AI og den luft, vi åndede

AI og den luft, vi åndede

Tidsstempel: 16. august 2023 kl. 1
AI and the Air We Breathed PlatoBlockchain Data Intelligence. Vertical Search. Ai.

Kunstig intelligens (AI) har chancen for at revolutionere miljøindsatsen mod luftforurening. Dens unikke applikationer adskiller den fra anden nuværende teknologi, hvilket gør den til et ideelt valg på trods af nogle implementeringshindringer.

Hvordan påvirker luftforurening os?

Luftforurening er et væsentligt problem, fordi det har negative miljø- og sundhedseffekter. Mange mennesker bor i områder med vedvarende kvalitetsproblemer. Fra juli 2023 har US Environmental Protection Agency identificeret 15 amter overskrider sikre forureningsniveauer, der berører næsten 21 millioner mennesker.

Men forurenende stoffer kan påvirke flere mennesker, end de fleste offentlige tal viser. I 2023 analyserede Natural Resources Defense Council EPA's data og fandt yderligere 8 millioner amerikanere indånder farlige niveauer af luftforurening fra sod alene.

Hvorfor har vi brug for en ny løsning?

De fleste mennesker indånder forurenende stoffer og forurenende stoffer uden selv at være klar over det. Faktisk, 90% af den globale befolkning indånder luft med forureningsniveauer, der overstiger Verdenssundhedsorganisationens retningslinjer. Denne statistik er bekymrende, i betragtning af at selv kortvarig eksponering kan have varige negative helbredseffekter.

Mens det kan være muligt at undgå synlige forurenende stoffer som smog eller sod, er de fleste - som kuldioxid eller nitrogenoxid - usynlige for det menneskelige øje. Folk har brug for teknologisk hjælp til at opdage, måle og håndtere dette problem for at forbedre deres helbred.

Den nuværende teknologi kan simpelthen ikke udføre, som verden har brug for det. For eksempel opdagede US Government Accountability Office, at landets luftkvalitetsovervågningssystem er substandard. Det giver ikke nok relevante data for forskere eller offentligheden at bruge effektivt.

De fleste mennesker ønsker en langsigtet teknologisk løsning, der er i stand til at indsamle, lagre og reagere på opdaterede luftforureningsdata. Typisk vil sådanne enheder være dyre og udfordrende at installere. AI kan dog imødekomme disse behov og har ikke de samme begrænsninger.

Kan AI hjælpe med at slippe af med luftforurening?

AI kan hjælpe mennesker over hele verden med at slippe af med luftforurening. Disse modeller trives med data og intelligent analyse, afgørende faktorer, når man skal håndtere et så udbredt problem. Det er heller ikke kun en potentiel løsning - forskere og ingeniører over hele kloden har separat udviklet modeller som proof-of-concept. 

For eksempel udviklede ingeniører fra Cornell University AI i stand til nøjagtigt at måle PM2.5 — fine partikler af forurening mindre end bredden af ​​et menneskehår — i byområder. Mens tidligere teknologi var tung, omfangsrig og kompleks, er denne model enkel og tilgængelig.

Hvordan kan kunstig intelligens reducere luftforurening?

AI kan detektere, måle og styre forureningsniveauer for at reducere luftforurening. Derudover kan det hjælpe med forsknings- og vedligeholdelsesindsats for at understøtte den nuværende teknologi.

AI kan nøjagtigt identificere kilder til luftforurening, hvilket giver offentlige miljøagenturer mulighed for at reagere hurtigt med indeslutningsforanstaltninger. Da denne teknologi konsekvent kan tilpasse sig ny information og lære hurtigt, kan den reagere på mindre ændringer i realtid. 

Det kan advare de relevante parter, hvis forurenende stoffer pludselig stiger eller konsekvent optræder i bestemte områder. Lad os f.eks. sige, at en lille by i nærheden af ​​et produktionsanlæg regelmæssigt oversteg sikre luftkvalitetsniveauer på trods af dens mangel på motorveje eller en stor befolkning. Når først AI dirigerer embedsmænd til fabrikken som den mest sandsynlige synder, kunne de implementere luftforureningspolitikker for at beskytte den lokales sundhed.

  • Mål

Da luftforureningsniveauerne generelt er konsistente, medmindre der sker en usædvanlig begivenhed, kan AI nemt træne på historiske og aktuelle statistikker for at forudsige fremtidige ændringer. Det kan hurtigt fortolke massive datasæt for at komme til præcise konklusioner. 

Realtidsopdateringer af målinger af forurenende stoffer ville være gavnlige for den offentlige sikkerhed. Med denne tilgang kunne embedsmænd advare specifikke befolkningsgrupper om forestående fald i luftkvaliteten, hvilket forbedrer deres helbred. Derudover giver det dem mere tid til at handle for bedre at beskytte miljøet.

