Dengan perkembangan pesat teknologi kecerdasan buatan (AI) dalam beberapa tahun kebelakangan ini, banyak yang mulai bertanya-tanya bagaimana teknologi yang sama dapat membantu menyelesaikan salah satu ancaman paling serius yang telah menimpa manusia - perubahan iklim global? Artikel baru, yang ditulis oleh beberapa pakar terkemuka dalam pengembangan kecerdasan buatan dan diterbitkan di repositori dalam talian arXiv.org, cuba menjawab soalan ini dengan menawarkan beberapa contoh bagaimana pembelajaran mesin akan dapat mencegah kemerosotan peradaban kita.
Kaedah yang dicadangkan berkisar dari menggunakan teknologi AI dan satelit untuk memantau penebangan hutan dengan lebih berkesan, hingga mengembangkan bahan baru yang dapat menggantikan baja dan simen (pengeluarannya menyumbang hingga 9 persen pelepasan gas rumah kaca ke atmosfera). Walaupun terdapat kepelbagaian ini, dalam artikel mereka, pakar berulang kali menggunakan kemungkinan teknologi yang lebih luas. Terutama dengan latar belakang ini, kemungkinan menggunakan teknologi penglihatan mesin untuk pemantauan alam sekitar menonjol; melakukan analisis data yang besar untuk menentukan ketidakcekapan industri dengan tahap pelepasan bahan berbahaya ke atmosfera yang tinggi; dan menggunakan AI untuk membangunkan model sistem baru yang lebih cekap, seperti model iklim kita,berkat yang dapat kita ramalkan dan persiapkan perubahan yang lebih baik di masa hadapan.
Pengarang artikel itu, termasuk penyelidik, pengasas dan CEO DeepMind buatan Britain, Demis Hassabi, pemenang Hadiah Turing dan salah seorang "bapa pembelajaran mendalam" Yoshua Bengio, dan pengasas bersama Google Brain - projek penyelidikan Google untuk kajian kecerdasan buatan Pembelajaran Dalam - Andrew Ng mengatakan bahawa AI dapat "tidak ternilai" dalam meminimumkan kesan terburuk dari perubahan iklim global, tetapi menambahkan bahawa teknologi ini bukan "peluru perak" - satu-satunya ubat untuk semua masalah. Pada pendapat mereka, kekuatan politik harus mengambil bahagian aktif dalam isu ini.
Secara keseluruhan, artikel ini mempertimbangkan beberapa bidang sekaligus di mana teknologi pembelajaran mesin dapat menemukan aplikasinya, dikategorikan berdasarkan jangka masa potensi penggunaannya, yang dijelaskan oleh apakah teknologi ini cukup dikembangkan. Di bawah ini anda dapat melihat senarai ini.
Kecerdasan buatan akan meningkatkan kecekapan sistem bekalan kuasa
Sekiranya manusia merancang untuk bergantung pada sumber tenaga yang lebih boleh diperbaharui pada masa akan datang, utiliti akan memerlukan kaedah untuk meramal dan mengira jumlah tenaga yang kita perlukan. Selain itu, pengiraan ini harus dilakukan dalam masa nyata dan sepanjang tempoh operasi perusahaan ini.
Video promosi:
Algoritma telah dikembangkan yang dapat memprediksi permintaan tenaga, namun, kecekapan algoritma ini dapat ditingkatkan lebih jauh dengan memperkenalkan ke dalam perhitungan faktor-faktor seperti ciri iklim daerah tertentu, serta spesifik menjalankan perniagaan. Usaha untuk menjadikan spesifik algoritma ini lebih difahami juga akan membolehkan pengendali utiliti mentafsirkan hasil analisis mereka dengan lebih tepat dan menggunakannya dalam perancangan, memilih masa yang paling optimum untuk melancarkan sumber tenaga boleh diperbaharui ini.
Kecerdasan buatan akan membantu menemui bahan baru
Para saintis perlu mengembangkan bahan baru untuk pengeluaran, penyimpanan dan penggunaan tenaga yang lebih cekap, namun, sebagai peraturan, proses mencari dan mengembangkan bahan baru sangat lambat dan tidak selalu berjaya. Teknologi pembelajaran mesin akan mempercepat proses mencari, mengembangkan dan memperbaiki formula baru dengan sifat yang diinginkan.
