Mit der rasanten Entwicklung der Technologien für künstliche Intelligenz (KI) in den letzten Jahren haben sich viele gefragt, wie genau diese Technologien dazu beitragen können, eine der schwerwiegendsten Bedrohungen zu lösen, die bereits über der Menschheit drohen - den globalen Klimawandel? Ein neuer Artikel, der von einigen der führenden Experten für die Entwicklung künstlicher Intelligenz verfasst und im Online-Repository von arXiv.org veröffentlicht wurde, versucht, diese Frage zu beantworten, indem er einige Beispiele dafür bietet, wie maschinelles Lernen den Niedergang unserer Zivilisation verhindern kann.
Die vorgeschlagenen Methoden reichen von der Verwendung von KI- und Satellitentechnologie zur effektiveren Überwachung der Entwaldung bis zur Entwicklung neuer Materialien, die Stahl und Zement ersetzen können (ihre Produktion macht bis zu 9 Prozent der Treibhausgasemissionen in die Atmosphäre aus). Trotz dieser Vielfalt kehren Fachleute in ihrem Artikel wiederholt zu den breiteren Möglichkeiten des Einsatzes solcher Technologien zurück. Insbesondere vor diesem Hintergrund fallen die Möglichkeiten des Einsatzes der Bildverarbeitungstechnologie zur Umweltüberwachung auf; Durchführung von Großdatenanalysen zur Feststellung der Ineffizienz von Industrien mit einem hohen Anteil an Schadstoffemissionen in die Atmosphäre; und Verwendung von KI zur Entwicklung neuer, effizienterer Systemmodelle, wie z. B. unserer Klimamodelle,Dank dessen können wir zukünftige Veränderungen besser vorhersagen und uns darauf vorbereiten.
Zu den Autoren des Artikels gehören der britische Forscher für künstliche Intelligenz, Gründer und CEO von DeepMind, Demis Hassabi, Preisträger des Turing-Preises und einer der "Väter des tiefen Lernens" Yoshua Bengio sowie Mitbegründer von Google Brain, Googles Forschungsprojekt über künstliche Intelligenz Deep Learning - Andrew Ng sagt, dass KI bei der Minimierung der schlimmsten Auswirkungen des globalen Klimawandels von unschätzbarem Wert sein kann, fügt jedoch hinzu, dass diese Technologie keine „Silberkugel“ist - das einzige Mittel gegen alle Probleme. Ihrer Meinung nach sollten sich die politischen Kräfte aktiv an diesem Thema beteiligen.
Insgesamt werden in dem Artikel mehrere Bereiche gleichzeitig erörtert, in denen Technologien für maschinelles Lernen ihre Anwendung finden könnten, kategorisiert nach dem Zeitrahmen ihres möglichen Nutzungspotenzials und erklärt, ob diese Technologie ausreichend entwickelt ist. Unten sehen Sie diese Liste.
Künstliche Intelligenz wird die Effizienz von Stromversorgungssystemen verbessern
Wenn die Menschheit in Zukunft auf mehr erneuerbare Energiequellen setzen will, brauchen die Energieversorger Möglichkeiten, um die tatsächlich benötigte Energiemenge effizienter vorherzusagen und zu berechnen. Darüber hinaus müssen diese Berechnungen in Echtzeit und während der gesamten Betriebsdauer dieser Unternehmen erfolgen.
Werbevideo:
Es wurden bereits Algorithmen entwickelt, die den Energiebedarf vorhersagen können. Die Effizienz dieser Algorithmen kann jedoch weiter verbessert werden, indem Faktoren wie die klimatischen Merkmale bestimmter Regionen sowie die Besonderheiten der Geschäftstätigkeit in die Berechnungen einbezogen werden. Die Bemühungen, die Besonderheiten dieser Algorithmen verständlicher zu machen, ermöglichen es den Energieversorgern auch, die Ergebnisse ihrer Analyse genauer zu interpretieren und bei der Planung zu verwenden, wobei der optimale Zeitpunkt für die Einführung dieser erneuerbaren Energiequellen ausgewählt wird.
Künstliche Intelligenz hilft bei der Entdeckung neuer Materialien
Wissenschaftler müssen neue Materialien für eine effizientere Produktion, Speicherung und Nutzung von Energie entwickeln. In der Regel ist der Prozess der Entdeckung und Entwicklung neuer Materialien jedoch sehr langsam und nicht immer erfolgreich. Technologien für maschinelles Lernen beschleunigen den Prozess des Findens, Entwickelns und Verbesserns neuer Formeln mit den gewünschten Eigenschaften.
