Képek: Wikimedia Commons
A mesterséges intelligenciáról már eddig kiderült, hogy hasznos munkát végez a károsanyagot kibocsátó források azonosításában, az energiafogyasztás optimalizálásában, anyagok fejlesztésében és működésük megértésében. Ezeknek az értékeknek a legtöbb üvegházhatású gázt kibocsátó területre (energiatermelés, gyártás, élelmiszer-előállítás, szállítás) történő alkalmazásával komolyan csökkenthető a káros mennyiség.
Az MI a klíma geotervezéssel történő megváltoztatásában, például a bolygó sztratoszférába fecskendezett aeroszollal kivitelezett lehűtésében szintén fontos szerepet játszhat. A fecskendezés hatásairól megoszlanak a vélemények, több kutatásra van szükség eldönteni, mennyire eredményes a módszer. Az MI-vel támogatott klímamodellezés sokat segíthet benne.
Ütemterv a károsanyag-kibocsátás megfékezésére
Egy, Japánban tartott „földhűtési innovációs fórum” konferencia résztvevői az adattudományra, a gépi látásra és MI-vel végzett szimulációra támaszkodva ütemtervet dolgoztak ki az üvegházhatású gázok kibocsátásának csökkentésére. A terv kiértékeli a meglévő megközelítéseket, javaslatokat tesz a méretezésükre.
Hat komoly lehetőséget azonosítottak. MI-rendszerek mindegyikben fontos eredményeket érhetnek el. A szerzők hangsúlyozzák a további adatok, még több technológiai és tudományos tehetség, számítási kapacitás anyagi forrás, és a lehetőségek megvalósításához szükséges vezetés iránti igényt.
A hat lehetőség a kibocsátás monitorozása, az energiahasználat, a gyártás, a mezőgazdaság, a közlekedés és az anyagok mesterséges intelligenciával kivitelezett méretezése, környezetbarátabbá tétele.
A hat terület
MI-rendszerek műholdas, drónos és földi szenzorok által gyűjtött adatokat elemeznek. Az EU a metán-kibocsátást vizsgálja velük, zöld szervezetek a szénmonoxidét, üvegházhatású gázok forrásainak azonosításában segítve a széndioxid-kompenzációs piacot, tanácsadó cégeket.
A kibocsátás több mint harminc százaléka az elektromosság előállításából származik. Idegháló-alapú szimulációkkal előrejelezhető a szél- és a naperőművek által generált energiamennyiség, az elektromos hálózatok igénye. Más algoritmusokkal ezek a feladatok nehezen kivitelezhetők, az MI viszont segít az erőművek ideális elhelyezésében, a hálózat optimalizálásában. A megközelítés robusztusabb modellekre, teljesítményértékelő szabványokra és biztonsági protokollokra is alkalmazható.
Egy brazil acélgyártó MI-vel mérte az újrafelhasznált fémhulladék tételenkénti vegyi összetételét, és így lehetővé vált a széngazdag adalékanyagok nyolc százalékos csökkentése. A rendszerek „történelmi” adatok elemzésével segíthetnek gyáraknak több újrahasznosított anyag feldolgozásában, amellyel csökken a hulladékmennyiség, minimalizálható az energiahasználat, a leállási idő, optimalizálhatók az ellátási láncok, azaz a logisztika károsanyag-kibocsátása szintén csökkenthető.
MI-vel felszerelt szenzorokat használó farmerek közreműködésével különböző vetésforgók, időjárási jelenségek szimulálhatók, előrejelezhető a terméshozam növekedése vagy csökkenése. Az adatok alapján élelmiszertermelők minimalizálhatják a hulladékot, széndioxid-lábnyomukat. Problémát okoz, hogy kevés az élelmiszerekre vonatkozó adatsor, és az MI szektoron belüli elterjedését segítő elegendő befektetés sincs még.
Az MI-rendszerek a forgalom-áramlás javításával, a dugók csökkentésével és a tömegközlekedés optimalizálásával is csökkenthetik a károsanyag-kibocsátást. Megerősítéses tanulással ideálissá tehető az elektromos járművek töltése, és így kevésbé függenek az elektromos hálózatoktól. A kivitelezéshez még több adatra és az MI-hez értő szakemberre van szükség.
Anyagtudósok MI-modellekkel vizsgálják meglévő anyagok viselkedését, és terveznek újakat. Ezekkel a technikákkal felgyorsítható hatékony akkumulátorok, napelemek, szélturbinák és az egész infrastruktúra fejlesztése. Persze az anyagtudósok és az MI-kutatók közötti szorosabb együttműködés sem ártana hozzá.
