Sztuczna inteligencja (AI) przekształca niemal każdą branżę – od medycyny, poprzez finanse, edukację i obsługę klienta po produkcję oraz transport. Jest też prawdziwym rewolucjonistą, jeśli chodzi o zmiany klimatyczne, ochronę środowiska i zrównoważony rozwój. Oto 6 obszarów związanych z ekologią, w ramach których jej potencjał ma świetlaną przyszłość.
ODPADY
Inteligentny kosz na śmieci Bin-e, który sam segreguje śmieci to początek zmian, jeśli chodzi o gospodarkę odpadami z użyciem AI. Kosz wykorzystuje uczenie maszynowe do identyfikowania, kategoryzowania i sortowania odpadów natychmiast po ich wyrzuceniu. Rozpoznaje i sortuje śmieci do 4 frakcji oraz informuje o konieczności opróżnienia pojemników. [wspominałem o nim TUTAJ]
Jednak dopóki wszystkie kosze na śmieci nie będą inteligentne, odpady muszą być sortowane w zakładzie gospodarowania odpadami. I tu wracamy do szarej rzeczywistości. Czy aby na pewno? Nie! Już istnieją maszyny napędzane sztuczną inteligencją, które potrafią posortować 160 materiałów na minutę (wynik człowieka to od 30 do 40 materiałów do recyklingu na minutę). Ponadto mogą one pracować przez całą dobę.
Takie rozwiązanie stworzyła m.in. firma Greyparrot, która zastosowała oprogramowanie wizyjne oparte na AI w celu zwiększenia przejrzystości i automatyzacji recyklingu. Działa to w ten sposób, że elementy są skanowane za pomocą kamer i analizowane przez algorytmy głębokiego uczenia. Sami zobaczcie.
Idźmy dalej! Każdego roku marnowane są miliardy dolarów na właściwą utylizację lub recykling zużytych części z urządzeń elektronicznych. Firma Apple zaczęła używać do produkcji swoich wyrobów materiałów pochodzących z recyklingu lub materiałów, które mają niewielki szkodliwy wpływ na środowisko. Dzięki temu, tak wyprodukowane urządzenia można ponownie wykorzystać.
A co z marnotrawstwem jedzenia? Przeterminowane produkty spożywcze to również ogromna ilość śmieci wyrzucana codziennie do kosza. Nad tym głowił się izraelski startup i wymyślił algorytm dynamicznej wyceny produktów spożywczych. Nazwał go Wasteless.
Cena danego produktu związana jest ściśle z terminem przydatności do spożycia – jeśli zbliża się data końcowa, towar jest automatycznie przeceniany. Co oznacza, że cena maleje z dnia na dzień i zachęca to do kupowania tańszych produktów spożywczych, co zapobiega ich przeterminowaniu i wylądowaniu w koszu. Wasteless dodatkowo może być zintegrowany z systemem zarządzania zapasami sklepu. Jak przekonują jego twórcy: korzystając z Wasteless sprzedawca detaliczny może zmniejszyć marnotrawstwo żywności o 39%, jednocześnie zwiększając przychody o 110% i utrzymując dodatnią marżę netto.
WODA i OCEANY
Sztuczną inteligencję można wykorzystać do ochrony oceanów np. przed nielegalnymi połowami. Dane satelitarne i dane o ruchu statków są wykorzystywane w algorytmie uczenia maszynowego o nazwie Global Fishing Watch. Dzięki niemu zidentyfikować nielegalne połowy.
Z kolei Ocean Data Alliance wykorzystuje AI do śledzenia zanieczyszczenia wody, górnictwa oceanicznego i blaknięcia koralowców. Dzięki danym niemal w czasie rzeczywistym decydenci i władze są w stanie szybciej reagować na problemy.
Natomiast Nature Conservancy współpracuje z firmą Microsoft w zakresie wykorzystania sztucznej inteligencji do mapowania bogactwa oceanów. Ocena wartości ekonomicznej ekosystemów oceanicznych umożliwi lepsze decyzje dotyczące ochrony i ewentualnych obszarów na działanie, jak połowy czy wydobywanie złóż. Stworzono już mapy i modele dla Mikronezji, Karaibów, Florydy, a projekt rozszerza się na Australię, Haiti i Jamajkę.
Jak jeszcze w tym obszarze możemy wykorzystać sztuczną inteligencję? Dzięki niej możemy przewidzieć rozprzestrzenianie się gatunków inwazyjnych, śledzić odpady morskie, monitorować prądy oceaniczne i mierzyć poziomy zanieczyszczenia.
