DeepMind Windvoorspellingen: 4 manieren A.I. Is nu de omgeving redden

Menselijke activiteit op aarde heeft het klimaat op aarde nadelig beïnvloed, wat heeft geleid tot hele smelten van de naties, dierlijk uitsterven en mogelijk het verdwijnen van wolken. Maar er is een mogelijkheid dat de ernst van de klimaatverandering kan worden beperkt, als we snel handelen en gebruik maken van andere menselijke uitvindingen: kunstmatige intelligentie.

Google's in Londen gevestigde A.I. dochteronderneming DeepMind heeft deze week haar meest recente prestatie aangekondigd, met machinaal leren om windenergie waardevoller te maken voor het elektriciteitsnet. Het algoritme van het bedrijf kon voorspellen hoeveel stroom de windturbines 36 uur van tevoren zouden genereren, legt het bedrijf uit in een blogpost. Hierdoor kunnen windparken op betrouwbare wijze exacte hoeveelheden energie leveren om aan de vraag naar elektriciteit te voldoen.

DeepMind heeft zijn A.I. tot 700 megawatt aan windenergiecapaciteit in het Midwesten. Het algoritme is getraind in weersvoorspellingen en eerdere turbinegegevens om de vermogensoutput te voorspellen. Google verklaarde dat zijn inspanningen de waarde van deze windparken met "20 procent" hebben verbeterd.

Door windparken de mogelijkheid te geven om datagedreven beslissingen te nemen, is dit een kleine stap in de richting van een afnemende afhankelijkheid van steenkool en fossiele brandstoffen. A.I. heeft een groot potentieel om wetenschappers, boeren en ingenieurs een beter inzicht te geven in de effecten van klimaatverandering en verwerkt enorme hoeveelheden gegevens in een oogwenk. Het kan patronen herkennen waarbij mensen eerst alleen door elkaar gegooide cijfers zien, en het kan de precieze informatie leveren die wetenschappers nodig hebben om daadkrachtig op te treden.

De Brookings-instelling en het World Economic Forum publiceerden beide rapporten over hoe A.I. kan worden gebruikt om recente negatieve gevolgen van de klimaatverandering te verminderen, en veel ervan zijn al tot op zekere hoogte geïmplementeerd.

4. De grote gegevens van weersvoorspellingen maken zonnepanelen nog lucratiever

De aankondiging van Google is het begin van een slimme energiedistributie die wind- en zonne-energiebedrijven tot grote spelers in het wereldwijde elektriciteitsnet zal maken. Op grote schaal beschikbare weersvoorspellingsgegevens kunnen worden gebruikt om nauwkeurig in te schatten hoeveel wind zal waaien en hoe zonnig het op een bepaalde dag zal zijn.

DeepMind is een voorbeeld van hoe dit kan worden gebruikt voor windparken, en David Victor, covoorzitter van Cross-Brookings Initiative voor energie en klimaat, geeft een voorbeeld van hoe het kan worden gebruikt voor zonne-energie.

"Betere prognoses over de toekomst en de komende uren van hoe wolken en andere weersformaties van invloed zijn op de zonne-energieproductie", schrijft hij. "Betere voorspellingen kunnen het voor zonnegeneratoren eenvoudiger en lucratiever maken om deel te nemen aan elektriciteitsmarkten."

3. Klimaatmodellering biedt extreem lange-termijnprognoses

Weer- en klimaatwetenschappers verzamelen voortdurend gegevens over wat is en wat zal worden beïnvloed door de veranderende klimaten van de aarde. De staat van de ozonlaag, de stijgende zeespiegel en de temperatuur van de oceanen in de wereld worden allemaal nauwgezet gevolgd en gepubliceerd. A.I. kan deze cijfers nemen en ze omzetten in gereedschappen.

Algoritmes voor machinaal leren voeden getallen en hoe meer gegevens die algoritmen hebben, des te meer voorspellingen kunnen worden gedaan en meer verborgen patronen kunnen worden gedetecteerd. Het verenigen van de klimaatgegevens die vandaag beschikbaar zijn, kan richtlijnen creëren om wetenschappers, ingenieurs en gewone mensen te laten weten wat eerst moet worden gedaan om de klimaatverandering te vertragen.

Het rapport van het WEF vermeldde dat het gebruik van A.I. om datamodellen te maken, kunnen hulpexperts een idee krijgen van wat op dit moment de hoogste prioriteit heeft en burgers meer inzicht geven in hoe slecht klimaatverandering is.

"Datasets hebben een aanzienlijke krachtige rekenkracht vereist en de toegankelijkheid en bruikbaarheid voor de wetenschappelijke en besluitvormende gemeenschappen beperkt", zegt het WEF. “A.I. kan deze uitdagingen oplossen, zowel de prestaties van weer- en klimaatmodellering verbeteren, en het toegankelijker maken en bruikbaar maken voor besluitvorming."

3. Realtime gewasgegevens zullen toekomstige landbouwers informeren

Het ongelooflijke vermogen van A.I. om door bijna eindeloze hoeveelheden cijfers te bladeren, zou kunnen worden gebruikt om een ​​autonome landbouw tot stand te brengen. Geologische gegevens kunnen algoritmes vertellen wat er in een bepaald gebied kan worden gekweekt en realtime crop-gegevens kunnen worden verzameld om eventuele problemen tijdens de groei te detecteren.

De landbouwsector wordt al gedomineerd door machines en kan op een dag volledig door machines worden bestuurd. Deze robots kunnen worden bestuurd door algoritmes voor machinaal leren die voortdurend de bodem-, plantgezondheid- en weersgegevens controleren.

Dit vereist een enorme verbetering van de voertuigautonomie en het samenvallen van een massa gegevens. Maar het WEF stelt dat volledig autonome boerderijen niet vergezocht zijn.

“A.I. kon boerderijen bijna volledig autonoom maken ", stelt het. "Boeren kunnen mogelijk verschillende gewassen symbiotisch laten groeien, met behulp van AI om problemen te herkennen of te voorspellen en passende corrigerende maatregelen te nemen via robotica"

1. Schaarse toevoer van water in aride gebieden beschermen

De extreme weersinvloeden van de klimaatverandering hebben geleid tot langdurige droogte en bosbranden. Ervoor zorgen dat gemeenschappen getroffen door deze door mensen veroorzaakte rampen voldoende zoet water hebben, is cruciaal en A.I. kan dat laten gebeuren.

Gebruikmakend van gegevens van op het internet aangesloten huiswatermeters, konden algoritmen detecteren welke delen van de wereld de meeste bronnen nodig hebben. Het systeem kan dan meer water doorsturen naar gebieden die droog zijn om ervoor te zorgen dat er middelen worden ingezet waar we ze het meest nodig hebben.

Het WEF stelde voor dit te realiseren door de IOT-technologie samen te voegen om gegevens uit huizen te verzamelen, machine learning om die gegevens te verwerken en blockchaintechnologie om waterbronnen te decentraliseren.