Dengan perkembangan pesat teknologi kecerdasan buatan (AI) dalam beberapa tahun terakhir, banyak yang mulai bertanya-tanya bagaimana teknologi ini dapat membantu memecahkan salah satu ancaman paling serius yang sudah membayangi umat manusia - perubahan iklim global? Sebuah artikel baru, yang ditulis oleh beberapa ahli terkemuka dalam pengembangan kecerdasan buatan dan diterbitkan di repositori online arXiv.org, mencoba menjawab pertanyaan ini dengan menawarkan beberapa contoh bagaimana pembelajaran mesin akan dapat mencegah kemunduran peradaban kita.
Metode yang diusulkan berkisar dari menggunakan AI dan teknologi satelit untuk memantau deforestasi secara lebih efektif, hingga mengembangkan bahan baru yang dapat menggantikan baja dan semen (produksi mereka menyumbang hingga 9 persen dari emisi gas rumah kaca ke atmosfer). Terlepas dari keragaman ini, dalam artikel mereka, para spesialis berulang kali kembali ke kemungkinan yang lebih luas untuk menggunakan teknologi semacam itu. Terutama dengan latar belakang ini, kemungkinan menggunakan teknologi visi mesin untuk pemantauan lingkungan menonjol; melakukan analisis data besar untuk mengetahui inefisiensi industri dengan tingkat emisi zat berbahaya yang tinggi ke atmosfer; dan menggunakan AI untuk mengembangkan model sistem baru yang lebih efisien, seperti model iklim kami,berkat itu kami dapat memprediksi dan mempersiapkan dengan lebih baik untuk perubahan di masa depan.
Penulis artikel ini, termasuk peneliti kecerdasan buatan Inggris, pendiri dan CEO DeepMind, Demis Hassabi, penerima Turing Prize dan salah satu "bapak pembelajaran mendalam" Yoshua Bengio, dan salah satu pendiri Google Brain, proyek penelitian Google tentang kecerdasan buatan Pembelajaran Mendalam - Andrew Ng mengatakan bahwa AI bisa menjadi "tak ternilai" dalam meminimalkan dampak terburuk dari perubahan iklim global, tetapi menambahkan bahwa teknologi ini bukanlah "peluru perak" - satu-satunya solusi untuk semua masalah. Menurut mereka, kekuatan politik harus berperan aktif dalam masalah ini.
Secara total, artikel ini membahas beberapa area sekaligus tempat teknologi pembelajaran mesin dapat menemukan aplikasinya, dikategorikan menurut kerangka waktu potensi penggunaannya, yang dijelaskan berdasarkan apakah teknologi ini cukup berkembang. Di bawah ini Anda dapat melihat daftar ini.
Kecerdasan buatan akan meningkatkan efisiensi sistem catu daya
Jika umat manusia berencana untuk mengandalkan lebih banyak sumber energi terbarukan di masa depan, perusahaan utilitas memerlukan cara untuk memprediksi dan menghitung jumlah energi yang benar-benar perlu kita gunakan dengan lebih efisien. Selain itu, perhitungan ini harus dilakukan secara real time dan selama seluruh periode operasi perusahaan tersebut.
Video promosi:
Algoritme telah dikembangkan yang dapat memprediksi permintaan energi, namun efisiensi dari algoritme ini dapat lebih ditingkatkan dengan memasukkan ke dalam perhitungan faktor-faktor seperti fitur iklim wilayah tertentu, serta spesifikasi dalam berbisnis. Upaya untuk membuat spesifikasi algoritme ini lebih mudah dipahami juga akan memungkinkan operator utilitas untuk menafsirkan hasil analisis mereka secara lebih akurat dan menggunakannya dalam perencanaan, memilih waktu yang paling optimal untuk meluncurkan sumber energi terbarukan ini.
Kecerdasan buatan akan membantu menemukan material baru
Ilmuwan perlu mengembangkan bahan baru untuk produksi, penyimpanan, dan penggunaan energi yang lebih efisien, namun, sebagai aturan, proses menemukan dan mengembangkan bahan baru sangat lambat dan tidak selalu berhasil. Teknologi pembelajaran mesin akan mempercepat proses menemukan, mengembangkan, dan menyempurnakan formula baru dengan properti yang diinginkan.
