan sa pagbabago ng klima sa pamamagitan ng pagtulong sa amin na baguhin ang aming diskarte sa paggawa at paggamit ng enerhiya," sabi ni Bell. "Bagama't marami sa mga AI application na ito ay gumagana sa malalaking sukat sa mga sistema ng pamamahagi ng enerhiya ng utility, ang iba ay gumagana sa antas ng sambahayan kung saan ipinapaalam ng ML ang mga modelo ng AI na naka-embed sa pang-araw-araw na internet-of-things na mga device na mas mahusay na namamahala sa paggamit ng enerhiya sa bahay."
