L'intelligenza artificiale a tre modi aiuta a salvare il mondo

Immagine della Terra della NASAImmagine della Terra della NASA

Man mano che i computer diventano più intelligenti, gli scienziati cercano nuovi modi per arruolarli nella protezione dell'ambiente.

Quando si pensa all'intelligenza artificiale, la prima immagine che probabilmente viene in mente è uno dei robot senzienti che camminano, parlano ed emotano come gli umani. Ma c'è un diverso tipo di IA che sta diventando prevalente in quasi tutte le scienze. È noto come machine learning e ruota attorno all'arruolamento dei computer nel compito di ordinare le enormi quantità di dati che la tecnologia moderna ci ha permesso di generare (ovvero i "big data").

Uno dei luoghi in cui l'apprendimento automatico si sta rivelando il più vantaggioso è nelle scienze ambientali, che hanno generato enormi quantità di informazioni dal monitoraggio dei vari sistemi della Terra - ad esempio falde acquifere sotterranee, clima di riscaldamento o migrazione degli animali. Una serie di progetti è emersa in questo campo relativamente nuovo, chiamato sostenibilità computazionale, che combina i dati raccolti sull'ambiente con la capacità di un computer di scoprire le tendenze e fare previsioni sul futuro del nostro pianeta. Ciò è utile per scienziati e responsabili politici perché può aiutarli a sviluppare piani su come vivere e sopravvivere nel nostro mondo che cambia. Ecco alcuni esempi.

Per gli uccelli e gli elefanti

La Cornell University sembra essere all'avanguardia in questa nuova frontiera, probabilmente perché ha un Istituto per la sostenibilità computazionalee anche perché la responsabile dell'istituto, Carla P. Gomes, è una delle pioniere della sostenibilità computazionale. Gomes afferma che il campo ha avuto inizio intorno a 2008 quando la National Science Foundation ha assegnato una sovvenzione di $ 10 milioni di dollari per spingere gli scienziati informatici nella ricerca che ha avuto benefici sociali. Da allora il suo team - e i team di scienziati di tutto il mondo - hanno preso l'idea e ci sono riusciti.

Un'area importante in cui l'apprendimento automatico può aiutare l'ambiente è la conservazione delle specie. In particolare, l'istituto Cornell ha lavorato con il Cornell Lab of Ornithology per combinare l'incredibile zelo degli uccellini con l'osservazione scientifica. Hanno sviluppato un'app chiamata eBird che consente ai normali cittadini di presentare dati sugli uccelli che osservano intorno a loro, come ad esempio quante specie diverse si possono trovare in un determinato luogo. Finora, dice Gomes, hanno avuto più di 300,000 volontari che hanno inviato oltre 300 milioni di osservazioni, il che equivale a oltre 22 milioni di ore di lavoro sul campo.

Questa animazione della migrazione annuale delle rondini mostra come le tecniche di sostenibilità computazionale possono essere utilizzate per prevedere le variazioni della popolazione nello spazio e nel tempo. Immagine di Daniel Fink, Cornell Lab. di ornitologia

Questa animazione della migrazione annuale delle rondini mostra come le tecniche di sostenibilità computazionale possono essere utilizzate per prevedere le variazioni della popolazione nello spazio e nel tempo. Immagine di Daniel Fink, Cornell Lab. di ornitologia


Ricevi le ultime novità da InnerSelf


Combinando i dati raccolti da eBird con i dati osservativi del laboratorio e le informazioni sulla distribuzione delle specie raccolte da reti di telerilevamento, i modelli dell'istituto utilizzano l'apprendimento automatico per prevedere dove ci saranno cambiamenti nell'habitat per determinate specie e i percorsi lungo i quali gli uccelli si sposteranno durante migrazione.

"Ci sono grandi lacune in cui non abbiamo osservazioni, ma se si mettono in relazione i modelli di occorrenza e assenza, vediamo che a questi uccelli piace un certo tipo di habitat e quindi possiamo generalizzare", dice Gomes. "Stiamo davvero utilizzando modelli sofisticati - algoritmi di machine learning - per prevedere come sono distribuiti gli uccelli".

