Сможет ли искусственный интеллект, которому все чаще доверяют решение самых сложных проблем, помочь нам понять и остановить изменение климата?
Ваш телефон умеет распознавать ваше лицо, а ваш банк может отклонить любую транзакцию, хотя и не может научить разумно тратить деньги. Онлайн-супермаркет настойчиво предлагает продукты для веганов лишь потому, что однажды вы купили там овсяное молоко, а стоило вам в прошлом месяце посмотреть всего один сериал, как онлайн-кинотеатр начал забрасывать вас рекламой фильмов категории «Б».
Все большее число гаджетов и сервисов использует технологии искусственного интеллекта (ИИ), который постепенно проникает во все сферы нашей жизни. Ученые, предприниматели и госсектор доверяют ИИ решение самых актуальных проблем современного общества. Одной из них является понимание характера климатических процессов и возможных сценариев их развития. Уже сегодня технологии помогают нам систематизировать большой объем данных. На этом фоне возникает вопрос: а можно ли использовать их и для того, чтобы смягчить последствия изменения климата и адаптироваться к новой реальности?
«Говоря об ИИ, мы часто имеем в виду машинное обучение (МО), которое представляет собой набор алгоритмов, способных «обучаться» на основе данных, ― говорит д-р Дэвид Ролник, доцент Пенсильванского университета. ― В принципе, ИИ не будет работать лучше людей, но он будет намного быстрее, будет способен выявлять закономерности, анализируя огромные объемы данных». Именно эта способность мгновенно обрабатывать большие массивы данных, систематизировать информацию и находить взаимосвязи сделала ИИ инструментом, который радикальным образом изменил правила игры во всех отраслях экономики.
Все это относится и к климатологии и мониторингу изменения климата. Объем климатических данных, собираемый спутниками, достиг беспрецедентных масштабов. Прогнозы погоды составляются с высочайшей степенью детализации. В климатические модели и сценарии все еще закладывается множество факторов неопределенности. Ученые используют ИИ для обработки и систематизации большого массива данных и составления более точных прогнозов, которые позволят обществу и окружающей среде адаптироваться к будущей реальности. «МО позволяет научиться сложному поведению на основе набора данных без понимания сути физических явлений, ― объясняет д-р Питер Дюбен, научный сотрудники ЕЦСПП. ― Чем больше данных, тем лучше инструменты. По мере накопления информации инструменты машинного обучения будут становиться лучше и лучше. Это означает, что эти инструменты будут приносить все больше пользы для ученых».
ИИ помогает ученым анализировать спутниковые снимки и составлять прогнозы
«Машины помогают нам проводить измерения и мониторинг окружающего мира, что чрезвычайно важно для возможности принимать более правильные решения перед лицом неопределенного будущего, ― говорит Наталия Ткаченко, ведущий научный сотрудник в области обработки данных и ИИ Оксфордского университета. ― ИИ ― это не просто набор данных, это ― способность выявлять закономерности и взаимосвязи в сложном мире. Конечным результатом всегда является решение или обработанная информация».
Ученые успешно используют ИИ для получения изображений Земли с более высоким пространственным разрешением. «ИИ отлично справляется с задачей получения пространственной информации, это одна из его сверхспособностей», ― говорит д-р Пьер-Филлипп Матье, руководитель исследовательской лаборатории Ф-lab Европейского космического агентства. Такого же мнения придерживается и д-р Винсент Пеуч, директор Службы мониторинга атмосферы программы «Коперник» (CAMS). «Он очень эффективно сравнивает спутниковые изображения и автоматически отслеживает изменения растительного покрова, поэтому подходит для использования в районах, где нет возможности провести точный наземный мониторинг. Он также помогает ускорить процесс компьютерного моделирования, сделать его менее затратным, особенно это касается подробных прогнозов погоды, требующих постоянных обновлений».
