Imagine a Pământului NASA

Pe măsură ce computerele devin mai inteligente, oamenii de știință caută noi modalități de a le utiliza în protecția mediului.

Când te gândești la inteligența artificială, prima imagine care îți vine probabil în minte este cea a unor roboți conștienți care merg, vorbesc și exprimă emoții ca oamenii. Dar există un alt tip de inteligență artificială care devine predominantă în aproape toate științele. Este cunoscută sub numele de învățare automată și se învârte în jurul atragerii computerelor în sarcina de a sorta cantitățile masive de date pe care tehnologia modernă ne-a permis să le generăm (cunoscute și sub numele de „big data”).

Unul dintre domeniile în care învățarea automată se dovedește a fi cea mai benefică este în științele mediului, care au generat cantități uriașe de informații din monitorizarea diferitelor sisteme ale Pământului - acvifere subterane, încălzirea climei sau migrația animalelor, de exemplu. O serie de proiecte au apărut în acest domeniu relativ nou, numit sustenabilitate computațională, care combină datele colectate despre mediu cu capacitatea unui computer de a descoperi tendințe și de a face predicții despre viitorul planetei noastre. Acest lucru este util oamenilor de știință și factorilor de decizie politică, deoarece îi poate ajuta să dezvolte planuri despre cum să trăiască și să supraviețuiască în lumea noastră în schimbare. Iată doar câteva exemple.

Pentru păsări — și elefanți

Universitatea Cornell pare să fie lider în această nouă frontieră, probabil pentru că are o Institutul pentru Sustenabilitate Computaționalăși, de asemenea, pentru că directoarea institutului respectiv, Carla P. Gomes, este una dintre pionierele sustenabilității computaționale. Gomes spune că domeniul a început în jurul anului 2008, când Fundația Națională pentru Știință a acordat o subvenție de 10 milioane de dolari americani pentru a-i încuraja pe informaticieni să se implice în cercetări care au beneficii sociale. De atunci, echipa ei - și echipe de oameni de știință din întreaga lume - au preluat ideea și au continuat cu ea.

Un domeniu major în care învățarea automată poate ajuta mediul înconjurător este conservarea speciilor. În special, Institutul Cornell a colaborat cu Laboratorul de Ornitologie Cornell pentru a combina zelul incredibil al pasionaților de păsări cu observația științifică. Aceștia au dezvoltat o aplicație numită eBird care le permite cetățenilor obișnuiți să transmită date despre păsările pe care le observă în jurul lor, cum ar fi câte specii diferite pot fi găsite într-o anumită locație. Până în prezent, spune Gomes, peste 300,000 de voluntari au trimis peste 300 de milioane de observații, ceea ce reprezintă peste 22 de milioane de ore de muncă pe teren.

Această animație a migrației anuale a rândunelelor arboricole arată cum tehnicile computaționale de sustenabilitate pot fi utilizate pentru a prezice variațiile populației în spațiu și timp. Imagine de Daniel Fink, Laboratorul de Ornitologie Cornell

Combinând datele colectate de la eBird cu datele observaționale proprii ale laboratorului și informațiile despre distribuția speciilor colectate din rețelele de teledetecție, modelele institutului utilizează învățarea automată pentru a prezice unde vor exista schimbări în habitatul anumitor specii și căile pe care păsările se vor deplasa în timpul migrației.

„Există lacune mari în care nu avem observații, dar dacă corelăm tiparele de apariție și absență, vedem că acestor păsări le place un anumit tip de habitat și atunci putem generaliza”, spune Gomes. „Folosim de fapt modele sofisticate - algoritmi din învățarea automată - pentru a prezice modul în care sunt distribuite păsările.”

Apoi, aceștia își pot împărtăși predicțiile cu factorii de decizie politică și cu ecologiștii, care le pot folosi pentru a lua decizii cu privire la cea mai bună modalitate de protejare a habitatului păsărilor.

De exemplu, spune Gomes, pe baza informațiilor colectate prin eBird și procesate de parteneriat, The Nature Conservancy a înființat un... „licitație inversă” în zonele afectate de secetă din California, plătind cultivatorii de orez pentru a reține apa în câmpurile lor atunci când păsările sunt susceptibile de a migra și au nevoie de un habitat de popas. „Acest lucru este posibil doar pentru că avem modele computaționale avansate care ne oferă informații de înaltă precizie despre modul în care sunt distribuite păsările”, spune Gomes.

Păsările nu sunt singurul domeniu de cercetare. O mare parte din activitatea institutului este legată de conservarea vieții sălbatice - de exemplu, ascultarea orelor întregi de înregistrări forestiere pentru a cartografia locația strigătelor elefanților și a împușcăturilor braconierilor sau urmărirea urșilor grizzly pentru a dezvolta un coridor pe care îl pot folosi pentru a se deplasa în siguranță prin sălbăticie.

Creșterea ritmului

La Centrul de Zbor Spațial Goddard al NASA, cercetătoarea Cecile Rousseaux folosește învățarea automată pentru a înțelege mai bine distribuția fitoplanctonului (cunoscut și sub numele de microalge) în oceane. Aceste plante microscopice plutesc la suprafața mărilor și produc o mare parte din oxigenul pe care îl respirăm. Ele formează baza rețelei trofice oceanice. De asemenea, consumă dioxid de carbon și, atunci când mor, transportă carbonul cu ele pe măsură ce se scufundă pe fundul oceanului.

„Dacă nu am avea fitoplancton, am observa o creștere a dioxidului de carbon mai mare decât cea pe care o vedem acum”, spune Rousseaux. Din acest motiv, starea lor generală este o informație esențială pentru cercetătorii care încearcă să înțeleagă efectul schimbărilor în CO2-ul atmosferic.₂ pe planeta noastră.

