Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

人工智能不会主宰世界,反而正在帮助我们拯救地球

提起人工智能,首先想到的可能是能像人类一样走路、说话和做出表情的机器人,栩栩如生。但是,还有一种不同类型的人工智能,它正在各个科学领域流行起来。那就是机器学习,支持计算机分类整理现代技术产生的海量数据。


环境科学领域,正成为机器学习可以大展身手的领域之一,来自侦测地球情况的各个系统——比如,地下蓄水层,气候变暖,动物迁徙等方面——已经生产海量信息。在这个相对较新的领域,亦即可持续性计算( computational sustainability)里,已经产生了一系列研究项目,将从环境中搜集到的数据与计算机能力结合起来,发现趋势,并对地球的未来做出预测。对科学家和政府来说,这很有用,因为它能帮助他们做出规划,如何在这个不断变化的世界中生存并生活下去。兹举几个例子:


保护鸟类和大象


康奈尔大学似乎在这一前沿领域独占鳌头,可能因为他们已经成立了一个可持续性计算协会( Institute for Computational Sustainability),也可能因为这个机构的负责人是 Carla P. Gomes,可持续性计算研究先驱之一。她说,这个领域从2008年开始起步,当时,国家科学基金会奖励了1000万美元,旨在鼓励计算机科学家研究那些可以让社会受益的领域。自那时起,她的团队——和全世界的科学家团队——已经采纳这一想法并推行它了。


在环境领域方面,机器学习的一个主要应用是物种保护。特别是,康奈尔学院已经和康奈尔鸟类学实验室联手,将猎鸟者的惊人狂热与科学研究结合在一起。他们已经研发出一个叫做 eBird 的应用程序,可以让普通用户提交他们在周围观察到的鸟类数据,比如,在某一给定区域可以发现多少种不同的鸟类。到目前为止,Gomes 说,超过30万志愿者提供了3亿多个观察数据,相当于2200万个小时的田野调查工作量。


feature_artificial_intelligence_inline2_large.gif

这幅白肚燕每年迁徙活动的动画表明,如何将可持续性计算技术应用于预测超越时空的种群变化。


将从 eBird 搜集的数据与实验室自己的观察数据以及从遥感网络搜集的物种分布信息结合起来,该机构利用机器学习预测某些种类栖息地的变化,以及鸟类迁徙路径。


「没有观察的地方肯定和观察到的地方存在差异,但是,如果你将出现的模式与缺省的模式联系起来,我们就能发现这些鸟喜欢某种栖息地,然后,就能进行归纳,」Gomes说,「我们正在真的使用成熟的模型——来自机器学习的算法——预测鸟类分布。」他们可以将结果分享给政府,或环保生态环境保护者,这些人可以用这些信息做出决策,看看如何最好的保护鸟类栖息地。


Gomes 说,比如,基于 eBird 搜集、团队处理过的信息,大自然保护协会已经在加利福尼亚干旱地区设立了一个「逆向拍卖(reverse auction)」项目,付钱给种水稻的农民,在鸟类迁移期间,或者在鸟类需要可以停留的栖息地的时候,保留田地中的水分。「之所以能实现这点,是因为我们有先进的计算模型,提供了精准的鸟类分布信息。」她说。


研究领域不限于鸟类。该协会工作很大一部分与野生动物保护有关——比如,听几小时的森林录音,绘制大象叫声,以及偷猎者枪声的所在位置的地图,或者跟踪黑熊踪迹,研发出来一个可以让他们在野外安全通过的森林通道。


PACE 项目


美国宇航局的戈达德太空飞行中心,科学家研究员 Cecile Rousseaux 正在用机器学习更好地理解海洋中浮游植物(也称为微藻类)的分布情况。这些微小的植物浮在海洋表面,产生大量氧气。它们形成了海洋食物网络的基础。也会消耗二氧化碳,而且当它们死亡时,会携带碳一起沉入海底。