A co z wodą poza oceanami? WINT to sztuczna inteligencja do wykrywania i zatrzymywania wycieków wody w wodociągach. System robi to za pomocą dopasowywania wzorców. AI w WINT nieustannie uczy się i dostosowuje się do sieci. Jedna z firm, która korzysta z WINT potwierdziła, że AI zmniejszyło wycieki wody o 24%. To zawsze dobry początek.
LASY I ZWIERZĘTA
Sztuczna inteligencja jest wykorzystywana na przykład do prowadzenia nieinwazyjnych badań wzorców zachowań zwierząt, takich jak migracja, kojarzenie się i nawyki żywieniowe. Ciekawym narzędziem do zbierania danych o zagrożonych gatunkach zwierząt jest na przykład technika identyfikacji śladu (FIT – Footprint Identification Technology). Jest to oprogramowanie stworzone przez firmę WildTrack, które gromadzi dane o śladach zwierząt na poziomie osobnika, wieku, płci – bez jakiejkolwiek ingerencji związanej z odławianiem i znakowaniem zwierząt.
Z kolei Global Forest Watch został opracowany w celu ochrony bioróżnorodności w Amazonii. Aplikacja wyświetla alerty, które pokazują, gdzie dochodzi do wylesiania, nielegalnego wydobycia złota, logowania z obszarów chronionych. Jak oszacowano, takie systemy wczesnego ostrzegania mają potencjał do uratowania 32 mln hektarów lasów na całym świecie do 2030 r.! O wylesianiu i niebezpieczeństwie jakie ono niesie dla planety, pisałem w artykule TUTAJ
Inne podobne aplikacje Ziemi wykorzystujące sztuczną inteligencję to iNaturalist i eBirds. Zbierają one dane od różnych ekspertów na temat napotkanych gatunków, co pomaga w śledzeniu ich populacji, ekosystemów i wzorców migracji.
Inny projekt, nazwany PAWS (Protection Assistant for Wildlife) z University of Southern California, wykorzystuje uczenie maszynowe do przewidywania, gdzie w przyszłości może dojść do kłusownictwa. Obecnie algorytm analizuje przeszłe patrole strażników i zachowanie kłusowników na podstawie danych o przestępstwach.
A Long Live the Kings w stanie Waszyngton próbuje przywrócić zmniejszające się populacje stalogłów i łososi. Dzięki grantowi od firmy Microsoft gromadzone dane pomogą wesprzeć ochronę siedlisk tych ryb i wysiłki na rzecz ich odtworzenia.
ENERGIA i OZE
Czy wiesz, że stworzona przez Google własna sztuczna inteligencja o nazwie DeepMind pomogła potentatowi informatycznemu ograniczyć zużycie energii? Google wykorzystał uczenie maszynowe, aby przewidzieć, kiedy energia w centrach danych była najbardziej poszukiwana. System przeanalizował i przewidział, kiedy użytkownicy będą najprawdopodobniej oglądać np. filmy z YouTube, a następnie zoptymalizował potrzebne chłodzenie. W rezultacie Google zmniejszyło zużycie energii o 40% w centrach danych czyniąc je bardziej energooszczędnymi i zmniejszając ogólną emisję gazów cieplarnianych.
AI wraz z IoT i Big Data mogą pomóc zmaksymalizować zyski. M.in. firmy wiatrowe wykorzystują je, by napędzać śmigło każdej turbiny do wytwarzania większej ilości energii elektrycznej, uwzględniając dane pogodowe (kierunek wiatru) i operacyjne (ustawienia śmigieł) w czasie rzeczywistym. Z kolei Laboratorium National Accelerator Laboratory SLAC Departamentu Energii, obsługiwane przez Uniwersytet Stanforda, chce wykorzystywać uczenie maszynowe i sztuczną inteligencję do identyfikowania słabych punktów sieci energetycznych z farm fotowoltaicznych, by uchronić je przed awariami i pomóc w szybszym przywróceniu zasilania, kiedy już wystąpią. Naukowcy będą analizować dane z odnawialnych źródeł energii, magazynów energii i zdjęć satelitarnych. Celem jest opracowanie rozwiązania, które może automatycznie zarządzać energią odnawialną bez zakłóceń i pomagać szybko wrócić systemowi do pracy po awariach przy niewielkim zaangażowaniu człowieka.
ROLNICTWO
Jeden ze startupów w Berlinie opracował aplikację o nazwie Plantix opartą na głębokim uczeniu się, która identyfikuje potencjalne wady roślin i braki składników odżywczych w glebie. Algorytmy oprogramowania analizują zdjęcia liści, których wygląd korelują z określonymi defektami gleby, szkodnikami roślin i chorobami.