{{youtube}eM5lX9RQzZ4{/youtube}

Rousseaux folosește imagini satelitare și modelare computerizată pentru a prezice condițiile actuale și viitoare ale fitoplanctonului oceanic mondial. În prezent, modelul este capabil doar să estimeze numărul total de microalge care trăiesc pe Pământ și cum se schimbă acest total în timp. Însă o nouă misiune satelitară numită RITM (pentru „Nori pre-aerosoli și ecosistem oceanic”), lansat în 2022, va deschide un set complet nou de date care analizează mai atent populația și va putea identifica diferite specii, în loc să se limiteze la analizarea pur și simplu a întregului, ceea ce va schimba substanțial modelul actual.

„Modelul folosește parametri bazați pe temperatură, lumină și nutrienți pentru a ne spune gradul de creștere. Singurul lucru pe care îl face simularea este să ajusteze totalul”, spune ea. Dar există o mulțime de tipuri diferite de fitoplancton care interacționează cu mediul în moduri unice. Diatomele, de exemplu, sunt mari, se scufundă foarte repede pe fundul oceanului și au nevoie de mulți nutrienți. PACE va face posibilă identificarea tipurilor de fitoplancton din diferite părți ale oceanului, extinzând capacitatea modelului de a ne ajuta să înțelegem cum afectează microorganismele CO2-ul atmosferic.₂De asemenea, ne va permite să facem lucruri precum prezicerea înfloririi algale periculoase și, eventual, să găsim modalități de a valorifica talentele speciilor care consumă carbon în cantități mai mari pentru a combate schimbările climatice.

EarthCube

Vorbind despre Pământ în ansamblu, Fundația Națională pentru Știință folosește învățarea automată pentru a crea un model 3D viu al întregii planete. Numită EarthCube, reprezentarea digitală va combina seturi de date furnizate de oamenii de știință dintr-o gamă largă de discipline - de exemplu, măsurători ale atmosferei și hidrosferei sau geochimia oceanelor - pentru a imita condițiile de pe, deasupra și sub suprafață. Datorită cantităților vaste de date pe care le va cuprinde cubul, acesta va putea modela diferite condiții și va prezice cum vor reacționa sistemele planetei. Și cu aceste informații, oamenii de știință vor putea sugera modalități de a evita evenimentele catastrofale sau pur și simplu să planifice pentru cele care nu pot fi evitate (cum ar fi inundațiile sau vremea nefavorabilă) înainte ca acestea să se întâmple.

EarthCube combină seturi de date pentru a crea un model care poate fi utilizat pentru a prezice și minimiza daunele cauzate de evenimente catastrofale.
Imagine de Jeanne DiLeo/USGSCa parte a proiectului EarthCube, US Geological Survey colaborează la un proiect National Science Framework pentru a produce... Crustă digitală, un cadru care va permite o înțelegere mai precisă și robustă a proceselor subterane de pe Pământ, cum ar fi echilibrul apelor subterane și starea de sănătate a sistemelor acvifere. „Vom putea efectua calcule științifice care să arate nivelul apelor subterane în timp și putem compara acest lucru cu scenarii viitoare”, spune Sky Bristol, șeful filialei de caracterizare biogeografică la USGS și liderul echipei USGS pentru proiectul EarthCube Digital Crust.

Învățarea automată intervine și atunci când două modele din părți diferite ale cubului (cum ar fi scoarța și atmosfera) trebuie să interacționeze unul cu celălalt, spune Bristol. De exemplu, cum arată situația când există o creștere a extracției apei subterane și, în același timp, o creștere a încălzirii climatice?

Finalizarea Digital Crust este programată pentru această vară. Digital Crust și toate proiectele EarthCube își fac datele și software-ul open-source. Așadar, în câțiva ani, oricine va putea folosi învățarea automată pentru a face predicții despre toate posibilitățile unui Pământ viitor. Iar asta înseamnă că specialiștii în geologie, care lucrează pentru a înțelege diversele sisteme ale Pământului și modul în care schimbările din cadrul acestora vor afecta umanitatea, vor avea un nou instrument care le va permite să partajeze date între ei din întreaga lume - oferind predicțiilor lor un impact mai mare și permițând oamenilor oportunitatea de a acționa, mai degrabă decât de a reacționa, la lumea noastră în schimbare.

Aceste exemple reprezintă doar o mică parte din imaginea de ansamblu a modului în care sustenabilitatea computațională poate schimba - și schimbă - capacitatea noastră de a face viața umană pe Pământ mai sustenabilă. Numai la Cornell, alte proiecte care utilizează tehnologia includ cartografierea zonelor cu sărăcie și eficacitatea atenuării sărăciei în țările dezvoltate, determinarea impactului politicilor de pescuit asupra pescuitului oceanic, descoperirea de noi materiale care pot fi utilizate pentru captarea energiei solare, determinarea impactului coliziunilor navelor asupra populațiilor de balene și chiar clarificarea eficienței și implicațiilor creșterii taxelor pe benzină în SUA. Dacă tendințele actuale sunt un indiciu, ne putem aștepta să auzim mult mai multe în anii următori despre modul în care inteligența artificială ne ajută să facem lumea un loc mai bun de trăit pe termen lung.

Acest articol a apărut inițial pe Ensia

Despre autor

Erin Biba este o jurnalistă științifică independentă stabilită în New York. Lucrările sale apar în mod regulat în Newsweek, Scientific American și Vânătorii de mituri Testat.com.

Carte asociată

{amazonWS:searchindex=Books;keywords=1605989649;maxresults=1}