Possono quindi condividere le loro previsioni con politici e ambientalisti, che possono usarlo per prendere decisioni su come proteggere al meglio l'habitat degli uccelli.

Ad esempio, afferma Gomes, sulla base delle informazioni raccolte tramite eBird ed elaborate dalla partnership, The Nature Conservancy ha istituito un "Asta inversa" nelle parti della California colpite dalla siccità, pagando i coltivatori di riso per trattenere l'acqua nei loro campi quando è probabile che gli uccelli migrino e abbiano bisogno di un habitat di sosta. "Questo è possibile solo perché abbiamo modelli computazionali avanzati che ci forniscono informazioni di alta precisione su come sono distribuiti gli uccelli", afferma Gomes.

Gli uccelli non sono l'unica area di ricerca. Gran parte del lavoro dell'istituto è legato alla conservazione della fauna selvatica: ascoltare ore di registrazioni forestali per mappare la posizione delle chiamate degli elefanti e degli spari dei bracconieri, ad esempio, o rintracciare gli orsi grizzly per sviluppare un corridoio che possono usare per muoversi in sicurezza attraverso il deserto.

Aumentare la PACE

Al Goddard Space Flight Center della NASA, la ricercatrice Cecile Rousseaux sta usando l'apprendimento automatico per comprendere meglio la distribuzione del fitoplancton (noto anche come microalghe) negli oceani. Queste piante microscopiche galleggiano sulla superficie dei mari e producono gran parte dell'ossigeno che respiriamo. Costituiscono il fondamento della rete alimentare oceanica. Consumano anche anidride carbonica e, quando muoiono, portano con sé il carbonio mentre affondano sul fondo dell'oceano.

"Se non avessimo il fitoplancton, vedremmo un aumento maggiore dell'anidride carbonica, quindi stiamo assistendo", afferma Rousseaux. Per questo motivo, il loro stato generale è un'informazione essenziale per i ricercatori che tentano di comprendere l'effetto dei cambiamenti nella CO atmosferica2 sul nostro pianeta.

{

Rousseaux utilizza immagini satellitari e modelli computerizzati per prevedere le condizioni attuali e future del fitoplancton oceanico del mondo. Al momento, il modello è solo in grado di stimare il numero totale di microalghe che vivono sulla Terra e come tale totale sta cambiando nel tempo. Ma una nuova missione satellitare ha chiamato RITMO (per "Pre-Aerosol Clouds and ocean Ecosystem"), il lancio in 2022, aprirà un nuovo set di dati che esamina più da vicino la popolazione e sarà in grado di identificare specie diverse anziché semplicemente guardare il tutto, che sarà sostanzialmente cambia il modello attuale.

“Il modello utilizza parametri basati su temperatura, luce e sostanze nutritive per dirci la quantità di crescita. L'unica cosa che la simulazione fa è regolare il totale ", afferma. Ma ci sono molti tipi diversi di fitoplancton che interagiscono tutti con l'ambiente in modi unici. Le diatomee, ad esempio, sono grandi, affondano molto rapidamente sul fondo dell'oceano e hanno bisogno di molti nutrienti. PACE consentirà di identificare i tipi di fitoplancton in varie parti dell'oceano, ampliando la capacità del modello di aiutarci a capire come i microrganismi influenzano il CO atmosferico2. Ci permetterà anche di fare cose come prevedere fioriture di alghe pericolose e potenzialmente trovare modi per attingere ai talenti delle specie che consumano carbonio in quantità maggiori per combattere i cambiamenti climatici.

