Klíčové poznatky
- Modely AI mohou pomoci předpovídat změnu klimatu, říkají odborníci.
- Nový nástroj umělé inteligence nazvaný IceNet by mohl vědcům umožnit přesně předpovídat hloubku arktického mořského ledu.
-
AI a analýza počasí také mohou pomoci v boji proti změně klimatu snížením emisí v dodavatelském řetězci.
Vzhledem k tomu, že se množí důkazy o tom, že extrémní počasí tohoto léta je způsobeno změnou klimatu, umělá inteligence pomáhá předvídat, kam se podmínky posunou.
Nový nástroj umělé inteligence by mohl vědcům umožnit přesněji předpovídat měsíce arktického mořského ledu do budoucnosti. IceNet je téměř 95% přesný v předpovědi, zda bude mořský led přítomen dva měsíce dopředu, říkají vědci. Je to jedno z rostoucího počtu využití umělé inteligence při předpovídání klimatických změn.
"AI výrazně zlepšila efektivitu spouštění složitých klimatických modelů, které byly historicky náročné na výpočetní techniku," řekl Lifewire Daniel Intolubbe-Chmil, analytik společnosti Harbor Research, v e-mailovém rozhovoru.
No Ice, Ice, Baby
IceNet pracuje na hrozivé výzvě vytváření přesných předpovědí arktického mořského ledu na nadcházející sezónu. Výzkumníci popsali, jak IceNet funguje v nedávném článku publikovaném v časopise Nature Communications.
"Teploty vzduchu blízko povrchu v Arktidě vzrostly dvakrát až třikrát rychleji než je celosvětový průměr, což je jev známý jako arktické zesílení, způsobený několika pozitivními zpětnými vazbami," napsali vědci v článku. „Rostoucí teploty sehrály klíčovou roli při snižování arktického mořského ledu, přičemž rozsah mořského ledu v září je nyní přibližně poloviční než v roce 1979, kdy začala satelitní měření Arktidy."
Mořský led je podle autorů článku těžké předpovědět kvůli jeho složitému vztahu s atmosférou nahoře a oceánem pod ním. Na rozdíl od konvenčních předpovědních systémů, které se pokoušejí přímo modelovat fyzikální zákony, vědci navrhli IceNet na základě konceptu zvaného hluboké učení. Prostřednictvím tohoto přístupu se model „učí“, jak se mořský led mění z tisíciletých dat simulace klimatu, spolu s dekádami pozorovacích dat, aby předpověděl rozsah arktických měsíců mořského ledu do budoucnosti.
„Arktida je regionem v první linii změny klimatu a za posledních 40 let zaznamenala podstatné oteplování,“uvedl ve zprávě hlavní autor článku Tom Andersson, datový vědec z BAS AI Lab. uvolnění. „IceNet má potenciál vyplnit naléhavou mezeru v předpovídání mořského ledu pro úsilí o udržitelnost Arktidy a běží tisíckrát rychleji než tradiční metody.“
AI vrhá širokou síť
Na změnu klimatu dohlížejí i další simulátory umělé inteligence. Výzkumníci například využili techniku Deep Emulator Network Search ke zlepšení simulace způsobu, jakým saze a aerosoly odrážejí a absorbují sluneční světlo. Výzkum zjistil, že emulátor byl 2 miliardykrát rychlejší a z více než 99,999 % identický s jejich fyzickou simulací.
AI a analýza počasí také mohou pomoci v boji proti změně klimatu snížením emisí v dodavatelském řetězci, řekl Renny Vandewege, viceprezident společnosti pro předpověď počasí DTN, Lifewire v e-mailovém rozhovoru.
Například v lodní dopravě může trasa optimalizovaná pro počasí snížit emise až o 4 % a snížit spotřebu paliva až o 10 % a trasa podle počasí v leteckém průmyslu může zabránit zbytečnému přesměrování, aby se zabránilo špatnému počasí, nebo kroužit kolem letiště čekajícího na přistání,“řekl.
Přesná předpověď pro silniční sítě může omezit zbytečné ošetřování zimních silnic a snížit počet škodlivých chemikálií, řekl Vandenwege.
„Místo ošetření celé vozovky se mohou posádky údržby silnic rozhodnout ošetřit vybraná místa podél silnice, kde jsou úseky se studenými místy, nebo se mohou rozhodnout, zda je ošetření vůbec nutné,“dodal.
Strojové učení a modely umělé inteligence se stále více používají k tomu, aby pomohly porozumět emisím CO2 a metanu, řekl Marty Bell, hlavní vědecký ředitel společnosti WeatherFlow pro předpověď počasí, Lifewire v e-mailovém rozhovoru.
„Modely také zvyšují naši odolnost vůči změně klimatu tím, že nám pomáhají upravit náš přístup k výrobě a využití energie,“řekl Bell. „Zatímco mnoho z těchto aplikací umělé inteligence funguje ve velkém měřítku na systémech distribuce energie z veřejných služeb, jiné fungují na úrovni domácností, kde ML informuje modely umělé inteligence zabudované do každodenních zařízení internetu věcí, která efektivněji řídí spotřebu energie v domě.“