źródło: www.ecoreactor.org
Dwie amerykańskie firmy Where i FarmShots używają już algorytmów uczenia maszynowego w połączeniu z satelitami do przewidywania pogody, analizy zrównoważenia upraw i oceny gospodarstw pod kątem obecności chorób i szkodników. Podobnie jak projekt pilotażowy FarmBeats firmy Microsoft i Departamentu Rolnictwa Stanów Zjednoczonych, który dostarcza dane z czujników, dronów, satelitów i traktorów do opartych na chmurze modeli sztucznej inteligencji. Zapewniają one szczegółowy obraz jakości gleby i poziomu wilgotności na polach znajdujących się na farmie badawczej o powierzchni 2800 akrów w stanie Maryland. Czujniki mierzą temperaturę, wilgotność, kwasowość i poziom wody w glebie. Stacja pogodowa rejestruje temperaturę powietrza, opady i prędkość wiatru, a ciągnik wyposażony w czujniki rejestruje z kolei wysokość, biomasę i „zazielenienie” upraw, czyli wskaźnik zdrowotności roślin. Jeśli projekt się powiedzie, rolnicy będą mogli przeglądać dane generowane przez FarmBeats w czasie rzeczywistym, co może im pomóc w udoskonaleniu metod uprawy. Jeśli wszystko pójdzie zgodnie z planem system zostanie następnie przetestowany na ponad 200 gospodarstwach w całym kraju.
Czy takie projekty mają sens? Jak najbardziej. Podobne rozwiązanie w Indiach pomogło rolnikom uzyskać o 30 % wyższe plony orzeszków ziemnych z hektara, dostarczając informacji na temat przygotowania gruntu, nawożenia i wybierania dat siewu.
Co więcej, dzięki połączeniu AI i automatyzacji w rolnictwie można na bieżąco monitorować stan upraw, szybciej wykrywać choroby zwierząt gospodarskich, programować nawadnianie pól i żywienie stada, a co za tym idzie – zmniejszyć zużycie wody, nawozów i pestycydów.
EMISJA CO2 i POWIETRZE
W Chinach projekt IBM pod nazwą Green Horizon wykorzystuje system sztucznej inteligencji, który może prognozować zanieczyszczenie powietrza, śledzić jego źródła i opracowywać potencjalne strategie radzenia sobie z nim. Może na przykład określić, czy skuteczniejsze byłoby ograniczenie liczby kierowców czy zamknięcie niektórych elektrowni w celu zmniejszenia zanieczyszczenia na określonym obszarze.
W raporcie „Jak sztuczna inteligencja może zapewnić zrównoważoną przyszłość?” (How AI can enable a sustainable future?), który jest wspólnym dziełem firm Microsoft i PwC oszacowano, że wykorzystanie sztucznej inteligencji do zastosowań środowiskowych może zwiększyć globalny PKB o 3,1 – 4,4%, a jednocześnie zmniejszyć globalne emisje gazów cieplarnianych o około 1,5 – 4,0% do 2030 r. Jak przewidują twórcy w raporcie: korzyści z produktywności aplikacji AI w czterech kluczowych sektorach, takich jak rolnictwo, energetyka, transport i gospodarka wodna, mogą wygenerować ogólny wzrost gospodarczy, przynosząc potencjalny zysk w wysokości 3,6 – 5,2 bln dolarów. Jednocześnie szerokie zastosowania AI mogą przyspieszyć przejście do świata niskoemisyjnego, zmniejszając światową emisję gazów cieplarnianych o 0,9 – 2,4 gigaton, co odpowiada rocznym emisjom Australii, Kanady i Japonii łącznie w 2030 r.
źródło grafiki: www.forbes.com
Bardzo cieszy mnie fakt, że „machine learning” oraz AI dynamicznie rozwija się, by jeszcze lepiej chronić ginące gatunki zwierząt, pomagać dokładniej segregować śmieci, zarządzać energią, zanieczyszczeniami wody czy powietrza. To daje nadzieję, że w dobie rewolucji technologicznej myślimy także o planecie.
Jeśli jesteście zainteresowani tematyką sztucznej inteligencji w kontekście środowiska, polecam lekturę raportu Microsoft i PwC, który wcześniej wspomniałem [do przeczytania TUTAJ] oraz raportu Światowego Forum Ekonomicznego pt. „Wykorzystanie sztucznej inteligencji dla Ziemi” (Harnessing Artificial Intelligence for the Earth) [do ściągnięcia TUTAJ ]
W szerszym ujęciu zastosowania AI w biznesie warto przejrzeć opracowanie „AI. Wyzwania i konsekwencje” autorstwa Infuture Institute i Natalii Hatalskiej [TUTAJ].
Jestem bardzo ciekaw Waszych spostrzeżeń w tym temacie.
Piszcie, komentujcie, pytajcie!
