موارد مهم
- کارشناسان می گویندمدل های هوش مصنوعی می توانند به پیش بینی تغییرات آب و هوایی کمک کنند.
- ابزار هوش مصنوعی جدیدی به نام IceNet می تواند به دانشمندان امکان پیش بینی دقیق عمق یخ دریای قطب شمال را بدهد.
-
هوش مصنوعی و تجزیه و تحلیل آب و هوا نیز می تواند با کاهش انتشار گازهای گلخانه ای در زنجیره تامین به مبارزه با تغییرات آب و هوایی کمک کند.
همانطور که شواهد نشان می دهد که آب و هوای شدید تابستان امسال به دلیل تغییرات آب و هوایی است، هوش مصنوعی به پیش بینی اینکه شرایط در کجا تغییر خواهد کرد کمک می کند.
ابزار هوش مصنوعی جدید می تواند به دانشمندان این امکان را بدهد که ماه های یخ دریای قطب شمال را با دقت بیشتری در آینده پیش بینی کنند.به گفته محققان، IceNet در پیش بینی اینکه آیا یخ دریا دو ماه آینده وجود خواهد داشت یا خیر، تقریباً 95 درصد دقیق است. این یکی از کاربردهای رو به رشد هوش مصنوعی در پیش بینی تغییرات آب و هوایی است.
"هوش مصنوعی کارایی اجرای مدل های آب و هوایی پیچیده را که از لحاظ تاریخی محاسباتی فشرده بوده اند، به طور قابل توجهی بهبود بخشیده است."
بدون یخ، یخ، عزیزم
IceNet روی چالش بزرگ پیش‌بینی دقیق یخ دریای قطب شمال برای فصل آینده کار می‌کند. محققان نحوه عملکرد IceNet را در مقاله اخیر منتشر شده در مجله Nature Communications شرح دادند.
محققان در این مقاله نوشتند: «دمای هوای نزدیک به سطح در قطب شمال دو تا سه برابر میانگین جهانی افزایش یافته است، پدیده‌ای که به عنوان تقویت قطب شمال شناخته می‌شود، که ناشی از چندین بازخورد مثبت است». "افزایش دما نقش کلیدی در کاهش یخ های دریای قطب شمال داشته است، به طوری که وسعت یخ دریا در سپتامبر تقریباً نصف سال 1979 است که اندازه گیری های ماهواره ای قطب شمال آغاز شد."
به گفته نویسندگان مقاله،پیش بینی یخ دریا به دلیل ارتباط پیچیده آن با جو بالا و اقیانوس پایین دشوار است. برخلاف سیستم‌های پیش‌بینی مرسوم که سعی در مدل‌سازی مستقیم قوانین فیزیک دارند، محققان IceNet را بر اساس مفهومی به نام یادگیری عمیق طراحی کردند. از طریق این رویکرد، مدل یاد می‌گیرد که چگونه یخ دریا از هزاران سال داده‌های شبیه‌سازی آب و هوا، همراه با دهه‌ها داده‌های رصدی، تغییر می‌کند تا میزان ماه‌های یخی دریای قطب شمال را در آینده پیش‌بینی کند.
نویسنده اصلی مقاله، تام اندرسون، دانشمند داده در آزمایشگاه هوش مصنوعی BAS، در خبری گفت: قطب شمال منطقه ای در خط مقدم تغییرات آب و هوایی است و در 40 سال گذشته شاهد گرم شدن قابل توجهی بوده است. رهایی. IceNet این پتانسیل را دارد که شکاف فوری در پیش‌بینی یخ دریا برای تلاش‌های پایداری قطب شمال را پر کند و هزاران بار سریع‌تر از روش‌های سنتی کار می‌کند.»
هوش مصنوعی شبکه گسترده ای ایجاد می کند
سایر شبیه سازهای هوش مصنوعی نیز تغییرات آب و هوایی را زیر نظر دارند. به عنوان مثال، محققان از تکنیک جستجوی شبکه شبیه ساز عمیق برای بهبود شبیه سازی در مورد نحوه بازتاب و جذب نور خورشید توسط دوده و ذرات معلق در هوا استفاده کرده اند. این تحقیق نشان داد که شبیه‌ساز 2 میلیارد بار سریع‌تر و بیش از 99.999 درصد شبیه شبیه‌سازی فیزیکی آنها است.
Renny Vandewege، معاون شرکت پیش‌بینی آب و هوا DTN در مصاحبه ایمیلی به Lifewire گفت: هوش مصنوعی و تجزیه و تحلیل آب و هوا همچنین می‌توانند با کاهش انتشار گازهای گلخانه‌ای در زنجیره تامین به مبارزه با تغییرات آب و هوایی کمک کنند.
"برای مثال، در کشتیرانی، مسیریابی بهینه از نظر آب و هوا می تواند انتشار گازهای گلخانه ای را تا 4٪ کاهش دهد و مصرف سوخت را تا 10٪ کاهش دهد، و مسیریابی آب و هوا در صنعت هوانوردی می تواند از تغییر مسیرهای غیرضروری برای جلوگیری از آب و هوای بد جلوگیری کند. یا دور فرودگاهی که منتظر فرود است بچرخید، "او گفت.
پیش‌بینی دقیق برای شبکه‌های جاده‌ای می‌تواند درمان غیرضروری جاده‌های زمستانی را کاهش دهد و تعداد مواد شیمیایی مضر را کاهش دهد.
او افزود: «به‌جای درمان کل جاده، اکیپ‌های تعمیر و نگهداری جاده می‌توانند مکان‌های انتخابی در امتداد جاده‌ای را که بخش‌های جاده سردسیری وجود دارد، درمان کنند، یا ممکن است تصمیم بگیرند که آیا درمان اصلاً ضروری است یا خیر.»
مارتی بل، مدیر ارشد علمی شرکت پیش بینی آب و هوا WeatherFlow در مصاحبه ای با لایف وایر گفت:مدل های یادگیری ماشین و هوش مصنوعی به طور فزاینده ای برای کمک به درک انتشار CO2 و متان مورد استفاده قرار می گیرند.
بل گفت: «مدل‌ها همچنین با کمک به ما در اصلاح رویکرد خود در تولید و مصرف انرژی، انعطاف‌پذیری ما را در برابر تغییرات آب و هوایی افزایش می‌دهند. «در حالی که بسیاری از این برنامه‌های کاربردی هوش مصنوعی در مقیاس‌های بزرگ در سیستم‌های توزیع انرژی کاربردی کار می‌کنند، برخی دیگر در سطح خانوار کار می‌کنند، جایی که ML مدل‌های هوش مصنوعی تعبیه‌شده در دستگاه‌های روزمره اینترنت اشیاء را که به طور مؤثرتری مصرف انرژی را در خانه مدیریت می‌کنند، اطلاع می‌دهد.»
