Imej oleh Bumi NASA

Apabila komputer menjadi lebih pintar, saintis melihat cara-cara baru untuk mendapatkannya dalam perlindungan alam sekitar.

Apabila anda berfikir tentang kecerdasan buatan, imej pertama yang mungkin datang ke fikiran adalah salah satu robot terpenting yang berjalan, bercakap dan emosi seperti manusia. Tetapi terdapat jenis AI yang berbeza yang menjadi lazim dalam hampir semua sains. Ia dikenali sebagai pembelajaran mesin, dan ia berkisar pada enlisting komputer dalam tugas mengasingkan jumlah besar data yang teknologi moden telah membolehkan kita menghasilkan (aka "data besar").

Salah satu daripada pembelajaran mesin di tempat ini adalah yang paling bermanfaat dalam sains alam sekitar, yang telah menghasilkan banyak maklumat dari pemantauan pelbagai sistem bumi - akuifer bawah tanah, iklim pemanasan atau penghijrahan haiwan, sebagai contoh. Satu projek yang berleluasa telah muncul dalam bidang yang agak baru ini, yang dikenali sebagai kemampanan pengkomputeran, yang menggabungkan data yang dikumpulkan mengenai alam sekitar dengan keupayaan komputer untuk menemui trend dan membuat ramalan tentang masa depan planet kita. Ini berguna kepada saintis dan pembuat dasar kerana ia dapat membantu mereka membangunkan rancangan bagaimana untuk hidup dan bertahan di dunia yang berubah. Di sini hanya melihat sedikit sahaja.

Untuk Burung - dan Gajah

Universiti Cornell nampaknya memimpin jalan di sempadan baru ini, mungkin kerana ia mempunyai Institut Penyelidikan Komputasiy dan juga kerana ketua institut itu, Carla P. Gomes, adalah salah satu perintis kemampanan pengkomputeran. Gomes berkata bidang ini bermula di 2008 apabila Yayasan Sains Kebangsaan telah menganugerahkan geran AS $ 10 untuk mendorong ahli sains komputer ke dalam penyelidikan yang mempunyai manfaat sosial. Sejak itu, pasukannya - dan pasukan saintis di seluruh dunia - telah mengambil idea dan berlari dengannya.

Satu kawasan utama di mana pembelajaran mesin boleh membantu alam sekitar dengan pemuliharaan spesies. Khususnya, institut Cornell telah bekerjasama dengan Makmal Ornitologi Cornell untuk menggabungkan semangat penonton burung dengan pemerhatian saintifik. Mereka telah membangunkan aplikasi yang dipanggil eBird yang membolehkan warga biasa menghantar data mengenai burung yang mereka perhatikan di sekitar mereka, seperti berapa banyak spesies yang boleh ditemui di lokasi tertentu. Setakat ini, Gomes berkata, mereka mempunyai lebih daripada sukarelawan 300,000 menghantar lebih daripada pemerhatian 300 juta, yang berjumlah lebih daripada 22 juta jam kerja lapangan.

Animasi animasi menelan penghijrahan pokok ini menunjukkan bagaimana teknik kemapanan pengiraan dapat digunakan untuk meramalkan variasi populasi di ruang dan waktu. Imej oleh Daniel Fink, Cornell Lab. Ornitologi

Menggabungkan data yang dikumpul dari eBird dengan data pemerhatian makmal sendiri dan maklumat mengenai distribusi spesies yang dikumpulkan dari rangkaian penginderaan jauh, model institut menggunakan pembelajaran mesin untuk meramalkan di mana terdapat perubahan habitat untuk spesies tertentu dan laluan di mana burung akan bergerak selama penghijrahan.

"Terdapat jurang besar di mana kita tidak mempunyai pemerhatian, tetapi jika anda mengaitkan corak kejadian dan ketiadaan kita melihat bahawa burung-burung ini seperti habitat tertentu dan kemudian kita boleh umum," kata Gomes. "Kami benar-benar menggunakan model canggih - algoritma dari pembelajaran mesin - untuk meramal bagaimana burung diedarkan."

Mereka kemudian boleh berkongsi ramalan mereka dengan pembuat dasar dan pemuliharaan, yang boleh menggunakannya untuk membuat keputusan tentang cara terbaik untuk melindungi habitat burung.

