AI for Earth: patraukliausi „Microsoft“ aplinkosaugos projektai

Sunku perteikti, koks svarbus yra aplinkosauga. Tai vienaip ar kitaip paveikia visas pramonės šakas ir visus planetos gyventojus, todėl svarbu visapusiškai pažvelgti į tai, kaip kovoti su klimato kaitos ženklais ir daryti teigiamą poveikį pasauliui.

„Microsoft“ priėmė šį iššūkį savo sparnu AI for Earth iniciatyva . Programa skiria dotacijas projektams, kurie stebi, modeliuoja ir galiausiai valdo natūralias Žemės sistemas, remti. Asmenys, studentų grupės ar organizacijos gali kreiptis dėl dotacijų, o iki šiol „Microsoft“ yra skyrusi 139 stipendijas 45 šalyse. Finansuojama kaip „Azure“ dotacijos, kurios leidžia projektams pasiekti platų „Microsoft“ išteklių, įskaitant mašininio mokymosi įrankius ir kompiuterinio matymo galimybes.

„AI for Earth“ turi būti tokia platformos programa, – aiškina „Microsoft“ aplinkosaugos vadovas Lucasas Joppa. Mes turime debesį, turime „Azure“ ir ten veikiančias paslaugas, todėl „AI for Earth“ tikslas yra teikti kito lygio paslaugas, kurios įgalina bet ką paimti tuos blokus ir pritaikyti juos vietinėms problemoms. .

Kai jis pirmą kartą buvo paleistas praėjusiais metais, „AI for Earth“ iš viso pažadėjo 2 mln. Per ateinančius penkerius metus ši suma buvo padidinta iki 50 mln. USD, o Joppa paaiškina, kad „Microsoft“ laikys iniciatyvą sėkminga, jei net tik keli projektai bus veiksmingai išplėsti naudojant „Azure“ technologiją pasaulinėms problemoms spręsti.

AI for Earth apima keturis pagrindinius ramsčius, kai kalbama apie projektus ir dotacijas: žemės ūkį, vandenį, biologinę įvairovę ir klimato kaitą. Kadangi šios keturios sritys yra labai plačios ir įvairios, tai reiškia, kad Microsoft vykdomi projektai taip pat turi atspindėti besikeičiančio pasaulio įvairovę. Tai reiškia, kad tai negali būti tiesiog problemų, su kuriomis susiduria Vakarų šalys, sprendimai arba labai nišiniai projektai, taikomi tik vienai pasaulio sričiai.

Žemiau yra keletas įdomiausių projektų, kuriems „Microsoft“ skyrė dotacijas pirmaisiais išplėstiniais „AI for Earth“ metais.

Kova su atogrąžų miškų naikinimu pasitelkiant išmaniąsias sutartis ir žaidimų blokų grandinės technologiją (ETH Ciurichas)

GainForest remiasi idėja, kad tie, kurie turi pinigų, labiau užsiima ta sritimi – pavyzdžiui, tas, kuris statė ledo ritulio rungtynes, jas žiūrės daug įdėmiau. Šiuo atveju „GainForest“ naudoja piniginius įnašus, kad paskatintų žmones prižiūrėti atogrąžų miško zonas, kurioms gresia pavojus. Iki 80 procentų miškų naikinimo atvejų sukelia vietiniai ūkininkai, norintys suteikti vietos galvijams, todėl ši programa kovodama su išmaniosiomis sutartimis naudojasi išmaniosiomis sutartimis.

Skaidri ir keičiamo dydžio platforma leidžia bet kam būti suinteresuotu asmeniu, skiriant pinigus rizikos zonoms (nustatytoms per neuroninį tinklą) per auką. Tada jie gali realiu laiku matyti, kaip vietinis prižiūrėtojas prisiima atsakomybę už Amazonės atogrąžų miško lopinėlį ir užtikrina, kad jis nebūtų nugriautas. Jei po šešių mėnesių sklypas lieka nepaliestas, pinigai grąžinami kartu su palūkanomis.

Aukščiau esančiame paveikslėlyje kuolai yra ant keturių miškingų vietovių. Kai šios teritorijos išvalomos ir sunaikinamos, statymai mažėja. Laikotarpio pabaigoje iš esmės nepaliestas žmogus yra apdovanotas daug daugiau pinigų, o plotai, kurie patyrė didelį miškų kirtimą, arba negauna pinigų, arba labai mažai.

Galime naudoti išmaniąsias sutartis, kad sužavėtų gamtosaugos metodas, sako Davidas Dao, „GainForest“ narys. Sulaukėme didelio susidomėjimo, bet norime įsitikinti, kad pilotas gali dirbti, prieš jį plečiant toliau.