EarthCube

Parlando della Terra nel suo insieme, la National Science Foundation sta usando l'apprendimento automatico per creare un modello vivente 3-D dell'intero pianeta. Chiamata EarthCube, la rappresentazione digitale combinerà set di dati forniti dagli scienziati in tutta una serie di discipline, ad esempio misurazioni dell'atmosfera e dell'idrosfera o della geochimica degli oceani, per imitare le condizioni sopra, sopra e sotto la superficie. A causa delle enormi quantità di dati che il cubo comprenderà, sarà in grado di modellare diverse condizioni e prevedere come i sistemi del pianeta risponderanno. E con queste informazioni, gli scienziati saranno in grado di suggerire modi per evitare eventi catastrofici o semplicemente pianificare quelli che non possono essere evitati (come inondazioni o maltempo) prima che si verifichino.

EarthCubeEarthCube combina set di dati per creare un modello che può essere utilizzato per prevedere e ridurre al minimo i danni causati da eventi catastrofici.
Immagine di Jeanne DiLeo / USGS
Come parte del progetto EarthCube, la US Geological Survey sta collaborando a un progetto del National Science Framework per produrre il Crosta digitale, un quadro che consentirà una comprensione più accurata e solida dei processi del sottosuolo della Terra, come l'equilibrio delle acque sotterranee e la salute dei sistemi acquiferi. "Saremo in grado di eseguire calcoli scientifici che mostrano il livello delle acque sotterranee nel tempo e possiamo confrontarlo con scenari futuri", afferma Sky Bristol, capo filiale della caratterizzazione biogeografica di USGS e il team USGS a capo del progetto EarthCube Digital Crust .

L'apprendimento automatico entra in gioco anche quando due modelli di diverse parti del cubo (come la crosta e l'atmosfera) devono interagire tra loro, afferma Bristol. Ad esempio, che aspetto ha un aumento dell'estrazione delle acque sotterranee e allo stesso tempo un aumento del riscaldamento?

La crosta digitale dovrebbe essere completata questa estate. Digital Crust e tutti i progetti EarthCube stanno rendendo open source i loro dati e software. Quindi, entro pochi anni, chiunque sarà in grado di utilizzare l'apprendimento automatico per fare previsioni su tutte le possibilità di una Terra futura. Ciò significa che i geoscienziati, che lavorano per comprendere i vari sistemi della Terra e in che modo i cambiamenti al loro interno influenzeranno l'umanità, avranno un nuovo strumento che consentirà loro di condividere i dati tra loro da tutto il mondo, dando alle loro previsioni un impatto maggiore e offrendo agli umani l'opportunità agire, piuttosto che reagire, al nostro mondo che cambia.

Questi esempi sono solo una piccola parte del quadro generale di come la sostenibilità computazionale può cambiare - e sta cambiando - la nostra capacità di rendere la vita umana sulla Terra più sostenibile. Solo a Cornell, altri progetti che utilizzano la tecnologia includono la mappatura delle aree di povertà e l'efficacia della mitigazione della povertà nei paesi sviluppati, determinando l'impatto delle politiche di raccolta sulla pesca oceanica, scoprendo nuovi materiali che possono essere utilizzati per catturare l'energia solare, determinando l'impatto di scioperi delle navi sulle popolazioni di balene e persino facendo luce sull'efficienza e le implicazioni dell'aumento delle tasse sulla benzina negli Stati Uniti Se le tendenze attuali sono indicative, possiamo aspettarci di sentire molto di più negli anni a venire su come l'intelligenza artificiale ci sta aiutando a fare il mondo un posto migliore in cui vivere a lungo termine.

Questo articolo è originariamente apparso su Ensia Visualizza la homepage di Ensia

Circa l'autore

biba erinErin Biba è una giornalista scientifica indipendente con base a New York City. Il suo lavoro appare regolarmente in Newsweek, Scientific American e The Mythbusters ' Tested.com.

Libro correlato

{amazonWS: searchindex = Libri; Parole chiave utilizzate = 1605989649; maxresults = 1}

enafarZH-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

segui InnerSelf su

facebook-icontwitter-iconrss-icon

Ricevi l'ultimo tramite e-mail

{Emailcloak = off}