AI och luften vi andades

AI och luften vi andades

Tidsstämpel: 16 augusti 2023 1:48
AI och luften vi andades PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.

Artificiell intelligens (AI) har chansen att revolutionera miljöarbetet mot luftföroreningar. Dess unika applikationer skiljer den från annan nuvarande teknologi, vilket gör den till ett idealiskt val trots vissa implementeringshinder.

Hur påverkar luftföroreningar oss?

Luftföroreningar är ett betydande problem eftersom det har negativa miljö- och hälsoeffekter. Många människor bor i områden med pågående kvalitetsproblem. Från och med juli 2023 har den amerikanska miljöskyddsmyndigheten identifierat 15 län överskrider säkra föroreningsnivåer, som påverkar nästan 21 miljoner människor.

Men föroreningar kan påverka fler människor än vad de flesta offentliga siffror visar. År 2023 analyserade Natural Resources Defense Council EPA:s data och fann ytterligare 8 miljoner amerikaner andas in farliga nivåer av luftföroreningar från enbart sot.

Varför behöver vi en ny lösning?

De flesta människor andas in föroreningar och föroreningar utan att ens inse det. Faktiskt, 90% av den globala befolkningen andas luft med föroreningsnivåer som överstiger Världshälsoorganisationens riktlinjer. Denna statistik är oroande, med tanke på att även kortvarig exponering kan ha bestående negativa hälsoeffekter.

Även om det kan vara möjligt att undvika synliga föroreningar som smog eller sot, är de flesta - som koldioxid eller kväveoxid - osynliga för det mänskliga ögat. Människor behöver teknisk hjälp för att upptäcka, mäta och hantera detta problem för att förbättra sin hälsa.

Nuvarande teknik kan helt enkelt inte prestera som världen behöver den. Till exempel upptäckte US Government Accountability Office att landets luftkvalitetsövervakningssystem är undermåligt. Det ger inte tillräckligt med relevant information för forskare eller allmänheten att använda effektivt.

De flesta vill ha en långsiktig teknisk lösning som kan samla in, lagra och agera på aktuella luftföroreningsdata. Vanligtvis skulle sådana enheter vara dyra och utmanande att installera. AI kan dock möta dessa behov och har inte samma begränsningar.

Kan AI hjälpa till att bli av med luftföroreningar?

AI kan hjälpa människor runt om i världen att bli av med luftföroreningar. Dessa modeller frodas på data och intelligent analys, avgörande faktorer när man hanterar ett så utbrett problem. Det är inte bara en potentiell lösning heller – forskare och ingenjörer runt om i världen har separat utvecklat modeller som proof-of-concept. 

Till exempel utvecklade ingenjörer från Cornell University AI kan noggrant mäta PM2.5 — Fina partiklar av föroreningar som är mindre än ett människohårs bredd — i stadsområden. Även om tidigare teknik var tung, skrymmande och komplex, är denna modell enkel och tillgänglig.

Hur kan AI minska luftföroreningarna?

AI kan upptäcka, mäta och hantera föroreningsnivåer för att minska luftföroreningarna. Dessutom kan det hjälpa forsknings- och underhållsinsatser för att stödja nuvarande teknik.

AI kan exakt identifiera källor till luftföroreningar, vilket tillåter statliga miljömyndigheter att reagera snabbt med inneslutningsåtgärder. Eftersom den här tekniken konsekvent kan anpassa sig till ny information och lära sig snabbt, kan den reagera på mindre förändringar i realtid. 

Det kan varna berörda parter om föroreningar plötsligt ökar eller konsekvent dyker upp i vissa områden. Säg till exempel att en liten stad nära en produktionsanläggning regelbundet översteg säkra luftkvalitetsnivåer trots bristen på motorvägar eller en stor befolkning. När AI hänvisar tjänstemän till fabriken som den mest troliga boven, kan de implementera luftföroreningspolicyer för att skydda lokalbefolkningens hälsa.

  • Mätning

Eftersom luftföroreningsnivåerna i allmänhet är konsekventa om inte en exceptionell händelse inträffar, kan AI enkelt träna på historisk och aktuell statistik för att förutsäga framtida förändringar. Den kan snabbt tolka massiva datamängder för att komma till exakta slutsatser. 

Realtidsuppdateringar av föroreningsmätningar skulle vara till fördel för den allmänna säkerheten. Med detta tillvägagångssätt kan tjänstemän varna specifika populationer för kommande fall av luftkvalitet, vilket förbättrar deras hälsa. Dessutom ger det dem mer tid att vidta åtgärder för att bättre skydda miljön.