Pasėlių fenotipų numatymas giliai mokantis (Viktorijos universitetas)

Kiekvieno auginimo sezono pradžioje ūkininkai suplanuoja šimtus sėklų, kad išsiaiškintų, kuri jų žemei ir vietovėje bus geidžiamiausia. Tai gali būti žiauriai daug laiko reikalaujantis procesas, nes jie turi ištirti kiekvieną augalą dėl kelių pagrindinių savybių ir nustatyti, kuris iš jų duos didžiausią derlių.

Šiame projekte naudojamas gilus mokymasis, siekiant nustatyti pagrindinius pageidaujamų augalų bruožus, naudojant nuotraukas, darytas rankomis arba dronu, sutaupant daug laiko ir grąžinant pinigus į ūkininko rankas.

Kompiuteris, atpažįstantis šiuos požymius, gali padidinti savybių identifikavimo greitį, patikimumą ir tikslumą, o javų augintojams ir ūkininkams suteiks naujų galimybių tiesiogiai palyginti didelį skaičių atskirų pasėlių su genetikos, auginimo aplinkos ir pasėlių valdymo skirtumais, sakė Ianas Stavnessas. , prie projekto dirbančios komandos narys.

Vandenynų valymas naudojant tilto kameras su kompiuterine vizija (Pietų Kalifornijos pakrantės vandens tyrimų projektas)

„Ocean Cleanup“ gali būti pažįstamas pavadinimas kai kuriems aplinkosaugininkams, nes organizacijos milžiniški vandenyno lynai padeda atsikratyti daugybės tonų plastiko jūrą kiekvieną dieną. Tačiau šiuo naujausiu projektu siekiama išspręsti kitą vandenyno plastiko šaltinį: upes.

Apskaičiuota, kad beveik 20 procentų vandenynuose esančio plastiko nusėda upeliai ar upės. Šis projektas pritvirtina kameras ant tiltų apačios, kad būtų galima stebėti, kokios šiukšlės ir kiek jų patenka į vandenyną. Giluminio mokymosi tinklai identifikuoja šiukšles ir siunčia informaciją organizacijai, todėl galima geriau atlikti valymo pastangas ir geriau paskirstyti išteklius tikslinėms sritims.

Miško gaisrų dinamikos mokymasis su pastiprinimu (Vaterlo universitetas)

Miškų gaisrai yra savotiškas dalykas – jie gali pridaryti didelės žalos ir sunaikinti, tačiau kai kuriose vietovėse jie būtini, kad išdegtų pomiškis ir leistų augti bei žydėti augalams ir medžiams.

Dėl šios priežasties gali būti labai sunku juos atsekti ir išmokti gaisro įpročius, kol dar ne vėlu. Šiame projekte naudojamas sustiprinimo mokymasis, siekiant stebėti, kaip praeityje plito gaisrai. Tai leidžia geriau numatyti, kada gaisras užklups apgyvendintą ar svarbią vietovę ir kada ugnį galima palikti degti.

Laukinio gaisro judėjimo srities schema.

Naudojant šią technologiją, gaisrus, patyrusius Fort McMurray, būtų buvę galima numatyti daug greičiau, o evakuacija galėjo įvykti daug greičiau, teigiama projekto vadovų dokumente.

Brakonieriavimo sustabdymas naudojant kamerų tinklą, aprūpintą kompiuterine vizija ir giliu mokymusi (Peace Parks Foundation)

Antraštė, kurios visi nekenčia, yra ta, kuri apima neteisėtą nykstančių gyvūnų brakonieriavimą. Taigi mokslininkų ir aplinkosaugininkų komanda iš Taikos parkų Pietų Afrikoje susibūrė, kad išmaniai išspręstų problemą.

Šalies nacionaliniame parke buvo sumontuota daugiau nei 30 kamerų, kurios įspėja ir nufotografuoja kiekvieną kartą, kai kas nors atsiduria jų kelyje. Gilaus mokymosi algoritmas atskyrė žmonių nuotraukas ir žengė dar vieną žingsnį, kad nustatytų tuos, kuriems gali kilti potenciali brakonieriavimo rizika. Per maždaug tris minutes bus išsiųstas įspėjimas vietos teisėsaugai ir gamtosaugininkams, o jie išsiųstų išspręsti problemą.

Iki šiol sistema sugavo kelis brakonierius ir pateikė vertingų įrodymų, kad būtų sulaikyti dar keli. Kameros yra visiškai atviros visuomenei, todėl ateityje jos gali būti naudojamos migracijos ir poravimosi įpročiams sekti.