A mesterséges intelligenciára tekinthetünk, mint ijesztő fenyegetésre vagy sorsfordító áldásra, azonban sok tekintetben hasznos lehet alkalmazásuk az előttünk álló kihívások kapcsán. Maga a fogalom John McCarthy stanfordi professzor nevéhez kötődik és az intelligens technológiát, számítógépes programokat jelenti, a mai napig sincs azonban egységes meghatározás arra, mit érthetünk gépi intelligencia alatt.
Az MI kapcsán leggyakrabban a tudományos fantasztikus irodalom és a biztonsági, sőt etikai fenyegetések kerülnek be a közbeszédbe. A gépi tanulás által a hatalmas adatmennyiség feldolgozásával azonban az emberiség legnagyobb kihívásaira is válaszok kereshetők, így – sok más terület mellett – akár a koronavírus elleni fellépésben, akár a környezetvédelemben előrelépések érhetők el interdiszciplináris megközelítéssel. Az itt tárgyalt éghajlati informatika (climate informatics) az adattudomány és az éghajlattudomány metszéspontján helyezkedik el.
2020. május 8-án a Nemzetközi Távközlési Egyesület (ITU) AI for Good Global Summit sorozata keretében „The Future of Earth, AI + The Environment” webináriumában az adatvezérelt környezetvédelmi lehetőségek közül mutattak be két példát a beszélgetés résztvevői.
A Montreal Institute for Learning Algorithms (Mila) projekt célja, hogy az emberek tudatosságát és a klímaváltozás jobb megértését erősítse azzal, hogy vizualizálja az egyes területek klímaváltozás következtében várható változását. Ezzel közelebb hozza az állampolgárok és döntéshozók számára is, hogyan nézhet majd ki a lakóhelyük vagy tágabb környezetük az éghajlatváltozás következtében.
Forrás: Mila
A Planet projekt keretében pedig egy valós idejű (napi frissítésű) monitoring rendszer vizsgálja a föld felszínét. Az adatbázis 2009 óta frissül és a klímaváltozási lehetőségek (például mezőgazdaság, erdőgazdálkodás), mellett számos egyéb felhasználási aspektusa is lehetséges, úgymint védelempolitika, kormányzás, üzleti és pénzügyi szektor, biztosítás és vészhelyzetkezelés, energia- és infrastruktúra projektet, térképészet, valamint a kutatás-fejlesztés és oktatás területén. Ebben az esetben historikus összehasonlítható adatokkal elemezhetők az egyes területi változások, például a korallzátonyok kiterjedésének a csökkenése, vagy az áradások kiterjedtsége az idő változásával, de a jégtakaró olvadásának ilyenformán való modellezésében és a modern kori járványok kezelésében is szerepe lehet.
Mindkét projekt képviselői egyetértettek abban, hogy a technológiai fejlesztések mellett fontosak a hídképző, bizalomerősítő intézkedések is, hiszen a közös cél érdekében a szakemberek és a helyi közösség együttműködési képessége kardinális kérdés.
Egy más típusú ipar és akadémia együttműködéséből nőtte ki magát a Climate Change AI önkéntes szervezet is, amely a különböző szereplők együttműködésével hívja fel a figyelmet a mesterséges intelligencia használatában rejlő lehetőségekre a klímavédelem területén.
David Rolnick és szerzőtársai egy 2019-es átfogó tanulmányban 13 olyan területet jelöltek meg, ahol a gépi tanulás segíteni tudja az ügyet, ezek a: 1) villamosenergia-rendszer; 2) szállítás; 3) építészet és városok; 4) ipar; 5) farmok és erdők; 6) szén-dioxid eltávolítása; 7) éghajlati előrejelzések; 8) társadalmi hatások; 9) napenergia „geoengineering”; 10) egyéni fellépés; 11) kollektív döntéshozatal; 12) oktatás; 13) pénzügy.
Azt azonban nem szabad elfelejteni, hogy az MI ebben az esetben – az interdiszcipliaritás ellenére – többnyire csak egy eszköz, a végső megoldáshoz további tudományterületek eredményei is szükségesek.
Források:
AI for Good Global Summit. The Future of Earth, AI + The Environment. Webinar. 2020.05.08. https://aiforgood.itu.int/events/the-future-of-earth-ai-the-environment/ (2020.05.20. 00:27)
Climate Change AI https://www.climatechange.ai/about (2020.05.20. 00:10)
Jackie Snow (2019): How artificial intelligence can tackle climate change. National Geographic. https://www.nationalgeographic.com/environment/2019/07/artificial-intelligence-climate-change/ (2020.05.16. 18:19)
Montreal Institute for Learning Algorithms (Mila): Visualizing Climate Change. https://mila.quebec/en/ai-society/visualizing-climate-change/ (2020.05.20. 00:29)
Planet Labs https://www.planet.com/markets/ (2020.05.20. 00:19)
Rolnick, David, et al. (2019): Tackling climate change with machine learning. Letöltés: https://arxiv.org/pdf/1906.05433.pdf (2020.05.16. 18:26)