Vielleicht führt dies zum Beispiel zur Entwicklung einer neuen Art von Brennstoff, nennen wir ihn bedingt "Solar", der die Energie des Sonnenlichts speichern kann; ermöglicht es Ihnen, ein neues und sehr effizientes Absorptionsmittel für Kohlendioxid oder Baumaterialien zu schaffen, dessen Produktion weniger Kohlenstoff emittiert. Solche Materialien könnten eines Tages Stahl und Beton ersetzen, deren Produktion fast 10 Prozent der weltweiten Treibhausgasemissionen freisetzt.
Künstliche Intelligenz wird dazu beitragen, das Transportsystem effektiv neu zu organisieren
Die weltweite Lieferung von Waren ist ein sehr komplexer und oft ineffektiver Logistikprozess, bei dem Waren mit unterschiedlichen Mengen, Gewichten und Größen interagieren und unterschiedliche Transportarten verwendet werden. Gleichzeitig macht der Transport ein Viertel aller CO2-Emissionen in die Atmosphäre aus.
In diesem Bereich verwendete Technologien für maschinelles Lernen ermöglichen eine effizientere Kombination von Waren, die an denselben Bestimmungsort geliefert werden müssen, wodurch die Anzahl der erforderlichen Sendungen verringert wird. Darüber hinaus ist ein solches System widerstandsfähiger gegenüber unvorhergesehenen Störungen in Verkehrssystemen und kann große Flotten unbemannter Lastkraftwagen verwalten. Die Autoren stellen jedoch fest, dass die neueste Technologie zu diesem Zeitpunkt noch nicht fertig ist.
Künstlich wird zu einer schnellen Anpassung von Elektrofahrzeugen führen
Elektrofahrzeuge, die ein Schlüsselelement bei der Dekarbonisierung von Fahrzeugen sind, sind mit einer Reihe von Problemen konfrontiert, die verhindern, dass sie wirklich zum Mainstream werden.
Maschinelles Lernen kann bei diesem Problem helfen, sagen die Autoren des Berichts. Zum Beispiel könnten Algorithmen das Management des Batterieverbrauchs verbessern, um die Laufleistung jeder Ladung zu erhöhen und die Besorgnis potenzieller Käufer solcher Fahrzeuge über die Begrenzung der Reichweite zu verringern. Darüber hinaus optimieren diese Technologien die Ladezeiten.
Künstliche Intelligenz optimiert die Gebäudeinfrastruktur
Intelligente Steuerungssysteme, die auf maschinellem Lernen basieren, können den Energieverbrauch von Gebäuden unter Berücksichtigung der Wetterbedingungen, der aktuellen Belegung des Gebäudes und anderer Umweltfaktoren erheblich reduzieren und dann die Heizung, Kühlung, Lüftung und Beleuchtung im Raum entsprechend anpassen.
Intelligente Gebäude können Informationen über den aktuellen Zustand der Umwelt direkt an das Stromnetz übertragen, sodass der Energieverbrauch bei einem Mangel an kohlenstoffarmer Stromversorgung gesenkt werden kann.
AI wird in der Lage sein, die Menge der verwendeten Energieressourcen genauer zu berechnen
In vielen Regionen der Welt fehlen praktisch Daten zum lokalen Energieverbrauch und zu den Emissionen von Treibhausgasen in die Atmosphäre, was ein großes Problem für die Entwicklung und Umsetzung wirksamer Ausgleichsmaßnahmen sein kann.
Mithilfe der Bildverarbeitung kann mithilfe der Satellitentechnologie der bebaute Punkt (Fläche) geschätzt werden, sodass Algorithmen für maschinelles Lernen diese Daten zur Berechnung des Energieverbrauchs und der Emissionen verwenden können. Ähnliche Methoden können verwendet werden, um Gebäude zu identifizieren, für deren Verbesserung Upgrades erforderlich sind.
Künstliche Intelligenz optimiert Lieferketten
Mithilfe ähnlicher Funktionen können Technologien für maschinelles Lernen Kanäle und Lieferketten optimieren, indem der CO2-Fußabdruck beim Transport verschiedener Waren minimiert wird.
Die Möglichkeit einer effizienteren Prognose des Angebots- und Nachfragegesetzes wird die Produktions- und Transportabfälle verringern.
Künstliche Intelligenz macht Precision Farming skalierbar
Die meisten modernen landwirtschaftlichen Betriebe verwenden das Prinzip des Anbaus von Monokulturen. Mit anderen Worten, nur eine Ernte wird großflächig angebaut.