Mungkin ini akan mengarah pada pengembangan, misalnya, jenis bahan bakar baru, mari kita secara kondisional menyebutnya "tenaga surya", yang akan mampu menyimpan energi sinar matahari; akan memungkinkan Anda membuat penyerap karbon dioksida atau bahan bangunan yang baru dan sangat efisien, yang produksinya akan mengeluarkan lebih sedikit karbon. Bahan-bahan semacam itu suatu hari nanti dapat menggantikan baja dan beton, yang produksinya melepaskan hampir 10 persen dari total emisi gas rumah kaca dunia.
Kecerdasan buatan akan membantu mengatur ulang sistem transportasi secara efektif
Pengiriman barang ke seluruh dunia adalah proses logistik yang sangat kompleks dan seringkali tidak efektif, di mana barang dengan volume, berat dan ukuran yang berbeda berinteraksi, dan berbagai jenis transportasi digunakan. Pada saat yang sama, transportasilah yang menyumbang seperempat dari seluruh emisi CO2 ke atmosfer.
Teknologi pembelajaran mesin yang digunakan di area ini akan memungkinkan penggabungan barang yang memerlukan pengiriman ke tujuan yang sama secara lebih efisien, yang akan mengurangi jumlah pengiriman yang diperlukan. Selain itu, sistem seperti itu akan lebih tahan terhadap gangguan tak terduga dalam sistem transportasi dan akan mampu mengelola armada besar truk tak berawak. Namun, penulis mencatat bahwa teknologi terbaru belum siap pada saat ini.
Buatan akan mempercepat adaptasi kendaraan listrik
Kendaraan listrik, yang merupakan elemen kunci dalam mendekarbonisasi kendaraan, menghadapi sejumlah masalah yang mencegahnya menjadi kendaraan umum.
Pembelajaran mesin dapat membantu mengatasi masalah ini, kata penulis laporan tersebut. Misalnya, algoritme dapat meningkatkan pengelolaan konsumsi daya baterai untuk meningkatkan jarak tempuh setiap pengisian daya dan mengurangi tingkat kekhawatiran di antara pembeli potensial kendaraan semacam itu tentang pembatasan jarak perjalanan. Selain itu, teknologi tersebut akan mengoptimalkan waktu pengisian daya.
Kecerdasan buatan mengoptimalkan infrastruktur bangunan
Sistem kontrol cerdas berdasarkan pembelajaran mesin dapat secara signifikan mengurangi tingkat konsumsi energi bangunan, dengan mempertimbangkan kondisi cuaca, hunian bangunan saat ini, dan faktor lingkungan lainnya, lalu menyesuaikan pemanas, pendinginan, ventilasi, dan pencahayaan di dalam ruangan.
Bangunan pintar akan dapat mengirimkan informasi tentang keadaan lingkungan saat ini langsung ke jaringan listrik sehingga konsumsi energi dapat dikurangi jika terjadi kekurangan pasokan listrik rendah karbon.
AI akan dapat menghitung jumlah sumber daya energi yang digunakan dengan lebih akurat
Di banyak wilayah di dunia, data tentang tingkat konsumsi energi lokal dan emisi gas rumah kaca ke atmosfer praktis tidak ada, yang dapat menjadi masalah besar bagi pengembangan dan implementasi langkah-langkah penyeimbangan yang efektif.
Visi mesin akan memungkinkan teknologi satelit digunakan untuk memperkirakan tempat (area) yang dibangun sehingga algoritma pembelajaran mesin dapat menggunakan data ini untuk menghitung konsumsi energi dan emisi. Metode serupa dapat digunakan untuk mengidentifikasi bangunan yang memerlukan peningkatan untuk meningkatkan efisiensinya.
Kecerdasan buatan mengoptimalkan rantai pasokan
Dengan menggunakan kemampuan serupa, teknologi pembelajaran mesin akan dapat mengoptimalkan saluran dan rantai pasokan dengan meminimalkan jejak karbon dalam pengangkutan berbagai barang.
Kemungkinan peramalan hukum penawaran dan permintaan yang lebih efisien akan mengurangi produksi dan pengangkutan limbah.
Kecerdasan buatan akan membuat pertanian presisi dapat diukur
Sebagian besar pertanian pertanian modern menggunakan prinsip penanaman monokultur. Dengan kata lain, hanya satu tanaman yang ditanam di area yang luas.
