AI en de lucht die we inademden

AI en de lucht die we inademden

Tijdstempel: 16 augustus 2023 1:48 uur
AI en de lucht die we inademden PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

Kunstmatige intelligentie (AI) heeft de kans om een ​​revolutie teweeg te brengen in de milieu-inspanningen tegen luchtverontreiniging. Door de unieke toepassingen onderscheidt het zich van andere huidige technologie, waardoor het ondanks enkele implementatieproblemen een ideale keuze is.

Welke invloed heeft luchtverontreiniging op ons?

Luchtverontreiniging is een belangrijk probleem omdat het nadelige gevolgen heeft voor het milieu en de gezondheid. Veel mensen wonen in gebieden met aanhoudende kwaliteitsproblemen. Vanaf juli 2023 heeft de Amerikaanse Environmental Protection Agency vastgesteld 15 provincies overschrijden veilige niveaus van verontreinigende stoffen, die bijna 21 miljoen mensen treft.

Verontreinigende stoffen kunnen echter meer mensen treffen dan de meeste openbare cijfers laten zien. In 2023 analyseerde de Natural Resources Defense Council de gegevens van de EPA en vond nog eens 8 miljoen Amerikanen alleen gevaarlijke niveaus van luchtverontreiniging door roet inademen.

Waarom hebben we een nieuwe oplossing nodig?

De meeste mensen ademen verontreinigende stoffen in zonder het te beseffen. In werkelijkheid, 90% van de wereldbevolking ademt lucht in met vervuilingsniveaus die de richtlijnen van de Wereldgezondheidsorganisatie overschrijden. Deze statistiek is zorgwekkend, aangezien zelfs kortdurende blootstelling blijvende nadelige gevolgen voor de gezondheid kan hebben.

Hoewel het mogelijk is om zichtbare verontreinigende stoffen zoals smog of roet te vermijden, zijn de meeste - zoals koolstofdioxide of stikstofoxide - onzichtbaar voor het menselijk oog. Mensen hebben technologische hulp nodig om dit probleem op te sporen, te meten en te beheersen om hun gezondheid te verbeteren.

De huidige technologie kan gewoon niet presteren zoals de wereld het nodig heeft. Het Amerikaanse Government Accountability Office ontdekte bijvoorbeeld dat het controlesysteem voor de luchtkwaliteit van het land ondermaats is. Het levert onvoldoende relevante gegevens op voor onderzoekers of het publiek om effectief te gebruiken.

De meeste mensen willen een technologische oplossing voor de lange termijn die in staat is om actuele gegevens over luchtverontreiniging te verzamelen, op te slaan en erop te reageren. Doorgaans zijn dergelijke apparaten kostbaar en moeilijk te installeren. AI kan echter aan deze behoeften voldoen en heeft niet dezelfde beperkingen.

Kan AI helpen luchtvervuiling tegen te gaan?

AI kan mensen over de hele wereld helpen luchtvervuiling tegen te gaan. Deze modellen gedijen op data en intelligente analyse, cruciale factoren bij het omgaan met zo'n wijdverbreid probleem. Het is ook niet alleen een mogelijke oplossing - onderzoekers en ingenieurs over de hele wereld hebben afzonderlijk modellen ontwikkeld als proof-of-concept. 

Zo ontwikkelden ingenieurs van Cornell University AI in staat PM2.5 nauwkeurig te meten — fijne vervuilingsdeeltjes kleiner dan de dikte van een mensenhaar — in stedelijke gebieden. Terwijl eerdere technologie zwaar, omvangrijk en complex was, is dit model eenvoudig en toegankelijk.

Hoe kan AI luchtvervuiling verminderen?

AI kan niveaus van verontreinigende stoffen detecteren, meten en beheren om luchtvervuiling te verminderen. Bovendien kan het onderzoeks- en onderhoudsinspanningen ondersteunen ter ondersteuning van de huidige technologie.

AI kan bronnen van luchtverontreiniging nauwkeurig te identificeren, waardoor milieuagentschappen van de overheid snel kunnen reageren met inperkingsmaatregelen. Omdat deze technologie zich consequent kan aanpassen aan nieuwe informatie en snel kan leren, kan het reageren op kleine real-time veranderingen. 

Het kan de relevante partijen waarschuwen als verontreinigende stoffen plotseling pieken of constant verschijnen in bepaalde gebieden. Stel bijvoorbeeld dat een kleine stad in de buurt van een productiefabriek regelmatig de veilige luchtkwaliteitsniveaus overschreed, ondanks het ontbreken van snelwegen of een grote bevolking. Zodra AI ambtenaren naar de fabriek leidt als de meest waarschijnlijke boosdoener, kunnen ze luchtverontreinigingsbeleid implementeren om de gezondheid van de lokale bevolking te beschermen.

  • maat

Aangezien luchtverontreinigingsniveaus over het algemeen consistent zijn, tenzij er een uitzonderlijke gebeurtenis plaatsvindt, kan AI eenvoudig trainen op historische en actuele statistieken om toekomstige veranderingen te voorspellen. Het kan snel enorme datasets interpreteren om tot precieze conclusies te komen. 

Realtime updates van metingen van verontreinigende stoffen zouden gunstig zijn voor de openbare veiligheid. Met deze aanpak kunnen ambtenaren specifieke bevolkingsgroepen waarschuwen voor een dreigende daling van de luchtkwaliteit, waardoor hun gezondheid verbetert. Bovendien geeft het hen meer tijd om actie te ondernemen om het milieu beter te beschermen.

