Võtmed kaasavõtmiseks
- AI mudelid võivad aidata prognoosida kliimamuutusi, väidavad eksperdid.
- Uus AI-tööriist nimega IceNet võimaldab teadlastel Arktika merejää sügavust täpselt prognoosida.
-
AI ja ilmaanalüütika võivad samuti aidata võidelda kliimamuutustega, vähendades heitkoguseid tarneahelas.
Kuna koguneb tõendeid selle kohta, et selle suve äärmuslikud ilmad on tingitud kliimamuutustest, aitab tehisintellekt ennustada, kuhu tingimused muutuvad.
Uus tehisintellekti tööriist võib võimaldada teadlastel Arktika merejääkuid tulevikus täpsem alt prognoosida. Teadlaste sõnul ennustab IceNet peaaegu 95% täpsusega, kas merejää on kohal kaks kuud ette. See on üks kasvavatest tehisintellekti kasutusaladest kliimamuutuste ennustamisel.
"AI on märkimisväärselt parandanud keerukate kliimamudelite käitamise tõhusust, mis on ajalooliselt olnud arvutusmahukad, " ütles Harbour Researchi analüütik Daniel Intolubbe-Chmil Lifewire'ile antud meiliintervjuus.
Ei jää, jää, beebi
IceNet töötab tohutu väljakutse kallal teha täpseid Arktika merejää prognoose eelseisvaks hooajaks. Teadlased kirjeldasid IceNeti toimimist hiljuti ajakirjas Nature Communications avaldatud artiklis.
"Maapinnalähedased õhutemperatuurid Arktikas on tõusnud kaks kuni kolm korda kiiremini kui globaalne keskmine – nähtus, mida tuntakse Arktika võimendusena ja mille on põhjustanud mitmed positiivsed tagasisided," kirjutasid teadlased ajakirjas. "Tõusvad temperatuurid on mänginud Arktika merejää vähendamisel võtmerolli, septembris on merejää ulatus praegu umbes poole väiksem kui 1979. aastal, mil Arktika satelliitmõõtmisi alustati."
Merejääd on paberi autorite sõnul raske ennustada, kuna see on keerukas seoses ül altoodud atmosfääri ja allpool asuva ookeaniga. Erinev alt tavapärastest prognoosisüsteemidest, mis püüavad füüsikaseadusi otse modelleerida, kavandasid teadlased IceNeti kontseptsiooni põhjal, mida nimetatakse sügavaks õppimiseks. Selle lähenemisviisi abil õpib mudel tuhandete aastate kliimasimulatsiooni andmete ja aastakümnete pikkuste vaatlusandmete põhjal "õppima", kuidas merejää muutub, et ennustada Arktika merejää kuude ulatust tulevikus.
"Arktika on piirkond kliimamuutuste eesliinil ja see on viimase 40 aasta jooksul märgatav alt soojenenud," ütles artikli juhtiv autor Tom Andersson, BAS AI Labi andmeteadlane. vabastada. "IceNetil on potentsiaal täita kiireloomuline lünk merejää prognoosimisel Arktika säästva arengu jaoks ja see töötab tuhandeid kordi kiiremini kui traditsioonilised meetodid."
AI loob laia võrgu
Teised AI-simulaatorid hoiavad samuti kliimamuutustel silma peal. Teadlased on näiteks kasutanud Deep Emulator Network Search tehnikat, et parandada simulatsiooni selle ümber, kuidas tahm ja aerosoolid peegeldavad ja neelavad päikesevalgust. Uuringus leiti, et emulaator oli 2 miljardit korda kiirem ja enam kui 99,999% identne nende füüsilise simulatsiooniga.
AI ja ilmaanalüütika võivad samuti aidata võidelda kliimamuutustega, vähendades heitkoguseid tarneahelas, ütles ilmaennustusfirma DTN asepresident Renny Vandewege Lifewire'ile antud meiliintervjuus.
"Näiteks laevanduses võib ilmastikutingimustele optimeeritud marsruutimine vähendada heitkoguseid kuni 4% ja kütusekulu kuni 10% ning ilmastikutingimustega marsruutimine lennundustööstuses võib vältida tarbetut marsruudi muutmist, et vältida halba ilma. või tiirutades lennujaamas, mis ootab maandumist," ütles ta.
Maanteevõrkude täpne prognoosimine võib vähendada talviste teede tarbetut töötlemist, vähendades kahjulike kemikaalide hulka, ütles Vandenwege.
"Terve sõidutee töötlemise asemel võivad teehooldusmeeskonnad valida, kas töödeldakse valitud kohti tee ääres, kus on külmakohalisi teelõike, või otsustada, kas ravi on üldse vajalik," lisas ta.
Masinõpet ja tehisintellekti mudeleid kasutatakse CO2 ja metaani heitkoguste mõistmiseks üha enam, ütles ilmaennustusfirma WeatherFlow teadusjuht Marty Bell Lifewire'ile antud meiliintervjuus.
"Mudelid suurendavad ka meie vastupanuvõimet kliimamuutustele, aidates meil muuta oma lähenemisviisi energia tootmisele ja kasutamisele," ütles Bell. "Kuigi paljud neist tehisintellekti rakendustest töötavad suures mahus kommunaalenergia jaotussüsteemides, siis teised töötavad majapidamise tasandil, kus ML teavitab igapäevastesse asjade interneti seadmetesse manustatud tehisintellekti mudeleid, mis maja energiakasutust tõhusam alt haldavad."