  • Verksamhetsledningen

De flesta forskare använder djupa neurala nätverk när de hanterar luftföroreningar med AI. Det är ingen överraskning, med tanke på de har den högsta prestationsgraden ur någon annan delmängd. Eftersom de fungerar som den mänskliga hjärnan kan de identifiera och prioritera lösningar för att minska föroreningsnivåerna.

Eftersom system för övervakning av luftkvalitet ofta misslyckas med att samla in tillräckligt med information, måste människor ofta göra sin egen forskning för att bygga en modell. Som ett resultat kan dess övergripande noggrannhet inte påverkas. Som svar kan forskare använda AI för att skapa syntetisk data. 

AI kan producera exakta artificiella datamängder anpassade efter deras behov. Istället för att förlita sig på allmänt tillgänglig information kan de snabbt träna sin algoritm på verklighetstrogen statistik för att få en korrekt allmän översikt.  

  • Underhåll

Ingenjörer som arbetar med system för övervakning av luftkvalitet kan använda AI för underhåll. Även om den här metoden inte direkt tar itu med det övergripande problemet, bidrar den ändå till lösningen. Utnyttja prediktiv analys, a maskininlärningsmodell kan projicera korrekt när utrustningen behöver service. Eftersom de i huvudsak är datainsamlingsenheter har detta tillvägagångssätt cirkulära fördelar. 

Finns det hinder för AI-implementering?

AI står inför några betydande hinder för implementering, främst på grund av dataisolering. Miljöinstitutioner hanterar ofta sin forskning självständigt, vilket betyder att de inte delar resultat eller statistik. Denna praxis resulterar i datasilos, där värdefull information finns i små, otillgängliga fickor. 

AI kunde förutsäga luftkvalitetsnivåer exakt med historisk statistik, plats-, trafik- och väderstatistik som redan finns. Problemet är dock att allt för närvarande sitter i silor. Detta informationsisoleringsfenomen kan sätta tillbaka framstegen eftersom modellerna bara är effektiva när de har kvalitetsdatauppsättningar att träna på.

Är det riskabelt att använda AI för att minska luftföroreningar?

Även om AI är en idealisk lösning på luftföroreningar, har den vissa risker. Det kan träna på felaktiga data, vilket påverkar dess prestanda. Forskare kan ofta inte heller följa dess logik för att diagnostisera operativa problem.

Black-box-problemet som AI ofta upplever är otroligt märkbar med djupa neurala nätverk — en av de vanligaste undergrupperna som människor använder för att bekämpa luftföroreningar. Eftersom det är nästan omöjligt att spåra logiken i sådana modeller riskerar forskare och ingenjörer att fungera felaktigt. 

Vad händer när träningsdata har felberäkningar eller underliggande bias? Problemet med den svarta lådan ökar chansen att sådana saker förblir dolda. Dessutom gör det rutinmässigt och oplanerat underhåll utmanande eftersom det kan vara svårt att avgöra var problemen uppstår.

Varför använda AI framför annan teknik?

Trots dess nackdelar är AI fortfarande det perfekta valet framför annan modern teknik. Till exempel skulle en utbredd installationsprocess för Internet of Things (IoT)-enheter ta evigheter, vara otroligt dyr och sannolikt skada miljön. Utöver detta är de inte alls lika effektiva.

Även om IoT-sensorer är kostnadseffektiva, deras noggrannhet sjunker rutinmässigt på grund av väderstörningar, kretsproblem och blandning av föroreningar. AI kan fortsätta att fungera effektivt i dåligt väder och identifiera mindre variationer om den är kraftfull eller har tillräckligt med träning. 

Har AI potential på detta område?

Även om det finns flera hinder för omfattande AI-användning i luftkvalitetsövervakning, kan det fortfarande vara revolutionerande för fältet. Dess förutsägelse- och analysmöjligheter är unika, vilket gör den till en av de enda tillämpliga teknologierna. Dessutom gör dess användarvänlighet och funktionalitet den tillgänglig, vilket är viktigt när de flesta ansträngningar är isolerade. 

Det kanske inte är den perfekta lösningen, men det är bland de bästa som finns. Modernisering av utrustning kommer bara att gynna forskare och den allmänna befolkningen, så integrationen av den kan till och med bli nödvändig. Trots allt, 99% av människor över hela världen andas luft med en viss nivå av farliga föroreningar — en snabb lösning är avgörande.

Andas bättre med AI

Eftersom luftföroreningar är en så betydande och utbredd fråga behöver den en kraftfull lösning. AI är det perfekta valet i det här scenariot, med tanke på att det kan fungera självständigt och med stor precision. I slutändan kan dess omfattande användning gynna hela världen. 

Tidsstämpel:

Mer från AIIOT-teknik