Hier sind 10 Möglichkeiten, wie KI beim Kampf gegen den Klimawandel helfen könnte

Ein Raster der verschiedenen Unterdisziplinen des maschinellen Lernens und wie sie zur Bekämpfung des Klimawandels beitragen können. Frau Technik | Vorschaubild: Chuttersnap/Unsplash

Einige der größten Namen in der KI-Forschung haben sich angelegt eine Straßenkarte Es wird vorgeschlagen, wie maschinelles Lernen dazu beitragen kann, unseren Planeten und die Menschheit vor drohenden Gefahren zu retten.

Der Bericht deckt mögliche maschinelle Lerninterventionen in 13 Bereichen ab, von Elektrizitätssystemen über landwirtschaftliche Betriebe und Wälder bis hin zur Klimavorhersage. Innerhalb jeder Domäne werden die Beiträge für verschiedene Unterdisziplinen innerhalb des maschinellen Lernens aufgeschlüsselt, darunter Computer Vision, Verarbeitung natürlicher Sprache und Verstärkungslernen.

Empfehlungen werden ebenfalls in drei Kategorien eingeteilt: hohe Hebelwirkung für Probleme, die sich gut für maschinelles Lernen eignen, wo solche Eingriffe eine besonders große Wirkung haben können; langfristig für Lösungen, die sich erst 2040 auszahlen; und hohes Risiko für Aktivitäten mit weniger sicheren Ergebnissen, entweder weil die Technologie nicht ausgereift ist oder weil nicht genug bekannt ist, um die Folgen abzuschätzen. Viele der Empfehlungen fassen auch bestehende Bemühungen zusammen, die bereits stattfinden, aber noch nicht in großem Umfang durchgeführt werden.

Die Zusammenstellung des Berichts wurde von David Rolnick, einem Postdoktoranden an der University of Pennsylvania, geleitet und von mehreren hochkarätigen Persönlichkeiten beraten, darunter Andrew Ng, Mitbegründer von Google Brain und ein führender KI-Unternehmer und Pädagoge; Demis Hassabis, Gründer und CEO von DeepMind; Jennifer Chayes, Geschäftsführerin von Microsoft Research; und Yoshua Bengio, der kürzlich den Turing Award für seine Beiträge auf diesem Gebiet gewonnen hat. Während die Forscher eine sehr umfassende Liste einiger der wichtigsten Bereiche anbieten, in denen maschinelles Lernen einen Beitrag leisten kann, stellen sie auch fest, dass es keine Wunderwaffe ist. Letztendlich wird die Politik der Hauptantrieb für wirksame groß angelegte Klimaschutzmaßnahmen sein.

Hier sind nur 10 der Empfehlungen mit hoher Hebelwirkung aus dem Bericht. Lesen Sie die vollständige Version davon Hier .

1. Verbessern Sie die Vorhersagen darüber, wie viel Strom wir benötigen

Wenn wir uns auf mehr erneuerbare Energiequellen verlassen, brauchen die Versorgungsunternehmen bessere Möglichkeiten, den Energiebedarf in Echtzeit und langfristig vorherzusagen. Es gibt bereits Algorithmen, die den Energiebedarf vorhersagen können, aber sie könnten verbessert werden, indem feinere lokale Wetter- und Klimamuster oder das Haushaltsverhalten berücksichtigt werden. Bemühungen, die Algorithmen besser erklärbar zu machen, könnten den Versorgungsunternehmen auch helfen, ihre Ergebnisse zu interpretieren und sie bei der Planung zu verwenden, wann erneuerbare Quellen online gebracht werden sollen.

2. Entdecken Sie neue Materialien

Wissenschaftler müssen Materialien entwickeln, die Energie effizienter speichern, gewinnen und nutzen, aber der Prozess der Entdeckung neuer Materialien ist normalerweise langsam und ungenau. Maschinelles Lernen kann Dinge beschleunigen, indem neue chemische Strukturen mit den gewünschten Eigenschaften gefunden, entworfen und bewertet werden. Dies könnte zum Beispiel beim Erstellen helfen solare Brennstoffe , die Energie aus Sonnenlicht speichern können, oder effizientere Kohlendioxid-Absorptionsmittel oder Strukturmaterialien identifizieren, deren Herstellung viel weniger Kohlenstoff benötigt. Letztere Materialien könnten eines Tages Stahl und Zement ersetzen, deren Herstellung für fast 10 % aller globalen Treibhausgasemissionen verantwortlich ist.

3. Optimieren Sie, wie die Fracht geroutet wird

Der Versand von Waren rund um die Welt ist ein komplexer und oft äußerst ineffizienter Prozess, der das Zusammenspiel verschiedener Sendungsgrößen, verschiedener Transportarten und eines sich ändernden Netzes von Herkunfts- und Bestimmungsorten beinhaltet. Maschinelles Lernen könnte dabei helfen, Wege zu finden, möglichst viele Sendungen zu bündeln und die Gesamtzahl der Fahrten zu minimieren. Ein solches System wäre auch widerstandsfähiger gegenüber Transportunterbrechungen.

