AI for Earth: Nejpřesvědčivější environmentální projekty společnosti Microsoft

Je těžké vyjádřit, jak důležitý je environmentalismus. Ovlivňuje všechna průmyslová odvětví a také každého na planetě tak či onak, takže je důležité podívat se komplexně na to, jak bojovat proti známkám změny klimatu a pozitivně ovlivnit svět.

Microsoft vzal tuto výzvu pod svá křídla Iniciativa AI pro Zemi . Program uděluje granty na podporu projektů, které monitorují, modelují a nakonec řídí přírodní systémy Země. O granty mohou žádat jednotlivci, skupiny studentů nebo organizace a Microsoft dosud udělil 139 grantů ve 45 zemích. Financování přichází ve formě grantů Azure, které projektům umožňují přístup k široké škále zdrojů společnosti Microsoft, včetně nástrojů strojového učení a možností počítačového vidění.

Co AI pro Zemi, musí být, je tento druh programu platformě, vysvětluje Lucas Joppa, Microsoft generální prostředí důstojník. Máme mrak, máme Azure a máme služby, které běží na tu, takže to, co AI pro Zemi je vše kolem je za předpokladu, že další zvýšení úrovně služeb, které pak Posílení nikoho, aby tyto stavební bloky a souvislostí je do lokálních problémů ,

Kdy byl poprvé zahájen loni, AI k Zemi sliboval $ 2 miliony na celkových grantů. Tato částka byla od té doby zvýšil na $ 50 milionů v průběhu příštích pěti let, a Joppa vysvětluje, že Microsoft bude považovat iniciativu úspěšný, pokud dokonce jen hrstka projektů zvýšit efektivní využívání technologie Azure pro řešení globálních problémů.

AI for Earth pokrývá čtyři hlavní pilíře, pokud jde o projekty a granty: zemědělství, vodu, biologickou rozmanitost a změnu klimatu. Vzhledem k tomu, že tyto čtyři oblasti jsou extrémně široké a rozmanité, znamená to, že projekty, které společnost Microsoft přijímá, musí také reprezentovat rozmanitost měnícího se světa. To znamená, že to nemůže být jednoduše řešení problémů, kterým čelí západní země, nebo velmi úzce specializované projekty týkající se pouze jedné oblasti světa.

Níže jsou uvedeny některé z nejzajímavějších projektů, kterým společnost Microsoft udělila granty během prvního rozšířeného roku AI pro Zemi.

Boj s odlesňováním deštných pralesů prostřednictvím chytrých smluv a technologie gamified blockchain (ETH Zurich)

GainForest staví na myšlence, že ti, kdo na něčem jezdí s penězi, se s větší pravděpodobností budou tomuto oboru více věnovat – například někdo, kdo vsadil na hokejový zápas, jej bude sledovat mnohem soustředěněji. V tomto případě GainForest využívá peněžní sázky, aby motivoval lidi, aby jednali jako správci rizikových oblastí deštného pralesa. Až 80 procent odlesňování je způsobeno místními farmáři, kteří chtějí uvolnit místo pro dobytek, takže tento program využívá chytré smlouvy, aby se bránil.

Transparentní a škálovatelná platforma umožňuje komukoli stát se zainteresovanou stranou umístěním peněz do rizikových oblastí (identifikovaných pomocí neuronové sítě) prostřednictvím daru. V reálném čase pak mohou vidět, jak místní správce přebírá odpovědnost za část amazonského deštného pralesa a zajišťuje, že nebude zničen. Pokud po uplynutí šesti měsíců zůstane pozemek nedotčen, vrátí se peníze plus úroky.

Na obrázku nahoře jsou kůly umístěny na čtyřech zalesněných oblastech. Jak jsou tyto oblasti vyčištěny a zničeny, sázky se zmenšují. Na konci období je většinou nedotčený odměněn mnohem více penězi, zatímco oblasti, které utrpěly silné odlesňování, buď nedostanou žádné peníze, nebo jen velmi málo.

