تجزیه و تحلیل اخبار و تحولات اقتصادی ایران و جهان

هوش مصنوعی علیه تغییرات آب‌وهوایی

حدود ۱۰ روز پیش یعنی بیستم سپتامبر، جمعیت تقریبا ۴ میلیون نفری از چند کشور در راهپیمایی جهانی علیه تغییرات آب و هوایی شرکت کردند. آنها به خیابان‌ها‌ آمدند تا اعتراض خودشان را به نبود اقدامی عملی و درست از سوی رهبران جهان نشان بدهند. بعد از آن تا یک هفته راهپیمایی‌های دیگری در کشورها و مناطق مختلف دنیا به راه افتاد تا در نهایت هفته آخر ماه سپتامبر به عنوان «هفته جهانی برای آینده» نام بگیرد.

به گزارش پایگاه خبری اقتصادی معاصر، تکنولوژی و تغییرات آب و هوایی رابطه مستقیمی با یکدیگر ندارند. با افزایش نفوذ و گسترش تکنولوژی در تمام خانه‌ها، دفاتر کاری و جامعه ما، حجم اطلاعاتی که تولید می‌کنیم، افزایش قابل‌توجهی پیدا کرده است. این روند باعث شده است که دیتاسنترهای سراسر دنیا حالا حجم کربنی برابر حجم کربن تولید شده توسط صنعت حمل‌و‌نقل هوایی را تولید کنند. هر چند ممکن است بعضی‌ها مصر باشند که تنها راه کربن‌زدایی، حذف کامپیوترها باشد، اما این هم مثل هر موضوع و شرایط دیگری نمی‌تواند حالتی سیاه و سفید داشته باشد. با وجود اینکه تکنولوژی از بعضی جهات بی‌شک بحران آب و هوایی را شدیدتر کرده است، اما حالا تکنولوژی‌های هوش مصنوعی و یادگیری ماشینی در تمام دنیا برای این به‌کارگرفته می‌شوند تا به کاهش بعضی اثرات ناشی از افزایش دمای هوای جهان، کمک کنند.

در ماه ژوئن سال جاری میلادی نتایج تحقیقی با عنوان «مقابله با تغییرات آب و هوایی با تکنولوژی یادگیری ماشینی» منتشر شد. نتایج این تحقیق که توسط ۲۲ نفر از مقامات مسوول و کارشناس در زمینه تغییرات آب و هوایی و هوش مصنوعی، بررسی و منتشر شده است، نشان می‌دهد که تکنولوژی‌های هوش مصنوعی و یادگیری ماشینی، نقش مهمی در مبارزه با تغییرات آب و هوایی دارند. در این بررسی، راهکارها و پیشنهادهای متنوعی برای این کار ارائه شده است. در نهایت اما این تحقیق ثابت کرده است که هوش مصنوعی در سیزده زمینه مختلف، بهترین و بیشترین شانس را برای کاهش بدترین تاثیرات آب و هوایی بر جهان خواهد داشت که بعضی از مهم‌ترین آنها شامل حمل‌و‌نقل، سیستم‌های الکتریکی، مزارع، جنگل‌ها و سیستم‌های آموزشی هستند. در این بررسی همچنین مشخص شده است که تمرکز روی هر کدام از این بخش‌ها به چقدر زمان برای اثرپذیری نیاز دارد و چطور باید تکنولوژی‌های جدید را در هر کدام از این بخش‌ها به خوبی به‌کار گرفت. حتی راهکارهای فردی هم در این بررسی‌ها در نظر گرفته شده‌اند. هر چند بسیاری از راهکارهای ارائه شده در این تحقیق همین حالا هم به‌کار گرفته می‌شوند، اما همچنان هیچ کدام‌شان نتوانسته‌اند تاثیر عملی و مشهودی در این زمینه داشته باشند.

نتایج این تحقیق تعدادی از پیشنهادهای عملی و بهتر را برای استفاده از تکنولوژی‌های هوش مصنوعی و یادگیری ماشینی به شیوه‌ای غیرسنتی و نامرسوم ارائه کرده است. یکی از این پیشنهادها، استفاده از تکنولوژی یادگیری ماشینی برای توسعه موادی است که ذخیره و بهره‌برداری از آنها به صرف انرژی کمتری نیاز دارد. این فرآیند به کمک تکنولوژی‌هایی انجام می‌شود که به دانشمندان امکان یافتن، طراحی و ارزیابی ساختارهای شیمیایی جدید را می‌دهد تا ببینند که آیا چنین راهکارهایی می‌توانند مفید باشند یا خیر. هوش مصنوعی و یادگیری ماشینی به کمک تصویرسازی‌های مجازی و اطلاعات بازیابی‌شده از شبکه‌های اجتماعی، نقشه‌هایی را می‌توانند ترسیم کنند. این نقشه‌ها در واقع مسیر دقیق از بین بردن اثرات مضر تغییرات آب و هوایی را تصویر می‌کنند و به کمک و با مقایسه آنها می‌توان سریع‌ترین اقدامات را پیش و پس از وقوع بحران‌های آب و هوایی انجام داد.

