A legfontosabb elvitelek
- A mesterséges intelligencia modellek segíthetnek az éghajlatváltozás előrejelzésében, mondják a szakértők.
- Az IceNet nevű új mesterséges intelligencia-eszköz segítségével a tudósok pontosan előre jelezhetik a sarkvidéki tengeri jégmélységet.
-
A mesterséges intelligencia és az időjárás-elemzés szintén segíthet az éghajlatváltozás elleni küzdelemben azáltal, hogy csökkenti a kibocsátást az ellátási láncban.
Mivel egyre több bizonyíték van arra, hogy a nyári szélsőséges időjárást az éghajlatváltozás okozza, a mesterséges intelligencia segít megjósolni, merre változnak a körülmények.
Egy új mesterséges intelligencia-eszköz lehetővé teheti a tudósok számára, hogy pontosabban előre jelezzék a sarkvidéki tengeri jéghónapokat a jövőben. A kutatók szerint az IceNet csaknem 95%-os pontossággal tudja megjósolni, hogy két hónappal korábban jelen lesz-e a tengeri jég. Ez a mesterséges intelligencia egyik növekvő számú felhasználási módja az éghajlatváltozás előrejelzésében.
"A mesterséges intelligencia jelentősen javította a korábban számításigényes komplex klímamodellek futtatásának hatékonyságát" - mondta Daniel Intolubbe-Chmil, a Harbour Research elemzője a Lifewire-nek adott e-mailes interjújában.
Nincs jég, jég, baba
Az IceNet azon a hatalmas kihíváson dolgozik, hogy pontos előrejelzéseket készítsen a sarkvidéki tengeri jégről az előttünk álló szezonra. A kutatók a Nature Communications folyóiratban nemrég megjelent cikkükben leírták az IceNet működését.
"A felszínhez közeli levegő hőmérséklete az Északi-sarkvidéken a globális átlag kétszeresével-háromszorosával nőtt, ezt a jelenséget sarkvidéki felerősítésnek nevezik, amelyet számos pozitív visszajelzés okoz" - írták a kutatók a lapban. "A hőmérséklet emelkedése kulcsszerepet játszott az északi-sarkvidéki tengeri jég mennyiségének csökkentésében, a szeptemberi tengeri jég kiterjedése jelenleg körülbelül fele annak, mint 1979-nek, amikor megkezdődött az Északi-sarkvidék műholdas mérése."
A tengeri jeget nehéz előre jelezni, mert bonyolult kapcsolata van a fenti légkörrel és az alatta lévő óceánnal – állítják a cikk szerzői. A hagyományos előrejelző rendszerekkel ellentétben, amelyek közvetlenül próbálják modellezni a fizika törvényeit, a kutatók az IceNet-et a mély tanulásnak nevezett koncepció alapján tervezték meg. Ezzel a megközelítéssel a modell több ezer éves éghajlati szimulációs adatokból, valamint több évtizedes megfigyelési adatokból „megtanulja”, hogyan változik a tengeri jég, hogy megjósolhassa az északi-sarkvidéki tengeri jég mértékét a jövőben.
"Az Északi-sark az éghajlatváltozás frontvonalán lévő régió, és az elmúlt 40 évben jelentős felmelegedés tapasztalható" - mondta a cikk vezető szerzője, Tom Andersson, a BAS AI Lab adattudósa. kiadás. "Az IceNet képes betölteni egy sürgős hiányt a tengeri jég előrejelzésében az északi-sarkvidék fenntarthatósági erőfeszítéseihez, és több ezerszer gyorsabban fut, mint a hagyományos módszerek."
Az AI széles hálózatot sugároz
Más AI-szimulátorok is figyelemmel kísérik a klímaváltozást. A kutatók például a Deep Emulator Network Search technikát alkalmazták annak érdekében, hogy javítsák a korom és az aeroszolok napfény visszaverésének és elnyelésének szimulációját. A kutatás megállapította, hogy az emulátor 2 milliárdszor gyorsabb, és több mint 99,999%-ban megegyezik a fizikai szimulációjukkal.
A mesterséges intelligencia és az időjárás-elemzés is segíthet a klímaváltozás elleni küzdelemben azáltal, hogy csökkenti a kibocsátást az ellátási láncban, mondta Renny Vandewege, a DTN időjárás-előrejelző cég alelnöke a Lifewire-nek adott e-mailes interjújában.
Például a hajózásban az időjárásra optimalizált útvonalválasztás akár 4%-kal is csökkentheti a károsanyag-kibocsátást, és akár 10%-kal csökkentheti az üzemanyag-fogyasztást, a légiközlekedési ágazatban az időjárástól függő útvonalválasztás pedig megakadályozhatja a szükségtelen átirányításokat a rossz időjárás elkerülése érdekében, vagy leszállásra váró repülőtéren körözni – mondta.
Az úthálózatok pontos előrejelzése csökkentheti a téli utak szükségtelen kezelését, csökkentve a káros vegyszerek számát – mondta Vandenwege.
"Ahelyett, hogy egy egész úttestet kezelnének, az útkarbantartók dönthetnek úgy, hogy az út menti kiválasztott helyeket kezelik, ahol hidegfoltos útszakaszok vannak, vagy eldönthetik, hogy egyáltalán szükséges-e a kezelés" - tette hozzá.
A gépi tanulást és a mesterséges intelligencia modelleket egyre gyakrabban használják a CO2- és a metánkibocsátás megértésében – mondta Marty Bell, a WeatherFlow időjárás-előrejelző cég tudományos igazgatója a Lifewire-nek egy e-mailes interjúban.
"A modellek az éghajlatváltozással szembeni ellenálló képességünket is növelik azáltal, hogy segítenek módosítani az energiatermeléssel és -felhasználással kapcsolatos megközelítésünket" - mondta Bell. "Míg ezen AI-alkalmazások közül sok nagy léptékben működik közüzemi energiaelosztó rendszereken, mások háztartási szinten működnek, ahol az ML tájékoztatja a mindennapi internetes eszközökbe ágyazott mesterséges intelligencia-modelleket, amelyek hatékonyabban kezelik a ház energiafelhasználását."
