или лучший день после ИИ / климатического кризиса
Фото Йонаса Векшмида на Unsplash
Это третий мировой кризис, который я переживаю во взрослом возрасте. Во время первого в 2000 году пузыря доткомов я служил в подразделении разведывательных вычислений IDF и решал, какой академический путь выбрать. Экономика казалась лучшей альтернативой рентабельности инвестиций, но я пошел всем сердцем и выбрал бакалавриат по физике и информатике. 2008 Sub-Prime застал меня в транснациональной корпорации по разработке программного обеспечения и показал мне, как взаимосвязаны мир финансов и высоких технологий. И я добавил в свое резюме степень MBA, которая открыла много профессиональных возможностей в будущем. COVID-19 2020 года удивил меня своей интенсивностью: Эбола, атипичная пневмония и другие пандемии, похоже, имели более локальные краткосрочные последствия. Это все приостановило, заставило меня остановиться и задуматься о сумасшедшей гонке прошлых лет и о том, куда нас может привести будущее. Учитывая мой опыт и круг интересов, я ищу способы, как ИИ и машинное обучение могут дать нам возможность для значительного скачка вперед.
Эта часть моей серии Похмелье COVID-19 / Лучший день после ИИ посвящена влиянию недавних событий на климатический кризис. Во Части II я рассказываю об изобретениях и тенденциях в персонализированной и телемедицине. В Части III я делюсь своими мыслями о Remote.
Климатический кризис и его отрицание были темой 2019 года. Грета Тунберг попала на обложку журнала TIME как человек года после того, как выразила обеспокоенность молодых поколений тем, что мы находимся на грани невозврата к разрушению нашей планеты, и если мы это сделаем не предпринимать немедленных действий, пути назад не будет. Противники аргументации кризиса придерживаются циклической природы Земли, переходящей от ледникового периода к более теплым периодам в зависимости от активности Солнца и других факторов. Академическая и промышленная деятельность в области климата в основном сосредоточена на моделировании и прогнозировании погоды на основе сезонности и географических факторов, таких как тектонические движения, вызывающие более 10 000 землетрясений в год.
Как искусственный интеллект и машинное обучение могут внести свой вклад? Если бы у нас было достаточно «помеченных данных» (например, произошло ли событие или нет после предыдущего события), мы могли бы выполнять прогнозы, а не моделирование. Проблема в том, что у нас нет планеты «Земля Б», на которой могли бы происходить события, отличные от тех, что на нашей родной планете. Отключение COVID-19 в сфере путешествий и производства - единственный шанс увидеть эффект от более низкого потребления и, следовательно, более низкого уровня загрязнения. Через несколько месяцев мы увидим влияние лесных пожаров и ураганов, которые участились в последние годы.
В попытке бороться с пандемией все больше и больше источников данных становятся общедоступными. ML может найти корреляции между тысячами факторов, с которыми мы не сталкивались в симуляциях, такими как добыча нефти и полезных ископаемых, цены на акции или потребление определенных товаров и сельскохозяйственной продукции (правильно ли, что тосты с авокадо, которые появляются в Instagram, вызывают засуху в Перу? ).
Наконец, гонка оборудования между графическими процессорами, ПЛИС, специализированными интегральными схемами (ASIC) приведет к созданию более качественной и дешевой инфраструктуры для запуска симуляций и прогнозов с большим количеством переменных в более короткие сроки, что в конечном итоге сделает их более точными и своевременными. Когда начнутся квантовые вычисления, мы будем планировать, как перейти к предотвращению, а не реагированию из-за увеличения производительности, параллелизма и времени вычислений.
