인공 지능이 세상을 구하는 세 가지 방법

: By 에린 비바, 엔시아

방문해 주셔서 감사합니다 InnerSelf.com, 있는 곳에 20,000+ "새로운 태도와 새로운 가능성"을 홍보하는 삶을 변화시키는 기사. 모든 기사는 다음으로 번역됩니다. 30 개 이상의 언어. 확인 매주 발행되는 InnerSelf Magazine과 Marie T Russell의 Daily Inspiration에 게재됩니다. InnerSelf 매거진 1985년부터 출판되었다.

NASA의 지구 이미지

컴퓨터가 더 똑똑 해지면 과학자들은 환경 보호에 참여할 수있는 새로운 방법을 모색합니다.

인공 지능을 생각할 때 마음에 떠오를 첫 번째 이미지는 인간처럼 걷고 말하고 감정을 느끼는 지각 로봇 중 하나입니다. 그러나 거의 모든 과학 분야에서 보급되고있는 다른 종류의 인공 지능이 있습니다. 그것은 기계 학습으로 알려져 있으며, 현대 기술로 생성 할 수있는 엄청난 양의 데이터 (일명 "빅 데이터")를 분류 작업에 투입하는 데 중점을 둡니다.

기계 학습이 환경 과학에서 가장 유익한 것으로 드러나는 장소 중 하나는 지구의 다양한 시스템 (예 : 지하수 대류층, 온난화 기후 또는 동물 이동) 모니터링을 통해 엄청난 양의 정보를 생성 한 것입니다. 계산에 대한 지속 가능성이라는이 비교적 새로운 분야에서 수많은 프로젝트가 진행되고 있습니다.이 프로젝트는 환경에 관한 데이터를 수집하여 추세를 발견하고 지구의 미래에 대한 예측을 내리는 컴퓨터의 능력과 결합됩니다. 이것은 변화하는 세상에서 살고 살아남는 방법에 대한 계획을 수립 할 수 있기 때문에 과학자와 정책 입안자에게 유용합니다. 다음은 몇 가지 예입니다.

새와 코끼리를 위해서

코넬 대학 (Cornell University)은이 새로운 국경에서 길을 선도하고있는 것으로 보인다. 전산 지속 가능성 연구소그 연구소의 머리 인 Carla P. Gomes가 계산상의 지속 가능성의 개척자이기도합니다. Gomes는 국립 과학 재단 (National Science Foundation)이 컴퓨터 과학자들을 사회적 이익을 얻는 연구에 투입하기 위해 2008 백만 달러를 수여했을 때이 분야가 10을 중심으로 시작되었다고 전했다. 그 이후로 그녀의 팀과 전 세계의 과학자 팀이 아이디어를 얻었고 실행했습니다.

기계 학습이 환경을 도울 수있는 주요 영역 중 하나는 종 보호입니다. 특히, 코넬 연구소는 조류 관찰자의 놀라운 열정을 과학적 관찰과 결합하기 위해 코넬 연구소의 조류학 연구소와 협력 해 왔습니다. 그들은 앱을 개발했습니다. 이드 평범한 시민들은 주어진 위치에서 얼마나 많은 종들이 발견 될 수 있는지와 같이 주위에서 관찰되는 새들에 관한 데이터를 제출할 수 있습니다. 지금까지 Gomes는 300,000 자원 봉사자 이상의 사람들이 300 백만 건 이상의 관찰 자료를 제출했으며 이는 22 백만 시간 이상의 현장 조사에 해당합니다.

삼나무 제비의 연례 이동에 관한이 애니메이션은 공간 및 시간에 따른 인구 변동을 예측하는 데 계산 지속성 기술을 사용하는 방법을 보여줍니다. Daniel Fink, Cornell Lab의 이미지. 조류학

eBird에서 수집 한 데이터와 실험실의 자체 관측 데이터 및 원격 탐사 네트워크에서 수집 한 종 분포에 대한 정보를 결합한이 연구소의 모델은 기계 학습을 통해 특정 종의 서식지 변화 및 조류가 이동하는 경로를 예측합니다 이주.