По словам д-ра Пеуча, Служба по контролю за изменением климата (C3S) программы «Коперник» и CAMS тестируют и используют ИИ для выявления изменений в растительном и древесном покрове, уточнения прогнозов качества воздуха в городах и автоматической обработки спутниковых снимков.
В море Амундсена, у берегов Западной Антарктиды, ученые Британского управления по изучению Антарктики (BAS) на базе Института Тьюринга используют МО для обнаружения и мониторинга процессов раскола айсбергов на более мелкие части и обучили ИИ алгоритмам прогнозирования будущих изменений ледникового покрова. ИИ позволяет им интерпретировать результаты этих прогнозов и даже лучше понять, как климатические переменные влияют друг на друга в пространстве и времени.
ИИ все чаще применяется для решения самых разнообразных экологических и социальных проблем. Вашингтонский университет планирует использовать ИИ для мониторинга и улучшения качества прогнозирования морских тепловых волн. Природоохранный центр Танзании будет использовать ИИ для аэрофотосъемки диких животных и наблюдения за деятельностью человека, чтобы предотвратить конфликты между животными и людьми. В Бостоне специалисты тестируют приложение GreenCityWatch на основе ИИ, которое будет собирать информацию о количества и состоянии деревьев в городах.
Искусственный интеллект успешно используется и в сельском хозяйстве. Технология FarmBeats на основе облачной платформы Microsoft Azure консолидирует данные наземных датчиков, камер, тракторов и дронов, а также разрабатывает модели МО для мониторинга сельскохозяйственной деятельности и повышения устойчивости фермерских хозяйств к изменению климата. «Производители сельскохозяйственной продукции определяют время посадки, полива, сбора урожая и других видов деятельности в зависимости от погодных условий, ― рассказывает Ранвиир Чандра, главный научный сотрудник Microsoft Azure Global. ― Однако прогнозы погоды поступают с метеостанций, а не с фермы. Один из наших алгоритмов ИИ объединяет детализированные модели погодных условий и данные метеостанций с информацией, полученной с установленных на ферме датчиков, , для составления прогноза погоды в месте расположения фермы. Заполняя пробелы в информации данными с фермы, можно получить прогнозы, которые позволят фермерам принять более правильные решения».
Станет ли ИИ новым мощным инструментом прогнозирования изменения климата?
Одной из амбициозных целей, которую ставят ученые перед ИИ, является создание «цифрового двойника» Земли или реплики всех систем и процессов планеты. «Это была бы виртуальная лаборатория планеты, где мы могли бы проводить эксперименты, разрабатывая экологические стратегии и оценивая результаты», ― говорит д-р Матье. «У нас уже есть строительные блоки ИИ, которые пойдут на создание цифровых двойников объектов окружающей среды, а затем и цифрового двойника Земли, ― говорит д-р Скотт Хоскинг, специалист в области обработки экологических данных в BAS. ― Мы не в состоянии отследить каждый аспект нашей изменяющийся планеты с требуемой степенью детализации. Разрабатывая цифровые двойники природной среды, мы можем сконцентрировать свое внимание на удаленных и труднодоступных районах, таких как полярные регионы, где порой невозможно даже зарядить аккумулятор. Полученную информацию можно будет использовать в режиме реального времени для навигации дронов и подводных беспилотников, чтобы повысить точность будущих измерений».
Однако ИИ еще не обладает абсолютной надежностью. Когда речь идет о прогнозировании климата, ученые предупреждают, что не хватает исторических данных для «обучения» алгоритмов. «ИИ нужно обучать на ретроспективных данных, ― объясняет д-р Джуда Коэн, директор по сезонному прогнозированию компании «Исследования в области атмосферы и окружающей среды» (AER) и климатолог MIT. ― Мы обучаем его с использованием данных начиная с 1979 г., когда стали широко использоваться спутники, но этой информации недостаточно для разработки оптимальных решений на базе ИИ. Возможно, придется прибегнуть к созданию искусственных данных путем моделирования, однако пока не ясно, смогут ли смоделированные данные заменить исторические».