Mungkin ini akan membawa kepada pengembangan, misalnya, jenis bahan bakar baru, marilah kita secara kondisional menyebutnya "solar", yang akan dapat menyimpan tenaga cahaya matahari; akan membolehkan anda membuat penyerap karbon dioksida atau bahan binaan yang baru dan sangat efisien, pengeluarannya akan mengeluarkan lebih sedikit karbon. Bahan semacam itu suatu hari nanti dapat menggantikan keluli dan konkrit, pengeluarannya melepaskan hampir 10 peratus daripada jumlah pelepasan gas rumah hijau di dunia.
Kecerdasan buatan akan membantu menyusun semula sistem pengangkutan dengan berkesan
Penghantaran barang di seluruh dunia adalah proses logistik yang sangat kompleks dan sangat tidak berkesan, di mana barang dengan jumlah, berat dan saiz yang berbeza berinteraksi, dan pelbagai jenis pengangkutan digunakan. Pada masa yang sama, pengangkutan adalah seperempat dari semua pelepasan CO2 ke atmosfera.
Teknologi pembelajaran mesin yang digunakan di kawasan ini memungkinkan untuk menggabungkan barang yang lebih efisien yang memerlukan penghantaran ke destinasi yang sama, yang akan mengurangkan jumlah penghantaran yang diperlukan. Sebagai tambahan, sistem seperti ini akan lebih tahan terhadap gangguan sistem pengangkutan yang tidak dijangka dan dapat menguruskan armada trak tanpa pemandu yang besar. Walau bagaimanapun, penulis menyatakan bahawa teknologi terkini belum siap pada masa ini.
Buatan akan menyebabkan penyesuaian kenderaan elektrik dengan cepat
Kenderaan elektrik, yang merupakan elemen penting dalam mendekarbonisasi kenderaan, menghadapi sejumlah masalah yang menghalangnya daripada menjadi arus perdana.
Pembelajaran mesin dapat membantu mengatasi masalah ini, kata penulis laporan itu. Sebagai contoh, algoritma dapat meningkatkan pengurusan penggunaan tenaga bateri untuk meningkatkan jarak tempuh setiap cas dan mengurangkan tahap keprihatinan di kalangan bakal pembeli kenderaan tersebut mengenai mengehadkan jarak perjalanan. Di samping itu, teknologi ini akan mengoptimumkan masa pengecasan.
Kecerdasan buatan mengoptimumkan infrastruktur bangunan
Sistem kawalan pintar berdasarkan pembelajaran mesin dapat mengurangkan tahap penggunaan tenaga bangunan dengan ketara, dengan mempertimbangkan keadaan cuaca, penghunian bangunan semasa dan faktor persekitaran lain, dan kemudian menyesuaikan pemanasan, penyejukan, pengudaraan, dan pencahayaan di dalam ruangan dengan sewajarnya.
Bangunan pintar akan dapat menghantar maklumat mengenai keadaan persekitaran semasa terus ke grid sehingga penggunaan tenaga dapat dikurangkan jika terdapat kekurangan bekalan elektrik rendah karbon.
AI akan dapat mengira jumlah sumber tenaga yang digunakan dengan lebih tepat
Di banyak wilayah di dunia, data mengenai tahap penggunaan tenaga tempatan dan pelepasan gas rumah kaca ke atmosfer praktis tidak ada, yang boleh menjadi masalah besar bagi pengembangan dan pelaksanaan langkah-langkah pengimbangan yang efektif.
Penglihatan mesin akan membolehkan teknologi satelit digunakan untuk menganggarkan titik (kawasan) binaan sehingga algoritma pembelajaran mesin dapat menggunakan data ini untuk mengira penggunaan tenaga dan pelepasan. Kaedah serupa boleh digunakan untuk mengenal pasti bangunan yang memerlukan peningkatan untuk meningkatkan kecekapannya.
Kepintaran buatan mengoptimumkan rantaian bekalan
Dengan menggunakan keupayaan yang serupa, teknologi pembelajaran mesin akan dapat mengoptimumkan saluran dan rantaian bekalan dengan meminimumkan jejak karbon dalam mengangkut pelbagai barang.
Kemungkinan peramalan undang-undang penawaran dan permintaan yang lebih efisien akan mengurangkan pengeluaran dan pengangkutan sampah.
Kecerdasan buatan akan menjadikan pertanian ketepatan dapat ditingkatkan
Sebilangan besar ladang pertanian moden menggunakan prinsip menanam monokultur. Dengan kata lain, hanya satu tanaman yang ditanam di kawasan yang luas.
