მთავარი წაღებები
- ექსპერტების თქმით, AI მოდელები დაგეხმარებათ კლიმატის ცვლილების პროგნოზირებაში.
- ახალ AI ხელსაწყოს სახელწოდებით IceNet მეცნიერებს საშუალებას აძლევს ზუსტად განსაზღვრონ არქტიკული ზღვის ყინულის სიღრმე.
-
AI და ამინდის ანალიტიკა ასევე დაგეხმარებათ კლიმატის ცვლილებასთან ბრძოლაში ემისიების შემცირებით მიწოდების ჯაჭვში.
როგორც მტკიცებულება მატულობს, რომ ამ ზაფხულს ექსტრემალური ამინდი გამოწვეულია კლიმატის ცვლილების გამო, ხელოვნური ინტელექტი გვეხმარება იმის პროგნოზირებაში, თუ სად შეიცვლება პირობები.
ახალმა ხელოვნური ინტელექტის ინსტრუმენტმა შეიძლება მეცნიერებს უფრო ზუსტად განსაზღვრონ არქტიკული ზღვის ყინულის თვეები მომავალში.მკვლევარების თქმით, IceNet თითქმის 95% ზუსტია იმის პროგნოზირებაში, იქნება თუ არა ზღვის ყინული ორი თვის წინ. ეს არის ხელოვნური ინტელექტის ერთ-ერთი მზარდი გამოყენება კლიმატის ცვლილების პროგნოზირებისთვის.
"AI-მ მნიშვნელოვნად გააუმჯობესა კლიმატის რთული მოდელების ეფექტურობა, რომლებიც ისტორიულად იყო გამოთვლითი ინტენსიური", - განუცხადა დანიელ ინტოლუბე-ჩმილმა, Harbor Research-ის ანალიტიკოსმა, Lifewire-ს ელექტრონული ფოსტის ინტერვიუში.
ყინულის გარეშე, ყინული, პატარავ
IceNet მუშაობს დიდ გამოწვევაზე, რათა გააკეთოს ზუსტი პროგნოზები არქტიკული ზღვის ყინულისთვის მომავალი სეზონისთვის. მკვლევარებმა აღწერეს, თუ როგორ მუშაობს IceNet ბოლო სტატიაში, რომელიც გამოქვეყნდა ჟურნალში Nature Communications.
"არქტიკაში ჰაერის ახლოს ზედაპირის ტემპერატურა ორ-სამჯერ გაიზარდა გლობალურ საშუალო მაჩვენებელზე, ფენომენი, რომელიც ცნობილია როგორც არქტიკული გაძლიერება, რომელიც გამოწვეულია რამდენიმე დადებითი გამოხმაურებით", - წერენ მკვლევარები ნაშრომში. „ტემპერატურების ზრდამ გადამწყვეტი როლი ითამაშა არქტიკული ზღვის ყინულის შემცირებაში, სექტემბრის ზღვის ყინულის ფართობი ახლა დაახლოებით ნახევარი იყო, ვიდრე 1979 წელს, როდესაც დაიწყო არქტიკის სატელიტური გაზომვები."
ზღვის ყინულის პროგნოზირება რთულია ზემოდან ატმოსფეროსა და ქვემოთ ოკეანესთან რთული ურთიერთობის გამო, სტატიის ავტორების თქმით. ჩვეულებრივი პროგნოზირების სისტემებისგან განსხვავებით, რომლებიც უშუალოდ ფიზიკის კანონების მოდელირებას ცდილობენ, მკვლევარებმა შეიმუშავეს IceNet კონცეფციის საფუძველზე, რომელსაც ეწოდება ღრმა სწავლება. ამ მიდგომის მეშვეობით მოდელი „სწავლობს“თუ როგორ იცვლება ზღვის ყინული ათასობით წლის კლიმატის სიმულაციის მონაცემებიდან, ათწლეულების დაკვირვების მონაცემებთან ერთად, რათა იწინასწარმეტყველოს არქტიკული ზღვის ყინულის თვეების მოცულობა მომავალში.