"우리는 관측치가없는 큰 격차가 있습니다. 그러나 발생 및 결핍의 패턴을 관련 지을 경우이 새들은 특정 서식지를 좋아하고 일반화 할 수 있습니다."라고 Gomes는 말합니다. "우리는 조류가 어떻게 분포되는지를 예측하기 위해 기계 학습의 알고리즘 인 정교한 모델을 실제로 사용하고 있습니다."

그들은 정책 입안자와 환경 보호 전문가들과 그들의 예상을 공유하여 조류 서식지를 가장 잘 보호하는 방법을 결정하는데 사용할 수 있습니다.

예를 들어, Gomes는 eBird를 통해 모아지고 파트너십에 의해 처리 된 정보를 기반으로 Nature Conservancy가 캘리포니아의 가뭄으로 고통받는 지역의 "역 경매"새가 이주 할 가능성이 있고 중간 기착지 서식지를 필요로 할 때 쌀 농부들에게 그 들판에 물을 보유하도록 지불한다. Gomes는 "조류가 어떻게 분포하는지에 대한 고정밀 정보를 제공하는 고급 계산 모델을 가지고 있기 때문에 가능합니다.

조류 만이 유일한 연구 분야는 아닙니다. 연구소의 많은 작업은 야생 동물 보호와 관련되어 있습니다. 예를 들어, 코끼리 호출 및 밀렵꾼의 총격 사건 위치를지도 화하거나 야생 곰을 추적하여 광야를 안전하게 이동할 수있는 복도를 개발하는 것입니다.

PACE 올리기

NASA의 고다드 우주 비행 센터에서 연구 과학자 인 세실 루소 (Cecile Rousseaux)는 해양에서의 식물성 플랑크톤 (미세 조류로도 알려짐)의 분포를보다 잘 이해하기 위해 기계 학습을 사용하고 있습니다. 이 미세한 식물들은 바다 표면에 떠 다니며 우리가 숨 쉬는 많은 산소를 만들어 낸다. 그들은 바다 음식 웹의 기초를 형성합니다. 그들은 또한 이산화탄소를 소비하고 그들이 죽을 때 해저로 가라 앉으면 서 탄소를 운반합니다.

"식물성 플랑크톤이 없다면 이산화탄소가 더 많이 증가 할 것입니다. 우리는보고 있습니다."루소는 말한다. 이 때문에, 그들의 전반적인 상태는 대기 CO의 변화의 영향을 이해하려고 시도하는 연구자들에게 필수적인 정보이다.₂ 우리의 행성에.

{{youtube}eM5lX9RQzZ4{/youtube}

루소는 위성 이미지 및 컴퓨터 모델링을 사용하여 세계 해양 식물성 플랑크톤의 현재 및 미래 상황을 예측합니다. 현재이 모델은 지구상에 사는 미세 조류의 총 수와 그 총계가 시간에 따라 어떻게 변하는지를 예측할 수 있습니다. 그러나 새로운 위성 임무는 PACE ( "Pre-Aerosol Clouds and Ocean Ecosystem")는 2022에서 시작하여 전체 인구를보다 면밀히 조사하고 단순히 전체를 조사하는 것이 아니라 다른 종을 식별 할 수있는 완전히 새로운 데이터 세트를 열어 실질적으로 현재 모델을 변경하십시오.

"이 모델은 온도, 빛 및 영양분에 기반한 매개 변수를 사용하여 성장량을 알려줍니다. 시뮬레이션이하는 한 가지는 총을 조정하는 것입니다. "라고 그녀는 말합니다. 그러나 모든 종류의 식물성 플랑크톤이 독특하게 환경과 상호 작용합니다. 예를 들면, 규조는 크고, 매우 빠르게 해저에 가라 앉고 많은 양분이 필요합니다. PACE는 해양의 여러 부분에서 식물성 플랑크톤의 유형을 확인하여 미생물이 대기 중 일산화탄소에 미치는 영향을 이해하는 데 도움이되는 모델의 기능을 확장 할 것입니다₂. 또한 우리는 위험한 조류 번식을 예언하고 기후 변화에 대처하기 위해 더 많은 양의 탄소를 소비하는 종의 재능을 발휘할 수있는 방법을 찾아내는 것과 같은 일을 할 수 있습니다.