4. Niedrigere Barrieren für die Einführung von Elektrofahrzeugen

Elektrofahrzeuge, eine Schlüsselstrategie zur Dekarbonisierung des Verkehrs, stehen vor mehreren Herausforderungen bei der Einführung, bei denen maschinelles Lernen helfen könnte. Algorithmen können das Batterieenergiemanagement verbessern, um beispielsweise die Laufleistung jeder Ladung zu erhöhen und Reichweitenängste zu reduzieren. Sie können auch das aggregierte Ladeverhalten modellieren und vorhersagen, um Netzbetreibern dabei zu helfen, ihre Last zu erfüllen und zu verwalten.

5. Helfen Sie mit, Gebäude effizienter zu machen

Intelligente Steuerungssysteme können den Energieverbrauch eines Gebäudes drastisch reduzieren, indem sie Wettervorhersagen, Gebäudebelegung und andere Umgebungsbedingungen berücksichtigen, um den Bedarf an Heizung, Kühlung, Belüftung und Beleuchtung in Innenräumen anzupassen. Ein intelligentes Gebäude könnte auch direkt mit dem Stromnetz kommunizieren, um den Stromverbrauch zu reduzieren, wenn es zu einem bestimmten Zeitpunkt an kohlenstoffarmer Stromversorgung mangelt.

6. Erstellen Sie bessere Schätzungen darüber, wie viel Energie wir verbrauchen

In vielen Regionen der Welt liegen nur wenige bis gar keine Daten zu ihrem Energieverbrauch und ihren Treibhausgasemissionen vor, was ein großes Hindernis für die Entwicklung und Umsetzung effektiver Minderungsstrategien sein kann. Computer-Vision-Techniken können Gebäudeabdrücke und -merkmale aus Satellitenbildern extrahieren, um maschinelle Lernalgorithmen zu füttern, die den Energieverbrauch auf Stadtebene schätzen können. Die gleichen Techniken könnten auch identifizieren, welche Gebäude nachgerüstet werden sollten, um ihre Effizienz zu maximieren.

7. Lieferketten optimieren

So wie maschinelles Lernen Versandwege optimieren kann, können auch Ineffizienzen und CO2-Emissionen in den Lieferketten der Lebensmittel-, Mode- und Konsumgüterindustrie minimiert werden. Bessere Vorhersagen von Angebot und Nachfrage sollten Produktions- und Transportabfälle deutlich reduzieren, während gezielte Empfehlungen für kohlenstoffarme Produkte einen umweltfreundlicheren Konsum fördern könnten.

8. Präzisionslandwirtschaft in großem Maßstab möglich machen

Ein Großteil der modernen Landwirtschaft wird von Monokultur dominiert, der Praxis, eine einzige Kulturpflanze auf einem großen Landstrich anzubauen. Dieser Ansatz erleichtert Landwirten die Bewirtschaftung ihrer Felder mit Traktoren und anderen grundlegenden automatisierten Werkzeugen, entzieht dem Boden jedoch auch Nährstoffe und verringert seine Produktivität. Infolgedessen verlassen sich viele Landwirte stark auf stickstoffbasierte Düngemittel, die sich in Lachgas umwandeln können, ein Treibhausgas, das 300-mal stärker ist als Kohlendioxid. Roboter, die auf maschinell lernender Software laufen, könnten dies tun Bauern helfen eine Mischung von Feldfrüchten in großem Maßstab effektiver zu verwalten, während Algorithmen den Landwirten helfen könnten, vorherzusagen, welche Feldfrüchte wann angebaut werden sollen, um die Gesundheit ihres Landes zu regenerieren und den Bedarf an Düngemitteln zu reduzieren.

9. Verbessern Sie die Nachverfolgung der Entwaldung

Die Entwaldung trägt zu etwa 10 % der weltweiten Treibhausgasemissionen bei, aber die Verfolgung und Verhinderung ist normalerweise ein mühsamer manueller Prozess, der vor Ort stattfindet. Satellitenbilder und Computervision können den Verlust der Baumbedeckung in viel größerem Maßstab automatisch analysieren, und Sensoren am Boden können in Kombination mit Algorithmen zur Erkennung von Kettensägengeräuschen den örtlichen Strafverfolgungsbehörden helfen, illegale Aktivitäten zu stoppen.

10. Verbraucher anregen, ihre Einkaufsweise zu ändern

Techniken, die Werbetreibende erfolgreich eingesetzt haben, um Verbraucher anzusprechen, können uns dabei helfen, uns umweltbewusster zu verhalten. Verbraucher könnten beispielsweise maßgeschneiderte Maßnahmen erhalten, um ihre Teilnahme an Energiesparprogrammen zu fördern.

verbergen