Key takeaways
- AI-modeller kan hjælpe med at forudsige klimaændringer, siger eksperter.
- Et nyt AI-værktøj kaldet IceNet kunne give forskere mulighed for nøjagtigt at forudsige arktisk havisens dybde.
-
AI og vejranalyse kan også hjælpe med at bekæmpe klimaændringer ved at reducere emissioner i forsyningskæden.
I takt med, at der kommer beviser for, at ekstremt vejr denne sommer er drevet af klimaændringer, hjælper kunstig intelligens med at forudsige, hvor forholdene vil skifte.
Et nyt kunstig intelligens-værktøj kunne give forskere mulighed for mere præcist at forudsige arktiske havis måneder ud i fremtiden. IceNet er næsten 95 % præcis i at forudsige, om havis vil være til stede to måneder frem, siger forskere. Det er en af et stigende antal anvendelser af kunstig intelligens til at forudsige klimaændringer.
"AI har væsentligt forbedret effektiviteten af at køre komplekse klimamodeller, der historisk har været beregningsintensive," fort alte Daniel Intolubbe-Chmil, analytiker hos Harbour Research, til Lifewire i et e-mailinterview.
Ingen is, is, baby
IceNet arbejder på den formidable udfordring at lave nøjagtige arktiske havisens prognoser for den kommende sæson. Forskere beskrev, hvordan IceNet fungerer i et nyligt papir offentliggjort i tidsskriftet Nature Communications.
"Nær overfladelufttemperaturer i Arktis er steget med to til tre gange hastigheden af det globale gennemsnit, et fænomen kendt som arktisk forstærkning, forårsaget af adskillige positive tilbagemeldinger," skrev forskerne i papiret. "Stigende temperaturer har spillet en nøglerolle i at reducere den arktiske havis, med havisens udbredelse i september nu omkring det halve af 1979, da satellitmålinger af Arktis begyndte."
Havisen er svær at forudsige på grund af dens komplekse forhold til atmosfæren over og havet nedenunder, ifølge avisens forfattere. I modsætning til konventionelle prognosesystemer, der forsøger at modellere fysikkens love direkte, designede forskerne IceNet baseret på et koncept kaldet deep learning. Gennem denne tilgang "lærer" modellen, hvordan havis ændrer sig fra tusinder af års klimasimuleringsdata, sammen med årtiers observationsdata, for at forudsige omfanget af arktisk havis måneder ud i fremtiden.
"Arktis er en region i frontlinjen af klimaændringer og har oplevet en betydelig opvarmning i løbet af de sidste 40 år," sagde avisens hovedforfatter, Tom Andersson, en dataforsker ved BAS AI Lab, i en nyhed frigøre. "IceNet har potentialet til at udfylde et akut hul i forudsigelse af havis for arktisk bæredygtighedsindsats og kører tusindvis af gange hurtigere end traditionelle metoder."
AI kaster et bredt net
Andre kunstig intelligens-simulatorer holder også øje med klimaændringer. Forskere har udnyttet Deep Emulator Network Search-teknikken, for eksempel til at forbedre en simulering omkring den måde, sod og aerosoler reflekterer og absorberer sollys. Undersøgelsen viste, at emulatoren var 2 milliarder gange hurtigere og mere end 99,999 % identisk med deres fysiske simulering.
AI og vejranalyse kan også hjælpe med at bekæmpe klimaændringer ved at reducere emissioner i forsyningskæden, fort alte Renny Vandewege, vicepræsident hos vejrudsigtsfirmaet DTN, til Lifewire i et e-mailinterview..
"Inden for skibsfart kan vejroptimeret rute f.eks. reducere emissioner med op til 4 % og reducere brændstofforbruget med op til 10 %, og vejrruter i luftfartsindustrien kan forhindre unødvendig omdirigering for at undgå dårligt vejr, eller cirkulere rundt om en lufthavn og vente på at lande," sagde han.
Nøjagtig prognose for vejnet kan reducere unødvendig behandling af vinterveje og reducere antallet af skadelige kemikalier, sagde Vandenwege.
"I stedet for at behandle en hel vejbane, kan vejvedligeholdelsespersonale vælge at behandle udvalgte steder langs en vej, hvor der er vejsektioner med kolde steder, eller de kan beslutte, om behandling overhovedet er nødvendig," tilføjede han.
Maskinlæring og kunstig intelligens-modeller bliver i stigende grad brugt til at hjælpe med at forstå emissioner af CO2 og metan, fort alte Marty Bell, chief science officer hos vejrudsigtsfirmaet WeatherFlow, til Lifewire i et e-mailinterview.
"Modellerne øger også vores modstandsdygtighed over for klimaændringer ved at hjælpe os med at ændre vores tilgang til energiproduktion og -forbrug," sagde Bell. "Mens mange af disse AI-applikationer fungerer i stor skala på energidistributionssystemer, opererer andre på husstandsniveau, hvor ML informerer AI-modeller indlejret i hverdagens internet-of-things-enheder, der mere effektivt styrer energiforbruget i huset."
