DeepMind Wind Predictions: 4 måder A.I. Gemmer miljøet lige nu

Menneskelig aktivitet på Jorden har skadeligt påvirket Jordens klima, hvilket har ført til, at hele nationer smelter væk, udryddelse af dyr og muligvis forsvinden af ​​skyer. Men der er en mulighed for, at sværhedsgraden af ​​klimaændringer kan mildnes, hvis vi handler hurtigt og udnytter andre menneskelige opfindelser: kunstig intelligens.

Googles London-baserede, A.I. datterselskab DeepMind annoncerede i denne uge sin seneste gennemførelse ved at bruge maskinindlæring for at gøre vindenergien mere værdifuld til elnettet. Virksomhedens algoritme var i stand til at forudsige, hvor stor kraft dens vindmøller ville generere 36 timer før, forklarer virksomheden i et blogindlæg. Dette ville gøre det muligt for vindmølleparker pålideligt at levere nøjagtige mængder strøm for at imødekomme elforbruget.

DeepMind anvendte sin A.I. til 700 megawatt vindkraft kapacitet i Midtvesten. Algoritmen blev trænet på vejrudsigter og tidligere turbinedata for at forudsige effektudgang. Google udtalte, at dens indsats forbedrede værdien af ​​disse vindmølleparker med "20 procent".

At give vindmølleparker mulighed for at træffe data-drevne beslutninger er et lille skridt i retning af faldende afhængighed af kul og fossile brændstoffer. A.I. har stort potentiale til at give forskere, landmænd og ingeniører en bedre forståelse af klimaændringernes virkninger og behandler enorme datamængder i øjnene. Det kan vise mønstre, hvor mennesker først i første omgang ser jumbled tal, og det kan levere de nøjagtige informationer, som forskerne skal handle afgørende.

Brookings Institution og World Economic Forum offentliggjorde begge rapporter om, hvordan A.I. kan udnyttes for at reducere de voksende påvirkning af klimaændringer for nylig, og mange af dem er allerede implementeret til en vis grad.

4. De store data af vejrudsigterne gør solpaneler mere lukrative

Googles meddelelse er begyndelsen på intelligent energiforbrug, som vil gøre vind- og solkraftbruget store spillere i det globale elnettet. Bredt tilgængelige vejrudsigtdata kan bruges til præcist at estimere, hvor meget vind vil blæse og hvor solskins det vil være på en given dag.

DeepMind er et eksempel på, hvordan dette kan bruges til vindmølleparker, og David Victor, medformand for Cross-Brookings Initiative for Energy and Climate, giver et eksempel på, hvordan det kan bruges til solenergi.

"Bedre dag fremad og timeprog forudsigelser om, hvordan skyer og andre vejrformationer påvirker solproduktionen," skriver han. "Bedre prognoser kan gøre det nemmere og mere lukrativt for solgeneratorer at deltage i elmarkederne."

3. Klimamodellering tilbyder ekstremt langsigtede prognoser

Vejr- og klimaforskere samler konstant data om, hvad der er, og hvad der vil blive påvirket af Jordens skiftende klima. Ozonlagets tilstand, stigende havniveauer og temperaturen i verdens oceaner bliver alle omhyggeligt sporet og offentliggjort. A.I. kan tage disse tal og omdanne dem til værktøjer.

Maskinindlæringsalgoritmer indfører tal, og jo flere data disse algoritmer har, jo flere forudsigelser kan laves, og flere skjulte mønstre kan detekteres. At forene de klimatiske data, der er til rådighed i dag, kan skabe retningslinjer for at lade forskere, ingeniører og dagligdags vide, hvad der skal gøres først for at bremse klimaændringerne.

WEFs rapport fastslog at anvende A.I. At oprette datamodeller kan være hjælpeksperter få fat i hvad der er højest prioriteret lige nu og give borgerne en bedre forståelse for, hvor dårlige klimaændringer er.

"Datasæt har krævet betydelig høj ydeevne computerkraft og begrænset tilgængelighed og anvendelighed for de videnskabelige og beslutningstagende samfund," siger WEF. ”A.I. kan løse disse udfordringer og øge både vejr- og klimamodellering og gøre det mere tilgængeligt og brugbart til beslutningstagning."

3. Real-Time Crop Data vil informere fremtidige landmænd

A.I.s utrolige evne til at analysere næsten uendelige mængder tal kunne bruges til at skabe autonomt landbrug. Geologiske data kan fortælle algoritmer, hvad der kan dyrkes i et givet område, og der kan indsamles data i realtid for at opdage eventuelle problemer under væksten.

Landbrugsindustrien domineres allerede af maskiner, og det kunne en dag være helt styret af maskiner. Disse robotter kan styres af en maskinindlæringsalgoritme, der konstant kontrollerer jord-, plantesundhed og vejrdata.

Dette vil kræve store forbedringer af autonomi af køretøjer og sammenkædning af en masser af data. Men WEF fastslår, at fuldt autonome gårde ikke er fjernet.

”A.I. kunne gøre det muligt for landbrugene at blive næsten fuldstændig autonome, "siger det. "Landmænd kan muligvis dyrke forskellige afgrøder symbiotisk ved at bruge AI til at få øje på eller forudsige problemer og at tage passende korrigerende handlinger via robotik"

1. Beskyttelse af knappe vandforsyninger i tørre områder

De ekstreme vejrvirkninger af klimaændringer har medført langvarig tørke og brande. At sikre, at samfund, der er ramt af disse menneskeskabte katastrofer, har tilstrækkeligt ferskvand er afgørende, og A.I. kan få det til at ske

Ved hjælp af data fra internetforbundne hjemmetermålere kan algoritmer opdage, hvilke dele af verden der har brug for mest ressourcer. Systemet kan derefter omdirigere mere vand til områder, der gennemgår tørke, for at sikre, at ressourcer bliver implementeret, hvor vi har brug for dem mest.

WEF foreslog, at dette kunne realiseres ved at slå sammen IOT-teknologi til at indsamle data fra boliger, maskinindlæring til at behandle data og blockchain tech til decentralisering af vandressourcer.