Изменение климата - одна из величайших угроз, с которыми когда-либо сталкивался человечество, со все более серьезными последствиями, которых опасаются по мере повышения уровня моря, разрушения экосистем и увеличения числа стихийных бедствий. Решение проблемы изменения климата - это огромная и сложная задача, и мы надеемся, что усилия на основе искусственного интеллекта могут сыграть столь же огромную и полезную роль.

Организаторы NeurIPS 2020 (Конференция по системам обработки нейронной информации) рассматривают машинное обучение (ML) как бесценный инструмент в борьбе с изменением климата. Широкий спектр приложений и методов уже исследуется, от проектирования интеллектуальных электрических сетей до спутникового отслеживания выбросов парниковых газов и многих других.

В прошлую пятницу NeurIPS 2020 стал партнером Climate Change AI (CCAI) - организацией исследователей, инженеров, предпринимателей, инвесторов, политиков, компаний и неправительственных организаций, стремящейся стимулировать эффективную работу на стыке изменения климата и машинного обучения, чтобы принять Семинар «Борьба с изменением климата с помощью машинного обучения», на котором изучалось, как сообщество машинного обучения может сотрудничать с другими областями и специалистами в этой борьбе.

Полностью виртуальный формат NeurIPS 2020, который проходил с 6 по 12 декабря, предоставил уникальную возможность стимулировать перекрестное опыление между исследователями и экспертами в области машинного обучения в различных областях. В семинаре по изменению климата приняли участие Роуз Мвебаза, директор Центра и Сети климатических технологий ООН; Зико Колтер, доцент кафедры компьютерных наук Университета Карнеги-Меллона и главный научный сотрудник по исследованиям искусственного интеллекта Центра искусственного интеллекта Bosch; Анима Анандкумар, профессор Брена из Калифорнийского технологического института и директор по исследованиям машинного обучения в NVIDIA, и другие докладчики, которые обсудили вклад машинного обучения в борьбу с изменением климата.

Сообществу машинного обучения крайне важно работать с дисциплинарными экспертами, чтобы выявить неотложные проблемы и выяснить, где и как использовать машинное обучение в качестве инструмента для реализации стратегий по изменению климата, - говорит Дженнифер Чейес, младший проректор Отдела вычислений, науки о данных и общества. и декан Информационной школы Калифорнийского университета в Беркли. Чайес был одним из основных докладчиков семинара.

«Я начинал как физик-математик, и мы брали проблемы физики из мира и абстрагировали их, пока они не превратились в великолепные модели, но мы не собираемся бороться с изменением климата», - объясняет Чейес. Когда исследователи занимаются проблемами климата - как в случае со многими неотложными проблемами, стоящими перед обществом, - у них обычно не хватает чистых наборов данных. Вот где ML действительно может помочь.

Чейес привел примеры того, как машинное обучение может быть применено к улавливанию углерода, сокращению использования энергии, проектированию материалов для возобновляемых источников энергии и хранилищ и так далее. Она также упомянула, как машинное обучение позволяет исследователям лучше понять динамику климатических циклов, влияние изменения климата и его глубокий интерес для человека - например, как использование машинного обучения для определения продуктивности экосистемы может помочь выявить уязвимые или устойчивые к климату районы.

Машинное обучение и наука о данных должны играть широкую роль, подчеркивает Чейес, «за счет лучшего управления окружающей средой, поиска лучших материалов, лучшего контроля за использованием энергии, удаления углерода из атмосферы», а также «понимания движущих сил экономики. мы от одного источника энергии к другому »и« интеграция технического с социальным и человеческим измерениями », чтобы предложить наилучшие меры политического вмешательства. «Действительно, нам нужна интегрированная платформа для климата - она ​​должна включать изменения поведения, технические решения, экономические ограничения, физические законы и геополитические факторы».

Чейес говорит, что ее команда в Беркли в настоящее время занимается мозговым штурмом, как создать такую ​​платформу, чтобы задействовать не только разнородные данные, но и различные подходы и соображения для поиска комплексных решений насущных климатических проблем.