  • Management

De meeste onderzoekers gebruiken diepe neurale netwerken bij het beheersen van luchtverontreiniging met AI. Het is geen verrassing, gezien zij hebben het hoogste prestatiepercentage uit een andere subset. Omdat ze werken als het menselijk brein, kunnen ze oplossingen identificeren en prioriteren om het niveau van verontreinigende stoffen te verminderen.

Omdat monitoringsystemen voor de luchtkwaliteit vaak onvoldoende informatie verzamelen, moeten mensen vaak zelf onderzoek doen om een ​​model te bouwen. Als gevolg hiervan wordt de algehele nauwkeurigheid mogelijk niet beïnvloed. Als reactie hierop kunnen onderzoekers AI gebruiken om synthetische data te creëren. 

AI kan nauwkeurige kunstmatige datasets produceren aangepast aan hun behoeften. In plaats van te vertrouwen op openbaar beschikbare informatie, kunnen ze hun algoritme snel trainen op levensechte statistieken om een ​​nauwkeurig algemeen overzicht te krijgen.  

  • Onderhoud

Ingenieurs die werken aan monitoringsystemen voor de luchtkwaliteit, kunnen AI gebruiken voor onderhoud. Hoewel deze methode het algemene probleem niet direct aanpakt, draagt ​​het toch bij aan de oplossing. Gebruikmakend van voorspellende analyses, een machine-learning model nauwkeurig kan projecteren wanneer de apparatuur onderhoud nodig heeft. Omdat het in wezen gegevensverzamelingseenheden zijn, heeft deze aanpak circulaire voordelen. 

Zijn er obstakels voor de implementatie van AI?

AI stuit op een aantal belangrijke obstakels bij de implementatie, voornamelijk als gevolg van gegevensisolatie. Milieu instellingen doen hun onderzoek vaak zelfstandig, wat betekent dat ze geen bevindingen of statistieken delen. Deze praktijk resulteert in gegevenssilo's, waar waardevolle informatie in kleine, ontoegankelijke zakken zit. 

AI zou luchtkwaliteitsniveaus nauwkeurig kunnen voorspellen met reeds bestaande historische, locatie-, verkeers- en weerstatistieken. Het probleem is echter dat alles momenteel in silo's zit. Dit fenomeen van informatie-isolatie zou de voortgang kunnen vertragen, aangezien modellen alleen effectief zijn als ze hoogwaardige datasets hebben om op te trainen.

Is het gebruik van AI om luchtvervuiling te verminderen riskant?

Hoewel AI een ideale oplossing is voor luchtvervuiling, brengt het enkele risico's met zich mee. Het kan trainen op onnauwkeurige gegevens, wat de prestaties beïnvloedt. Onderzoekers kunnen ook vaak de logica niet volgen om operationele problemen te diagnosticeren.

Het black-box probleem dat AI vaak ervaart is ongelooflijk merkbaar met diepe neurale netwerken - een van de meest voorkomende subsets die mensen gebruiken om luchtverontreiniging te bestrijden. Omdat het bijna onmogelijk is om de logica van dergelijke modellen te traceren, riskeren onderzoekers en ingenieurs een onnauwkeurige werking. 

Wat gebeurt er als trainingsgegevens verkeerde berekeningen of onderliggende vooroordelen bevatten? Het black-box-probleem vergroot de kans dat dergelijke zaken verborgen blijven. Bovendien maakt het routinematig en ongepland onderhoud een uitdaging, omdat het moeilijk kan zijn om te bepalen waar de problemen vandaan komen.

Waarom AI gebruiken in plaats van andere technologie?

Ondanks de nadelen is AI nog steeds de ideale keuze boven andere moderne technologie. Een wijdverbreid installatieproces voor Internet of Things (IoT)-apparaten zou bijvoorbeeld eeuwen duren, ongelooflijk duur zijn en waarschijnlijk schadelijk zijn voor het milieu. Bovendien zijn ze lang niet zo effectief.

Hoewel IoT-sensoren kosteneffectief zijn, hun nauwkeurigheid daalt routinematig door weersinvloeden, problemen met circuits en vermenging van verontreinigende stoffen. AI kan efficiënt blijven functioneren bij slecht weer en kleine variaties identificeren als het krachtig is of voldoende is getraind. 

Heeft AI potentie op dit gebied?

Hoewel er meerdere obstakels zijn voor uitgebreid AI-gebruik bij het monitoren van de luchtkwaliteit, kan het nog steeds revolutionair zijn voor het veld. De voorspellings- en analytische mogelijkheden zijn uniek, waardoor het een van de weinige toepasbare technologieën is. Bovendien maken het gebruiksgemak en de bruikbaarheid het toegankelijk, wat essentieel is wanneer de meeste inspanningen geïsoleerd zijn. 

Het is misschien niet de perfecte oplossing, maar het is een van de beste die er bestaat. Modernisering van apparatuur zal alleen onderzoekers en de algemene bevolking ten goede komen, dus de integratie ervan kan zelfs nodig zijn. Ten slotte, 99% van mensen wereldwijd adem lucht in met een bepaalde hoeveelheid gevaarlijke verontreinigende stoffen — een snelle oplossing is cruciaal.

Adem beter met AI

Aangezien luchtverontreiniging zo'n belangrijk, wijdverspreid probleem is, heeft het een krachtige oplossing nodig. AI is in dit scenario de ideale keuze, aangezien het onafhankelijk en met grote precisie kan werken. Uiteindelijk zou het uitgebreide gebruik ervan de hele wereld ten goede kunnen komen. 

Tijdstempel:

Meer van AIIOT-technologie