Pendekatan ini memudahkan petani mengusahakan ladang mereka dengan mesin pertanian dan alat asas lain yang berdiri sendiri, tetapi pada masa yang sama menghabiskan tanah, kehilangan nutrien dan menjadikannya kurang produktif. Akibatnya, pelbagai baja sering digunakan untuk meningkatkan hasil, terutama yang berdasarkan nitrogen, yang dapat diubah menjadi nitrogen oksida - gas rumah kaca 300 kali lebih berbahaya daripada karbon dioksida. Robot pembelajaran mesin dapat membantu pertanian menilai keadaan tanah semasa dan mencadangkan tanaman mana yang ditanam untuk memulihkan kesihatan tanah sambil mengurangkan keperluan baja.
AI akan membantu memantau penebangan hutan dengan lebih berkesan
Penebangan hutan menyumbang kepada kira-kira 10 peratus daripada jumlah pelepasan gas rumah hijau. Menjejaki dan mencegah aktiviti yang sering menyalahi undang-undang ini biasanya merupakan proses yang sangat memakan masa dan rutin yang memerlukan pengawasan peribadi di lokasi.
Sebaliknya, citra satelit, ditambah dengan teknologi penglihatan mesin, akan membolehkan analisis automatik kehilangan perlindungan hutan secara besar-besaran, dan sensor khas dipasang di laman web ini, digabungkan dengan algoritma yang, misalnya, dapat mengesan bunyi gergaji, dapat membantu agensi penguatkuasaan undang-undang memerangi dengan lebih berkesan aktiviti haram.
AI akan membantu mengubah sikap pengguna kita
Menurut penulis laporan itu, terdapat kesalahpahaman yang meluas di dunia bahawa orang biasa tidak dapat memberi kesan serius terhadap perubahan iklim.
Oleh itu, dalam perkara ini, adalah perlu untuk menjelaskan bagaimana sebenarnya orang dapat menolong. Teknologi pembelajaran mesin dapat mengira jejak karbon seseorang (jumlah semua pelepasan gas rumah hijau yang mereka hasilkan dalam aktiviti harian mereka) dan membuat perubahan kecil yang akan mengurangkannya. Sebagai contoh, sistem mungkin mencadangkan penggunaan pengangkutan awam lebih kerap daripada pengangkutan peribadi; lebih jarang membeli daging di kedai; atau mengurangkan penggunaan elektrik di rumah. Kita masing-masing membuat jejak karbon kecil, tetapi jika anda mengambil semuanya sekaligus, jumlahnya jauh lebih besar. Perubahan sikap kita terhadap penggunaan dan penambahan semua tindakan individu yang bertujuan untuk ini dapat memberikan kesan kumulatif yang besar.
AI akan meningkatkan kecekapan meteorologi dan klimatologi
Banyak kesan perubahan iklim yang paling ketara dalam beberapa dekad mendatang akan dikaitkan dengan sistem semula jadi yang sangat kompleks, seperti mengubah dinamika awan atau lapisan ais.
Ini adalah isu-isu di mana AI mempunyai harapan yang tinggi. Pemodelan proses ini dengan tepat akan membantu para saintis dengan lebih berkesan meramalkan keadaan cuaca yang melampau (seperti taufan dan kekeringan), yang seterusnya akan membantu negara-negara mengembangkan kaedah perlindungan terhadap kesan terburuk dari peristiwa ini.
Kecerdasan buatan akan menolong dengan melakukan geoengineering
Pada peringkat ini, kes penggunaan AI ini antara yang disajikan di atas adalah yang paling spekulatif, tetapi harapan yang tinggi juga disematkan, sekurang-kurangnya dari beberapa saintis.
Sekiranya kita dapat mengembangkan cara untuk menjadikan penutup awan planet kita lebih reflektif, atau bahkan membuat awan buatan berdasarkan aerosol khas, maka kita dapat memantulkan lebih banyak cahaya matahari dari Bumi. Tetapi isu ini memerlukan siasatan yang serius. AI dapat membantu dalam hal ini, tetapi penulis laporan menyatakan bahawa kaedah menggunakan kecerdasan buatan ini adalah masalah yang sangat jauh yang memerlukan kerjasama semua pemerintah di dunia. Sebagai contoh, pakar dari University of Waterloo Kanada bersetuju dengan kedudukan ini, yang percaya bahawa pendekatan yang tidak masuk akal untuk isu geoengineering ini dapat memulakan perang dunia ketiga.