Dieser Ansatz erleichtert es den Landwirten, ihre Felder mit landwirtschaftlichen Maschinen und anderen grundlegenden eigenständigen Werkzeugen zu bearbeiten, erschöpft aber gleichzeitig den Boden, entzieht ihm Nährstoffe und macht ihn dadurch weniger produktiv. Infolgedessen werden häufig verschiedene Düngemittel eingesetzt, um die Erträge zu steigern, insbesondere solche auf Stickstoffbasis, die in Stickoxide umgewandelt werden können - Treibhausgase, die 300-mal gefährlicher sind als Kohlendioxid. Roboter für maschinelles Lernen können der Landwirtschaft helfen, den aktuellen Zustand des Bodens zu beurteilen und Vorschläge zu machen, welche Pflanzen gepflanzt werden sollen, um die Bodengesundheit wiederherzustellen und gleichzeitig den Bedarf an Düngemitteln zu verringern.
KI wird dazu beitragen, die Entwaldung effektiver zu überwachen
Die Entwaldung trägt zu ungefähr 10 Prozent der gesamten Treibhausgasemissionen bei. Das Verfolgen und Verhindern dieser oft illegalen Aktivitäten ist normalerweise ein sehr zeitaufwändiger und routinemäßiger Prozess, der eine persönliche Überwachung vor Ort erfordert.
Satellitenbilder ermöglichen in Verbindung mit der Bildverarbeitungstechnologie eine automatische Analyse des Waldbedeckungsverlusts in großem Maßstab. Spezielle Sensoren, die an Standorten installiert sind, in Kombination mit Algorithmen, die beispielsweise die Geräusche von Kettensägen erkennen können, können Strafverfolgungsbehörden dabei helfen, effektiver damit umzugehen illegale Aktivitäten.
KI wird dazu beitragen, die Einstellungen unserer Verbraucher zu ändern
Laut den Autoren des Berichts gibt es weltweit ein weit verbreitetes Missverständnis, dass gewöhnliche Menschen keinen ernsthaften Einfluss auf den Klimawandel haben können.
Daher muss in dieser Angelegenheit geklärt werden, wie genau Menschen helfen können. Technologien für maschinelles Lernen können den CO2-Fußabdruck einer Person (die Summe aller Treibhausgasemissionen, die sie im Laufe ihrer täglichen Aktivitäten verursacht) berechnen und kleine Änderungen vornehmen, die ihn reduzieren. Beispielsweise könnte das System vorschlagen, öffentliche Verkehrsmittel häufiger als persönliche Verkehrsmittel zu nutzen. seltener Fleisch im Laden kaufen; oder den Stromverbrauch zu Hause reduzieren. Jeder von uns schafft individuell einen kleinen CO2-Fußabdruck, aber wenn Sie alle auf einmal nehmen, sind die Zahlen viel größer. Änderungen in unserer Einstellung zum Konsum und die Hinzufügung aller darauf abzielenden Einzelmaßnahmen können einen großen kumulativen Effekt haben.
KI wird die Effizienz der Meteorologie und Klimatologie verbessern
Viele der bedeutendsten Auswirkungen des Klimawandels in den kommenden Jahrzehnten werden mit hochkomplexen natürlichen Systemen wie der Veränderung der Wolken- und Eisdynamik verbunden sein.
Dies sind genau die Themen, auf die die KI große Hoffnungen hat. Eine genaue Modellierung dieser Prozesse wird Wissenschaftlern helfen, extreme Wetterbedingungen (wie Hurrikane und Dürren) effektiver vorherzusagen, was wiederum den Staaten helfen wird, Methoden zum Schutz vor den schlimmsten Auswirkungen dieser Ereignisse zu entwickeln.
Künstliche Intelligenz hilft beim Geoengineering
Gegenwärtig ist dieser Anwendungsfall für KI unter allen oben vorgestellten der spekulativste, aber es bestehen auch große Hoffnungen, zumindest von einigen Wissenschaftlern.
Wenn wir Wege entwickeln können, um die Wolkendecke unseres Planeten reflektierender zu machen oder sogar künstliche Wolken auf der Basis spezieller Aerosole zu erzeugen, können wir mehr Sonnenlicht von der Erde reflektieren. Dieses Problem erfordert jedoch ernsthafte Untersuchungen. KI kann dabei helfen, aber die Autoren des Berichts stellen fest, dass diese Methode der Verwendung künstlicher Intelligenz ein sehr weit entferntes Thema ist, das die Zusammenarbeit aller Regierungen der Welt erfordert. Zum Beispiel stimmen Experten der kanadischen Universität von Waterloo dieser Position zu, die glauben, dass diese unvernünftige Herangehensweise an das Thema Geoengineering einen dritten Weltkrieg auslösen könnte.