Sebagai contoh, kata Gomes, berdasarkan maklumat yang dikumpulkan melalui eBird dan diproses oleh perkongsian, The Nature Conservancy telah menubuhkan sebuah "Lelongan balik" di bahagian-bahagian yang terkena kemarau di California, membayar petani beras untuk mengekalkan air di ladang mereka apabila burung cenderung berpindah dan memerlukan habitat persinggahan. "Ini hanya mungkin kerana kami mempunyai model komputasi lanjutan yang memberi kami maklumat ketepatan tentang bagaimana burung diedarkan," kata Gomes.

Burung bukan satu-satunya kawasan penyelidikan. Kebanyakan kerja institut berkaitan dengan pemuliharaan hidupan liar - mendengar jam rekod hutan untuk memetakan lokasi panggilan gajah dan tembakan pemburu haram, contohnya, atau mengesan beruang grizzly untuk membangun koridor yang mereka boleh gunakan untuk bergerak dengan selamat melalui padang belantara.

Mengalahkan PACE

Di Pusat Penerbangan Angkasa Goddard NASA, saintis penyelidikan Cecile Rousseaux menggunakan pembelajaran mesin untuk lebih memahami pembahagian fitoplankton (juga dikenali sebagai microalgae) di lautan. Tumbuhan mikroskopik ini terapung di permukaan laut dan menghasilkan banyak oksigen yang kita nafas. Mereka membentuk asas web makanan lautan. Mereka juga mengambil karbon dioksida dan, apabila mereka mati, membawa karbon dengan mereka ketika mereka tenggelam ke dasar laut.

"Sekiranya kita tidak mempunyai fitoplankton, kita akan melihat kenaikan karbon dioksida yang lebih besar maka kita akan melihat," kata Rousseaux. Oleh sebab itu, status keseluruhannya adalah maklumat penting bagi para penyelidik yang cuba memahami kesan perubahan CO atmosfera₂ di planet kita.

{{youtube}eM5lX9RQzZ4{/youtube}

Rousseaux menggunakan imejan satelit dan pemodelan komputer untuk meramalkan keadaan semasa dan masa depan phytoplankton lautan di dunia. Pada masa ini, model ini hanya dapat menganggarkan jumlah mikroalgae yang hidup di Bumi dan bagaimana jumlah itu berubah dari semasa ke semasa. Tetapi misi satelit baru dipanggil PACE (untuk "Awan Pra-Aerosol dan Ekosistem lautan"), dilancarkan di 2022, akan membuka satu set data baru yang lebih dekat dengan populasi dan dapat mengenal pasti spesies yang berbeza daripada sekadar melihat keseluruhannya, yang akan secara substansial ubah model semasa.

"Model ini menggunakan parameter berdasarkan suhu, cahaya dan nutrien untuk memberitahu kami jumlah pertumbuhan. Satu perkara yang dilakukan simulasi adalah menyesuaikan jumlahnya, "katanya. Tetapi terdapat pelbagai jenis fitoplankton yang semua berinteraksi dengan alam sekitar dengan cara yang unik. Diatoms, misalnya, besar, tenggelam ke dasar laut dengan cepat dan memerlukan banyak nutrien. PACE akan memungkinkan untuk mengenal pasti jenis fitoplankton di pelbagai bahagian lautan, mengembangkan keupayaan model untuk membantu kita memahami bagaimana mikroorganisma mempengaruhi CO atmosfera₂. Ia juga akan membolehkan kita melakukan perkara-perkara seperti meramal mekar alga berbahaya dan berpotensi mencari cara untuk memanfaatkan bakat spesies yang menggunakan karbon dalam jumlah yang lebih besar untuk memerangi perubahan iklim.

EarthCube

Bercakap mengenai Bumi secara keseluruhan, Yayasan Sains Nasional menggunakan pembelajaran mesin untuk mencipta model hidup 3-D dari seluruh planet. Dipanggil EarthCube, perwakilan digital akan menggabungkan set data yang disediakan oleh para saintis merentasi keseluruhan disiplin - pengukuran atmosfera dan hidrosfera atau geokimia di lautan, misalnya - untuk meniru keadaan di atas dan di bawah permukaan. Oleh kerana jumlah data yang besar, kiub akan merangkumi, ia dapat memodelkan keadaan yang berbeza dan meramalkan bagaimana sistem planet akan bertindak balas. Dan dengan maklumat itu, saintis akan dapat mencadangkan cara untuk mengelakkan peristiwa bencana atau hanya merancang bagi mereka yang tidak dapat dielakkan (seperti banjir atau cuaca kasar) sebelum mereka berlaku.