Pendekatan ini memudahkan petani untuk menggarap ladangnya dengan mesin pertanian dan peralatan dasar lainnya yang berdiri sendiri, tetapi pada saat yang sama menguras tanah, menghilangkan unsur hara sehingga membuatnya kurang produktif. Akibatnya, berbagai pupuk sering digunakan untuk meningkatkan hasil, khususnya yang berbasis nitrogen, yang dapat diubah menjadi nitrogen oksida - gas rumah kaca 300 kali lebih berbahaya daripada karbon dioksida. Robot pembelajaran mesin dapat membantu pertanian menilai kondisi tanah saat ini dan menyarankan tanaman mana yang akan ditanam untuk memulihkan kesehatan tanah sekaligus mengurangi kebutuhan akan pupuk.
AI akan membantu memantau deforestasi dengan lebih efektif
Deforestasi berkontribusi pada sekitar 10 persen dari total emisi gas rumah kaca. Melacak dan mencegah aktivitas yang seringkali ilegal ini biasanya merupakan proses yang sangat memakan waktu dan rutin yang memerlukan pengawasan pribadi di lokasi.
Pada gilirannya, citra satelit, ditambah dengan teknologi visi mesin, akan memungkinkan analisis otomatis kehilangan tutupan hutan dalam skala besar, dan sensor khusus dipasang di lokasi, dikombinasikan dengan algoritme yang dapat, misalnya, mendeteksi suara gergaji mesin, dapat membantu lembaga penegak hukum menangani secara lebih efektif. kegiatan ilegal.
AI akan membantu mengubah sikap konsumen kita
Menurut penulis laporan tersebut, ada kesalahpahaman yang tersebar luas di dunia bahwa orang biasa tidak dapat memberikan dampak serius terhadap perubahan iklim.
Oleh karena itu, dalam hal ini, perlu dijelaskan bagaimana sebenarnya orang dapat membantu. Pembelajaran mesin akan membantu Anda menghitung jejak karbon (jumlah dari semua emisi gas rumah kaca yang Anda buat dalam aktivitas sehari-hari) dan membuat perubahan kecil untuk menguranginya. Misalnya, sistem mungkin menyarankan penggunaan transportasi umum lebih sering daripada transportasi pribadi; lebih jarang membeli daging di toko; atau kurangi konsumsi listrik di rumah. Masing-masing dari kita secara individu menciptakan jejak karbon kecil, tetapi jika Anda mengambil semuanya sekaligus, jumlahnya jauh lebih besar. Perubahan dalam sikap kita terhadap konsumsi dan penambahan semua tindakan individu yang ditujukan untuk hal ini dapat memiliki efek kumulatif yang besar.
AI akan meningkatkan efisiensi meteorologi dan klimatologi
Banyak dari dampak perubahan iklim yang paling signifikan dalam beberapa dekade mendatang akan dikaitkan dengan sistem alam yang sangat kompleks, seperti perubahan dinamika awan atau lapisan es.
Ini adalah masalah yang sangat diharapkan AI. Pemodelan yang akurat dari proses-proses ini akan membantu para ilmuwan untuk memprediksi dengan lebih baik kondisi cuaca ekstrim (seperti badai dan kekeringan), yang pada gilirannya akan membantu negara mengembangkan metode perlindungan terhadap efek terburuk dari peristiwa ini.
Kecerdasan buatan akan membantu dengan geoengineering
Pada tahap ini, kasus penggunaan AI di antara semua yang disajikan di atas adalah yang paling spekulatif, tetapi harapan tinggi juga disematkan padanya, setidaknya dari beberapa ilmuwan.
Jika kita dapat mengembangkan cara untuk membuat tutupan awan planet kita lebih reflektif, atau bahkan membuat awan buatan berdasarkan aerosol khusus, maka kita dapat memantulkan lebih banyak sinar matahari dari Bumi. Tapi masalah ini membutuhkan penyelidikan serius. AI dapat membantu dalam hal ini, tetapi penulis laporan mencatat bahwa metode penggunaan kecerdasan buatan ini adalah masalah yang sangat jauh yang akan membutuhkan kerja sama dari semua pemerintah di dunia. Misalnya, para ahli dari Universitas Waterloo Kanada setuju dengan posisi ini, yang percaya bahwa pendekatan yang tidak masuk akal terhadap masalah rekayasa-geo ini dapat memulai perang dunia ketiga.