"არქტიკა არის რეგიონი კლიმატის ცვლილების ფრონტზე და განიცადა მნიშვნელოვანი დათბობა ბოლო 40 წლის განმავლობაში", - თქვა სტატიის წამყვანმა ავტორმა ტომ ანდერსონმა, მონაცემთა მეცნიერმა BAS AI Lab-ში. გათავისუფლება. "IceNet-ს აქვს პოტენციალი შეავსოს გადაუდებელი ხარვეზი ზღვის ყინულის პროგნოზირებაში არქტიკის მდგრადობის მცდელობებისთვის და მუშაობს ათასობითჯერ უფრო სწრაფად, ვიდრე ტრადიციულ მეთოდებს."
AI ავრცელებს ფართო ქსელს
სხვა AI სიმულატორები ასევე აკვირდებიან კლიმატის ცვლილებას. მკვლევარებმა გამოიყენეს Deep Emulator Network Search-ის ტექნიკა, მაგალითად, სიმულაციის გასაუმჯობესებლად ჭვარტლისა და აეროზოლების არეკვლისა და მზის შუქის შთანთქმის მიზნით. კვლევამ აჩვენა, რომ ემულატორი 2 მილიარდჯერ უფრო სწრაფი და 99,999%-ზე მეტი იყო მათი ფიზიკური სიმულაციის იდენტური.
AI და ამინდის ანალიტიკა ასევე დაგეხმარებათ კლიმატის ცვლილებასთან ბრძოლაში მიწოდების ჯაჭვში გამონაბოლქვის შემცირებით, განუცხადა რენი ვანდევეგემ, ამინდის პროგნოზირების კომპანიის DTN-ის ვიცე-პრეზიდენტმა Lifewire-ს ელ-ფოსტის ინტერვიუში.
მაგალითად, გადაზიდვებში, ამინდის ოპტიმიზებულმა მარშრუტმა შეიძლება შეამციროს ემისიები 4%-მდე და შეამციროს საწვავის მოხმარება 10%-მდე, ხოლო ამინდის მარშრუტმა საავიაციო ინდუსტრიაში შეიძლება თავიდან აიცილოს არასაჭირო მარშრუტიზაცია ცუდი ამინდის თავიდან ასაცილებლად. ან აეროპორტის შემოვლით დაფრენის მოლოდინში,”- თქვა მან.
საგზაო ქსელების ზუსტი პროგნოზირებამ შეიძლება შეამციროს ზამთრის გზების არასაჭირო დამუშავება, შეამციროს მავნე ქიმიკატების რაოდენობა, თქვა ვანდენვეგემ.
"მთელი გზის მოვლის ნაცვლად, გზის მოვლა-პატრონობის ეკიპაჟებს შეუძლიათ აირჩიონ შერჩეული ადგილები გზის გასწვრივ, სადაც არის გზის ცივ ადგილას მონაკვეთები, ან მათ შეუძლიათ გადაწყვიტონ, საჭიროა თუ არა მკურნალობა საერთოდ," დასძინა მან.
მანქანის სწავლა და ხელოვნური ინტელექტის მოდელები სულ უფრო ხშირად გამოიყენება CO2-ისა და მეთანის ემისიების გასაგებად, განუცხადა მარტი ბელმა, ამინდის პროგნოზირების კომპანიის WeatherFlow-ის მთავარმა მეცნიერმა ოფიცერმა Lifewire-ში ელ-ფოსტის ინტერვიუში.
"მოდელები ასევე ზრდის ჩვენს მდგრადობას კლიმატის ცვლილების მიმართ, გვეხმარება შევცვალოთ ჩვენი მიდგომა ენერგიის წარმოებასა და გამოყენებასთან დაკავშირებით", - თქვა ბელმა. "მიუხედავად იმისა, რომ ბევრი ამ AI აპლიკაციიდან მუშაობს დიდი მასშტაბით კომუნალური ენერგიის განაწილების სისტემებზე, სხვები ფუნქციონირებს საყოფაცხოვრებო დონეზე, სადაც ML აცნობებს AI მოდელებს, რომლებიც ჩაშენებულია ნივთების ინტერნეტის ყოველდღიურ მოწყობილობებში, რომლებიც უფრო ეფექტურად მართავენ ენერგიის მოხმარებას სახლში."