  • Management

De fleste forskere bruger dybe neurale netværk, når de håndterer luftforurening med AI. Det er ingen overraskelse, de taget i betragtning har den højeste ydeevne ud af enhver anden undergruppe. Da de fungerer som den menneskelige hjerne, kan de identificere og prioritere løsninger til at reducere forureningsniveauet.

Da systemer til overvågning af luftkvaliteten ofte undlader at indsamle nok information, er folk ofte nødt til at lave deres egen forskning for at bygge en model. Som følge heraf påvirkes dens samlede nøjagtighed muligvis ikke. Som svar kan forskere bruge AI til at skabe syntetiske data. 

AI kan producere præcise kunstige datasæt tilpasset deres behov. I stedet for at stole på offentligt tilgængelig information, kan de hurtigt træne deres algoritme på naturtro statistik for at få et præcist generelt overblik.  

  • Vedligeholdelse

Ingeniører, der arbejder med luftkvalitetsovervågningssystemer, kan bruge kunstig intelligens til vedligeholdelse. Selvom denne metode ikke direkte løser det overordnede problem, bidrager den stadig til løsningen. Udnyttelse af prædiktiv analyse, en maskinlæringsmodel kan nøjagtigt projektere hvornår udstyret skal serviceres. Da de i det væsentlige er dataindsamlingsenheder, har denne tilgang cirkulære fordele. 

Er der hindringer for AI-implementering?

AI står over for nogle betydelige hindringer for implementering, hovedsageligt på grund af dataisolering. Miljøinstitutioner håndterer ofte deres forskning selvstændigt, hvilket betyder, at de ikke deler resultater eller statistikker. Denne praksis resulterer i datasiloer, hvor værdifuld information sidder i små, utilgængelige lommer. 

AI kunne forudsige luftkvalitetsniveauer præcist med historiske, placerings-, trafik- og vejrstatistikker, der allerede eksisterer. Problemet er dog, at alt i øjeblikket sidder i siloer. Dette informationsisoleringsfænomen kan sætte fremskridt tilbage, da modeller kun er effektive, når de har kvalitetsdatasæt at træne på.

Er det risikabelt at bruge kunstig intelligens til at reducere luftforurening?

Selvom kunstig intelligens er en ideel løsning på luftforurening, har den nogle risici. Det kan træne på unøjagtige data, hvilket påvirker dets ydeevne. Forskere kan ofte heller ikke følge dens logik til at diagnosticere operationelle problemer.

Black-box-problemet, AI ofte oplever, er utroligt mærkbar med dybe neurale netværk — en af ​​de mest almindelige undergrupper, folk bruger til at bekæmpe luftforurening. Da det er næsten umuligt at spore logikken i sådanne modeller, risikerer forskere og ingeniører at fungere unøjagtigt. 

Hvad sker der, når træningsdata har fejlberegninger eller underliggende bias? Black-box-problemet øger chancen for, at sådanne ting forbliver skjult. Derudover gør det rutinemæssig og uplanlagt vedligeholdelse udfordrende, fordi det kan være svært at afgøre, hvor problemerne stammer fra.

Hvorfor bruge AI frem for anden teknologi?

På trods af sine ulemper er AI stadig det ideelle valg frem for anden moderne teknologi. For eksempel ville en udbredt installationsproces for Internet of Things (IoT)-enheder tage evigheder, være utrolig dyr og sandsynligvis skade miljøet. Oven i dette er de ikke nær så effektive.

Selvom IoT-sensorer er omkostningseffektive, deres nøjagtighed falder rutinemæssigt på grund af vejrinterferens, kredsløbsproblemer og blanding af forurenende stoffer. AI kan fortsætte med at fungere effektivt i dårligt vejr og identificere mindre variationer, hvis den er kraftig eller har tilstrækkelig træning. 

Har AI potentiale på dette felt?

Selvom der er flere hindringer for omfattende brug af kunstig intelligens i luftkvalitetsovervågning, kan det stadig være revolutionerende for feltet. Dens forudsigelse og analytiske evner er unikke, hvilket gør den til en af ​​de eneste anvendelige teknologier. Plus, dens brugervenlighed og praktiske gør den tilgængelig, hvilket er vigtigt, når de fleste anstrengelser er isoleret. 

Det er måske ikke den perfekte løsning, men det er blandt de bedste, der findes. Modernisering af udstyr vil kun gavne forskere og befolkningen generelt, så det kan endda være nødvendigt at integrere det. Trods alt, 99% af mennesker over hele verden indånder luft med et vist niveau af farlige forurenende stoffer - en hurtig løsning er afgørende.

Træk vejret bedre med AI

Da luftforurening er et så vigtigt, udbredt problem, har det brug for en kraftfuld løsning. AI er det ideelle valg i dette scenarie, i betragtning af at det kan fungere uafhængigt og med stor præcision. I sidste ende kan dens omfattende brug gavne hele verden. 

Tidsstempel:

Mere fra AIIOT teknologi