「如果没有浮游植物,二氧化碳将会大幅增长。」Rousseaux 说。因此,为使研究员更好地理解二氧化碳在大气中的变化及影响,浮游植物的整体状况信息非常重要。


Rousseaux 正在利用卫星成像和计算机建模,预测当前以及未来世界海洋浮游植物现况。现在,该模型还只能预测地球上浮游植物的总量以及总量如何正随着时间的推移而变化。然而,一个新的卫星任务,PACE (「预喷射云与海洋生态系统」)将于2022启动,将会开启一套新的数据组,更加密切观察种群,还能识别不同种类,而不是简单观察整个情况,这将切实改变当前模型。


「模型使用了以温度,光以及营养物质为基础的参数,它可以告诉我们植物的增长总量。这个模型的功能之一就是调整对总数的判断。」她说。但是,浮游植物有一系列不同的类型,与环境以各种不同方式进行互动。比如硅藻,体积较大,会很快沉到海底,需要很多营养物质。PACE 能够让研究人员识别海洋不同区域中的浮游植物类型,增强模型能力,帮助理解微生物对二氧化碳大气含量的影响。PACE 也会帮助人们预测危险的赤潮,并有望找出利用不同物种天赋(有的物种可以消耗更大的碳)的办法,应对气候变化。


EarthCube 项目


谈到作为整体的地球,国家自然科学基金会正在使用机器学习创造一个有关地球整体的3-D 生物模型。这个叫做 EarthCube 的数字化呈现,将结合不同学科的科学家们提供的数据集——比如,水圈,大气圈,海洋地球化学的测量数据——模拟水上和水下,地上和地下的自然条件变化,预测地球生态系统会发生怎样的改变。有了这些信息,科学家们就能够建议避免预防灾难性事件的办法,或对那些无法避免的事件做准备计划(比如洪水或恶劣天气等)。


artificial_intelligence_inline.jpg

结合数据集,EarthCube 创建出一个模型,能够用于预测、最小化灾变事件引发的危害


作为 EarthCube 项目的一部分,美国地质调查局正在与 一个国家科学框架项目(National Science Framework project )合作,研发  Digital Crust ,这个框架能够帮助人们更精确、稳定地理解地下过程,比如,地下水平衡与含水层系统的健康情况。「我们能够进行科学计算,展示随时间变化而变化的地下水水位,而且我们还能用它来应对未来出现的情况。」 Sky Bristol 说,他是美国地质调查局生物地理特征的部门负责人,以及 EarthCube Digital Crust 工程的负责人。


当来自数据立法体的不同部分(比如地壳或大气)不得不相互作用时,机器学习也会发挥作用,Bristol 说。比如,当地下水抽取量越来越大,与此同时,气候也在变暖时,生态系统会发生什么情况?


Digital Crust 计划将于今年夏天完成研发。Digital Crust 和所有 EarthCube 数据和软件都是开源的。因此,几年以后,任何人都能够用机器学习做出关于未来地球各种可能性的预测。那意味着,那些致力于理解地球各类生态系统,以及系统变化如何影响人类的地质学家们,将会拥有一个新的工具,与其他人分享世界各地的数据——让他们的预测更有影响,也让人们有机会行动起来改变变化中的世界,而不是仅仅是被动应对。


可持续性计算能如何改变——也正在改变——我们的能力,让地球生活更具可持续性?这些例子仅仅是回答中的一小部分。仅在康奈尔,其他使用了机器学习技术的项目就包括绘制贫困地区以及发达国家贫困人口迁移效应的图谱,确定捕捞政策对海洋渔业的影响,发现可用于捕捉太阳能的新材料,判定船舶撞击对鲸鱼种群的影响,甚至增进人们了解增高的美国汽油税会怎样影响效率,会有怎样的影响。如果当前趋势是一种预兆,那么,在未来数年,我们就能期待听到更多有关机器学习帮助人类的消息,让世界成为一个更适宜长期居住的地方。



入门观点理论应用
暂无评论
暂无评论~