الگوسازی پیش‌بینی

پیش‌بینی شرایط و وقایع آب و هوایی شدید یکی دیگر از مباحثی است که نویسندگان گزارش نتایج این تحقیق به آن اشاره کرده و اعلام کرده‌اند که معتقدند تکنولوژی یادگیری ماشینی می‌تواند به خوبی نشان دهد که در زمینه کاهش اثرات مضر تغییرات آب و هوایی، چه اقداماتی در گذشته انجام شده است. سال گذشته میلادی دانشگاه کمبریج یک دوره آموزشی کاربرد هوش مصنوعی برای مطالعه خطرات زیست‌محیطی را برگزار کرد که در آن درباره راهکارهای تجهیز و توسعه راهکارهای تکنولوژیک برای مقابله با چالش‌های جهانی محیط‌زیستی، مباحثی مطرح شدند. «رابرت راوز» دانشجوی دکترای دانشگاه کمبریج، تحقیقاتی در زمینه روش‌های یادگیری ماشینی برای کمک به پیش‌بینی آینده خطرات ناشی از سیل در مناطق شهری انجام داده است و برای این کار با یکی از بهترین شرکت‌های مهندسی محیط‌زیست دنیا یعنی Mott McDonald در انجام پروژه‌های ساختاری و الگوریتم‌های جدید قابل‌اجرا برای تحلیل داده‌های مرتبط، همکاری کرده است. او در این زمینه می‌گوید: «پیش‌بینی‌هایی که برای تغییرات آب و هوایی انجام دادیم، به‌طور عمده بر GCM یا الگوی جریان‌های عمومی هوا متکی است؛ اما GCM برای اغلب مردم به معنای الگوی آب و هوای جهانی شناخته می‌شود.»

او در تشریح روند اقدامات‌شان در این مورد می‌گوید: «این پیش‌بینی‌ها، متغیرهای آب و هوایی را به شکلی نه چندان دقیق و نسبتا آشفته ارائه می‌کنند. وقتی تلاش می‌کنی تا بفهمی در ابعاد محلی قرار است واقعا چه اتفاقی بیفتد، همیشه سوال‌های مشخصی به ذهن می‌رسند و مردم در آن لحظه به‌شدت نگران تغییرات آب و هوایی می‌شوند. در حقیقت این نگرانی به خاطر آن است که آنها درست نمی‌دانند بهترین روش آمادگی در برابر اتفاقی که آنها نمی‌دانند چطور رخ می‌دهد و تاثیرات تغییرات آب هوایی چیست. ما اما سعی داریم نتیجه و خروجی این مدل‌های آب و هوایی را به‌دست آورده و روی آنها کار کنیم تا به کمک تکنولوژی‌هایی مانند هوش مصنوعی و یادگیری ماشینی، به مدل‌هایی برای جلوگیری از افزایش اثرات ناشی از تغییرات آب و هوایی دست پیدا کنیم. فکر می‌کنم این بهترین روش برای آن باشد.» او معتقد است که این اقدامات هنوز در نیمه راه خودشان قرار دارند و برای بهره‌برداری بهتر از آنها در سراسر دنیا باید تحقیقات بیشتری در این زمینه انجام شود تا در نهایت بتوان به کمک تکنولوژی‌های جدید با تاثیرات بلندمدت تغییرات آب و هوایی مبارزه کرد.

چشم‌انداز آینده

رابرت راوز می‌گوید که چیزی در حدود پنج پتابایت یا پنج هزار ترابایت اطلاعات آب و هوایی در دسترس است که می‌تواند در مدل‌های هوش مصنوعی و یادگیری ماشینی به‌کار گرفته شود. او ادامه می‌دهد: «این بخش قابل توسعه‌ای از تحقیقات ماست و افراد زیادی در حال حاضر روی اطلاعات آب و هوایی کار می‌کنند تا به کمک خروجی این مدل‌های آب و هوایی بتوانند خطرات ناشی از اثرات تغییرات آب و هوایی در آینده را پیش‌بینی کنند.» شاید به همین دلیل هم هست که افرادی مانند راوز کمتر از ما نگران تغییرات آب و هوایی و اثرات ناشی از آن بر بشریت هستند؛ چون آنها این روزها به شکلی جدی سعی دارند و امیدوارند با کمک تکنولوژی‌های جدید با این تهدید بزرگ مقابله کنند.

منبع دنیای اقتصاد
مطالب مشابه