Můžeme použít chytré smlouvy ke gamifikaci přístupu k ochraně přírody, říká David Dao, založený člen GainForest. Měli jsme velký zájem, ale chceme se ujistit, že pilot může fungovat, než jej dále rozšíříme.

Předvídání fenotypů plodin pomocí hlubokého učení (University of Victoria)

Na začátku každého vegetačního období farmáři plánují stovky semen, aby zjistili, které z nich bude pro jejich půdu a oblast nejžádanější. To může být brutálně časově náročný proces, protože musí prozkoumat každou rostlinu na několik klíčových vlastností a určit, která z nich přinese největší výnos.

Tento projekt využívá hluboké učení k identifikaci klíčových vlastností žádoucích rostlin, a to vše z fotografií pořízených ručně nebo pomocí dronu, což šetří obrovské množství času a vrací peníze zpět do rukou farmářů.

Rozpoznání těchto vlastností počítačem má potenciál zvýšit rychlost, spolehlivost a přesnost identifikace vlastností a poskytne nové příležitosti pro šlechtitele plodin a farmáře přímo porovnávat velké množství jednotlivých plodin s rozdíly v genetice, pěstebním prostředí a managementu plodin, řekl Ian Stavness. , člen týmu pracujícího na projektu.

Čištění oceánů pomocí mostních kamer vybavených počítačovým viděním (Projekt výzkumu pobřežních vod v jižní Kalifornii)

Oceán Cleanup může být známým názvem pro některé ekology, protože obří oceánská lana této organizace pomáhají každý den zbavit moře nesčetných tun plastu. Ale tento nejnovější projekt se snaží řešit další zdroj oceánského plastu: řeky.

Odhaduje se, že téměř 20 procent plastů v oceánech se tam ukládá pomocí potoků nebo řek. Tento projekt připevňuje kamery na spodní strany mostů, aby sledovaly, jaký druh odpadu a kolik se dostane do oceánu. Sítě pro hluboké učení identifikují odpad a posílají informace organizaci, což umožňuje lepší úsilí o vyčištění a silnější alokaci zdrojů do cílových oblastí.

Učení dynamiky lesních požárů s posilujícím učením (University of Waterloo)

Lesní požáry jsou zvláštní věc – mohou způsobit rozsáhlé škody a ničení, přesto jsou v některých oblastech nezbytné, aby spálily podrost a umožnily rostlinám a stromům růst a kvést.

Díky tomu může být extrémně obtížné je vystopovat a naučit se zvyk na oheň, než bude příliš pozdě. Tento projekt využívá posilovací učení ke sledování toho, jak se požáry v minulosti šířily. To umožňuje lépe předvídat, kdy požár zasáhne obydlenou nebo důležitou oblast a kdy lze oheň nechat dohořet.

Schéma oblasti pohybu lesního požáru.

S touto technologií by bylo možné požáry, které postihly Fort McMurray, předvídat mnohem rychleji a evakuace mohla přijít mnohem dříve, podle dokumentu vedoucího projektu.

Zastavení pytláctví prostřednictvím sítě kamer vyzbrojených počítačovým viděním a hlubokým učením (Peace Parks Foundation)

Titulek, který všichni nenávidí, je ten, který zahrnuje nezákonné pytláctví ohrožených zvířat. Tým výzkumníků a ekologů z Peace Parks v Jižní Africe se tedy sešel, aby problém inteligentně vyřešili.

V národním parku v zemi bylo nainstalováno více než 30 kamer, které upozornily a pořídily snímek, kdykoli jim něco přišlo do cesty. Algoritmus hlubokého učení oddělil fotografie lidí a poté provedl další krok k identifikaci těch, kteří mohou představovat potenciální riziko pytláctví. Upozornění by bylo zasláno místním donucovacím orgánům a ochráncům přírody a ti by odeslali, aby problém řešili – to vše asi za tři minuty.

Systém zatím chytil několik pytláků a přispěl cennými důkazy k dopadení několika dalších. Kamery jsou zcela otevřené veřejnosti, takže v budoucnu by mohly být potenciálně použity ke sledování migrace a páření.