Кроме того, как заметил д-р Ролник, ИИ не может заменить физические процессы, ответственные за формирование климата. «ИИ имеет свои недостатки, ― добавляет д-р Матье. ― Всегда можно найти корреляцию данных, но это не обязательно будет означает наличие причинно-следственной связи, поэтому нужны эксперты, которые смогут дать объяснения на основе законов физики».
По словам д-ра Дюбена из ЕЦСПП, это относится и к моделям прогнозирования погоды. «Есть мнение, что ИИ и МО лучше традиционных технологий справляются с задачами оперативного (на несколько часов вперед) и многолетнего прогнозирования. Однако маловероятно, что МО сможет превзойти большинство других прогнозов и тем самым «заменить» модели прогнозирования погоды, поскольку прогнозы не будут такими точными в большинстве приложений».
Кроме того, системы на базе ИИ хорошо справляются только с теми задачами, выполнению которых были обучены. В этой связи возникает множество проблем. «Нужно обязательно убедиться, что ИИ используется для работы с диапазоном переменных, на которых он был обучен, ― говорит д-р Пеуч. ― Иначе можно получить ложные результаты». Это означает, что, хотя алгоритм и будет правильно анализировать данные, для обработки которых он был создан, поступление новой информации, выходящей за рамки его компетенции, может привести к получению неточных результатов. Что касается климатологии, то здесь изменяются не только данные, но и сам климат. «Когда речь идет об изменении климата, алгоритмы должны быть тщательно продуманы, и поскольку климат продолжает изменяться, мы должны быть уверены, что ИИ использует не только данные прошлого для прогноза будущего, ― добавляет директор CAMS». Когда дело касается вопросов изменения климата, выбор алгоритма становится непростой задачей. «Есть много решений на основе ИИ, и не так-то просто выбрать то, которое оптимально подойдет для прогнозирования климата, ― объясняет д-р Коэн. ― Я считаю, что выбор и оптимизация алгоритма ИИ, который может значительно улучшить имеющиеся климатические прогнозы, будет сложной задачей».
Использование технологий ИИ также поднимает вопросы, связанные с получением и управлением данными. «У нас нет никаких серьезных проблем с обеспечением конфиденциальности данных из обычных источников метеонаблюдений, ― говорит д-р Дюбен. ― Однако есть так называемые данные «Интернета вещей» (IoT), которые сегодня практически не используются для прогнозов погоды, но в будущем могут значительно их улучшить. Например, есть наблюдения с мобильных телефонов и другая информация, полученная путем краудсорсинга. Здесь могут возникнуть вопросы, связанные с конфиденциальностью данных». Д-р Ткаченко идет в своих рассуждениях еще дальше. Он утверждает, что если данные, используемые в формулах принятия решений, были искажены, то это может привести к отрицательным результатам. «Указываем же мы состав продуктов на упаковках с готовой едой, так и здесь мы, возможно, захотим узнать, как именно была разработана технология ИИ и какие источники данных были использованы», ― заявляет д-р Ткаченко.
И наконец, могут ли климатологи и экологи перенять опыт использования ИИ в других отраслях? «Используйте ИИ только тогда, когда это необходимо для решения конкретной проблемы,― предупреждает д-р Ролник. ― Легко соблазниться модной технологией. Каждый раз, используя ИИ, убедитесь, что в этом есть смысл. Приложения на базе ИИ должны быть ориентированы на конечный результат и разработаны в сотрудничестве со всеми сторонами, которые будут пользоваться этой технологией и извлекать из нее выгоду. Было бы большой ошибкой думать, что ИИ волшебным образом решит все проблемы. Это мощный инструмент, но лишь один из многих, которые можно использовать для борьбы с изменением климата».
Ссылка: https://ru.euronews.com/2020/10/12/will-artificial-intelligence-help-to-stop-climate-change