Чайес также коснулся способов решения проблемы изменения климата, которые более близки повседневной жизни многих людей, представив пример использования обучения с подкреплением (RL) для уменьшения заторов на дорогах. Обучая агентов максимальному пониманию совокупного вознаграждения, RL может помочь водителям оптимизировать маршруты движения, сэкономить время и снизить расход топлива.

Ангел Хсу, доцент кафедры экологических исследований Йельского колледжа штата Нью-Йорк, основатель и главный исследователь Data-Driven Lab, поделился аналогичным вариантом использования в панельной дискуссии Роль государственной политики на семинаре.

«Я недавно жил в Сингапуре, и я думаю, что Сингапур всегда возглавляет чарты, когда дело касается умных городов и искусственного интеллекта», - говорит Сюй. «Они реализуют инициативу умной нации с 2014 года».

По словам Сюй, за те пять лет, что она там прожила, она ни разу не застряла в пробке. «Там просто нет никакого трафика, и это потому, что они используют ИИ для отслеживания шаблонов трафика в реальном времени и для того, чтобы иметь возможность контролировать различные потоки». Плавный поток означает, что автомобили и автобусы не застревают в пробках, и значительно повышает энергоэффективность.

Сюй говорит, что сейчас большой проблемой является отсутствие данных оценки, например, с точки зрения города, которые могли бы позволить понять, какая климатическая политика работает, а какая нет, и как работают города. «Более 12 000 городов добровольно или принимают другие меры по борьбе с изменением климата, но у нас нет четкого представления о том, действительно ли они достигают этих целей, и каков общий совокупный эффект этих усилий», она объясняет.

В той же панельной дискуссии Мустафа Сиссе, глава Центра искусственного интеллекта Google в Аккре, Гана, сказал, что, по его мнению, роль правительств заключается в создании структуры и условий, которые дадут частному сектору и исследовательским учреждениям свободу и стимулы для проведения работа, необходимая для решения наиболее острых проблем, связанных с климатом. «Я не думаю, что бремя должно лежать только на правительстве или только на частном секторе, - говорит он, - но правительство несет ответственность за создание правовой базы и инфраструктуры, которые позволяют каждому вносить свой вклад, особенно частный сектор. ”

Винод Хосла, основатель венчурной фирмы, специализирующейся на энергетических и технологических компаниях с особым интересом к большим проблемам, поддающимся технологическим решениям, таким как изменение климата, тем временем выявил дюжину проблем и секторов, которые, по его мнению, имеют жизненно важное значение для решений по изменению климата, таких как электромобили, мясное производство, цементная промышленность и сетевое хранение.

Семинар также включал в себя несколько стендовых докладов и обзорных выступлений, а также вручил три награды, в том числе общую премию за лучшую работу, которая была присуждена Подходу машинного обучения к снижению выбросов метана в нефтегазовой отрасли. Авторы, из Университета Гаррисберга, Университета Иллинойса в Чикаго и Стэнфордского университета предлагают алгоритм машинного обучения для прогнозирования мест утечки метана с высоким уровнем выбросов, которые могут быть приоритетными для последующего ремонта.

Семинар доступен для потоковой передачи на странице ClimateChangeAI NeurIPS 2020. Подробные расписания и принятые документы можно посмотреть здесь.

Репортер: Юань Юань | Редактор: Майкл Саразен

Синхронизированный отчет | Обзор решений искусственного интеллекта в Китае в ответ на пандемию COVID-19 - 87 тематических исследований от 700+ поставщиков ИИ

В этом отчете предлагается взглянуть на то, как Китай использовал технологии искусственного интеллекта в борьбе с COVID-19. Он также доступен на Amazon Kindle. Наряду с этим отчетом мы также представили базу данных, охватывающую 1428 дополнительных решений искусственного интеллекта из 12 сценариев пандемии.

Нажмите здесь, чтобы найти больше отчетов от нас.

Мы знаем, что вы не хотите пропустить какие-либо новости или открытия. Подпишитесь на нашу популярную рассылку Synced Global AI Weekly, чтобы получать еженедельные обновления AI.