어스 큐브

국립 과학 재단 (National Science Foundation)은 지구 전체에 대해 말하자면 기계 학습을 사용하여 지구 전체의 3-D 생체 모델을 만듭니다. EarthCube라고 불리는이 디지털 표현은 과학자들이 제공하는 데이터 세트를 표면의 위나 아래의 조건을 모방하기 위해 대기 및 수문 구도 또는 해양의 지구 화학적 성질을 측정하는 등의 전과정에 걸쳐 결합합니다. 방대한 양의 데이터가 큐브에 포함되므로 다양한 조건을 모델링하고 행성 시스템이 어떻게 반응할지 예측할 수 있습니다. 그리고 그 정보를 통해 과학자들은 치명적인 사건을 피할 방법을 제안하거나 피할 수없는 것들 (범람이나 거친 날씨 등)이 발생하기 전에 계획을 세울 수 있습니다.

어스 큐브 EarthCube는 데이터 세트를 결합하여 치명적인 이벤트로 인한 피해를 예측하고 최소화하는 데 사용할 수있는 모델을 만듭니다.
Jeanne DiLeo / USGS의 이미지EarthCube 프로젝트의 일환으로, 미국 지질 조사국 (US Geological Survey)은 National Science Framework 프로젝트에 협력하여 디지털 껍질지하수 평형과 대수층 시스템의 건강과 같이 지구의 지하 표면에 대한보다 정확하고 견고한 이해를 가능하게 해주는 틀이다. "우리는 시간이 지남에 따라 지하수의 수준을 보여주는 과학적 계산을 할 수있을 것이고, 미래의 시나리오에 대비하여 그것을 구할 수있을 것입니다."라고 SkyBristol, Earthgube Digital Crust 프로젝트의 USGS 및 USGS 팀장의 생물 지리 특성화 지부장이 말했습니다 .

기계 학습은 입방체의 서로 다른 부분 (껍질과 대기 같은)의 두 모델이 서로 상호 작용해야 할 때에도 작용한다고 브리스톨은 말합니다. 예를 들어, 지하수 추출이 증가하고 동시에 온난화 된 기후가 증가 할 때의 모습은 어떻습니까?

디지털 껍질은 이번 여름에 완성 될 예정입니다. Digital Crust와 모든 EarthCube 프로젝트는 데이터와 소프트웨어를 오픈 소스로 만들고 있습니다. 따라서 몇 년 안에 누구나 기계 학습을 사용하여 미래 지구의 모든 가능성에 대한 예측을 내릴 수있게 될 것입니다. 지구의 다양한 시스템을 이해하고 지구 내부의 변화가 인류에 미치는 영향을 연구하는 지구과학자가 지구상의 다른 국가들과 데이터를 공유 할 수있는 새로운 도구를 갖게 됨으로써 더 많은 영향을 미치고 인간에게 기회를 제공하게됩니다. 우리의 변화하는 세계에 행동 대신 반응해야합니다.

이 예제들은 전산 환경의 지속 가능성이 지구에서 인간의 삶을보다 지속 가능하게 만드는 우리의 능력을 어떻게 바꿀 수 있고 변화시키는지를 보여주는 큰 그림 중 일부에 지나지 않습니다. 코넬에서만이 기술을 사용하는 다른 프로젝트로는 선진국의 빈곤 지역 및 빈곤 완화 영역의 매핑, 수산 정책에 대한 수확 정책의 영향 결정, 태양 에너지 포획에 사용될 수있는 새로운 물질 발견, 고래 인구에 대한 파업, 심지어 미국의 휘발유 세금 증가의 효율성과 영향에 대한 불만을 제기하기도합니다. 현재의 추세라면 어떤면에서 인공 지능이 우리를 세계에 어떻게 도울 수 있는지에 대해 앞으로 몇 년 더 많은 것을 기대할 수 있습니다 장기간 살기 좋은 곳.

이 문서는 원래의 등장 Ensia