EarthCube menggabungkan set data untuk membuat model yang boleh digunakan untuk meramalkan dan meminimumkan kerosakan yang disebabkan oleh peristiwa bencana.
Imej oleh Jeanne DiLeo / USGSSebagai sebahagian daripada projek EarthCube, Kajian Geologi AS sedang bekerjasama dalam projek Rangka Kerja Sains Negara untuk menghasilkan Kerak Digital, suatu rangka kerja yang akan membolehkan pemahaman yang lebih tepat dan mantap mengenai proses permukaan permukaan di Bumi, seperti imbangan air bawah tanah dan sistem akuifer kesihatan. "Kami akan dapat mengira perhitungan saintifik yang menunjukkan tahap air bawah tanah dari masa ke masa, dan kita dapat meredakannya terhadap senario masa depan," kata Sky Bristol, ketua cawangan pencirian biogeografi di USGS dan memimpin pasukan USGS untuk projek EarthCube Digital Crust .

Pembelajaran mesin juga datang untuk bermain apabila dua model dari bahagian yang berbeza dari kubus (seperti kerak dan atmosfera) perlu berinteraksi antara satu sama lain, kata Bristol. Contohnya, bagaimana keadaannya apabila terdapat peningkatan dalam pengekstrakan air bawah tanah dan peningkatan iklim pemanasan pada masa yang sama?

The Digital Crust dijadualkan siap pada musim panas ini. The Digital Crust dan semua projek EarthCube menjadikan data dan sumber terbuka perisian mereka. Jadi, dalam masa beberapa tahun, sesiapa sahaja akan dapat menggunakan pembelajaran mesin untuk membuat ramalan mengenai semua kemungkinan Bumi masa depan. Dan ini bermakna ahli geosains, yang bekerja untuk memahami pelbagai sistem bumi dan bagaimana perubahan di dalamnya akan menjejaskan kemanusiaan, akan mempunyai alat baru yang membolehkan mereka berkongsi data antara satu sama lain dari seluruh dunia - memberikan ramalan mereka lebih banyak kesan dan membolehkan manusia peluang untuk bertindak, sebaliknya kemudian bertindak balas kepada dunia yang berubah.

Contoh-contoh ini hanya sebahagian kecil daripada gambaran besar tentang bagaimana kemampanan pengkomputeran dapat berubah - dan berubah - keupayaan kita untuk menjadikan kehidupan manusia di Bumi lebih mampan. Di Cornell sahaja, projek lain yang menggunakan teknologi termasuk pemetaan kawasan kemiskinan dan keberkesanan mitigasi kemiskinan di negara maju, menentukan kesan penuaian dasar perikanan lautan, menemui bahan-bahan baru yang boleh digunakan untuk menangkap tenaga solar, menentukan kesan kapal menyerang penduduk ikan paus, dan juga menumpahkan perhatian kepada kecekapan dan implikasi kenaikan cukai petrol di Amerika Syarikat. Jika trend semasa adalah petunjuk, kita boleh mengharapkan lebih banyak lagi tahun depan tentang bagaimana kecerdasan buatan membantu kita menjadikan dunia tempat yang lebih baik untuk hidup untuk jangka panjang.

Artikel ini pada asalnya muncul di Ensia

Tentang Pengarang

Erin Biba adalah wartawan sains bebas yang berpangkalan di New York City. Kerjanya kerap muncul Newsweek, Scientific American dan The Mythbusters ' Tested.com.

Buku Berkaitan

at

Terima kasih kerana melawat InnerSelf.com, mana ada 20,000 + rencana mengubah hidup yang mempromosikan "Sikap Baharu dan Kemungkinan Baharu." Semua artikel diterjemahkan ke dalam 30+ bahasa. Langgan kepada Majalah InnerSelf, diterbitkan setiap minggu, dan Inspirasi Harian Marie T Russell. lahirnya Magazine telah diterbitkan sejak tahun 1985.