美国国家航空航天局地球图片美国国家航空航天局地球图片

随着电脑变得更加智能化,科学家们将寻找新的途径来吸引他们参与环保。

当你想到人工智能时,可能想到的第一个图像就是像人类一样走路,说话和表情的有感知的机器人。 但是,在几乎所有的科学领域,都有一种不同的AI。 它被称为机器学习,它围绕着利用现代技术让我们产生的大量数据(又名“大数据”)来排序计算机。

机器学习最有用的地方之一就是环境科学,它通过监测地球的各种系统 - 地下含水层,气候变暖或动物迁徙,产生了大量的信息。 在这个相对较新的领域,计算可持续性已经出现了许多项目,这些领域将有关环境的数据与计算机发现趋势的能力相结合,并对地球的未来做出预测。 这对科学家和政策制定者是有用的,因为它可以帮助他们制定在我们不断变化的世界中如何生存和生存的计划。 这只是一些看看。

对于鸟类和大象

康奈尔大学似乎在这个新的边界领先,可能是因为它有一个 计算可持续性研究所也是因为该研究所的负责人卡拉·戈麦斯(Carla P. Gomes)是计算可持续发展的先驱之一。 戈麦斯表示,当国家科学基金会授予2008万美元拨款,推动计算机科学家参与具有社会效益的研究时,该领域就以10为起点。 从那时起,她的团队和世界各地的科学家团队就采纳了这个想法并且运行起来。

机器学习可以帮助环境的一个主要领域是物种保护。 特别是,康奈尔研究所一直在与康乃尔大学鸟类学实验室合作,将令人难以置信的怪鸟热情与科学观察相结合。 他们开发了一个名为 eBird 允许普通公民提交他们在周围观察到的鸟类的数据,例如在给定位置可以找到多少种不同的物种。 到目前为止,Gomes说,他们已经比300,000志愿者提交了超过300万次的观测数据,这比22数百万小时的实地工作多。


内在自我订阅图形


这种树燕年度迁移的动画显示了如何使用计算可持续性技术来预测跨时空的人口变化。 康奈尔大学的Daniel Fink的图片 鸟类学

这种树燕年度迁移的动画显示了如何使用计算可持续性技术来预测跨时空的人口变化。 康奈尔大学的Daniel Fink的图片 鸟类学

将从eBird收集的数据与实验室自己的观测数据以及从遥感网络收集到的有关物种分布的信息相结合,研究所的模型使用机器学习来预测某些物种的栖息地将会发生变化,以及鸟类在迁徙期间的移动路径移民。

戈麦斯说:“有很大的差距,我们没有意见,但如果你把发生和缺席的模式联系起来,我们就会看到这些鸟类喜欢某种栖息地,然后我们就可以概括。 “我们真的使用复杂的模型 - 机器学习算法 - 来预测鸟类的分布情况。”

然后,他们可以与政策制定者和保护主义者分享他们的预测,他们可以用它来做出如何最好地保护鸟类栖息地的决定。

例如,戈麦斯说,基于通过eBird搜集并由合作伙伴处理的信息,大自然保护协会已经成立了 在加州遭受旱灾的地区进行“反向拍卖”,当鸟类可能迁徙且需要中途停留栖息地时,向稻农支付保留水源的费用。 戈麦斯说:“这是唯一可能的,因为我们拥有先进的计算模型,可以为我们提供关于鸟类分布的高精度信息。

鸟类不是唯一的研究领域。 该研究所的大部分工作都与野生动物保护有关 - 例如听取数小时的森林记录,绘制大象呼叫和偷猎者枪声的位置,或者跟踪灰熊来开发一条他们可以安全穿过荒野的走廊。

加大PACE

研究科学家Cecile Rousseaux在美国国家航空航天局戈达德太空飞行中心利用机器学习来更好地了解海洋中浮游植物(也称为微藻类)的分布。 这些微观的植物漂浮在海洋表面,产生大部分我们呼吸的氧气。 它们构成了海洋食物网的基础。 它们也会消耗二氧化碳,当它们死亡时,随着它们沉入海底,携带碳。

卢梭说:“如果我们没有浮游植物,我们会看到更大的二氧化碳增加,然后我们就看到了。 正因为如此,他们的整体状况是研究人员试图了解大气CO变化的影响的重要信息2 我们这个星球上。

{{youtube}eM5lX9RQzZ4{/youtube}

卢梭利用卫星图像和计算机建模来预测世界海洋浮游植物的现状和未来状况。 目前,这个模型只能估算出生活在地球上的微藻总数以及这个总数随着时间的变化情况。 但一个新的卫星使命呼吁 和平 (在“前气溶胶云和海洋生态系统”),将在2022上发布,将开辟一个全新的数据集,更贴近人口,能够识别不同的物种,而不是简单地看整个,这将大大改变当前模型。

“模型使用基于温度,光线和营养素的参数来告诉我们生长的数量。 她说,模拟所做的一件事是调整总量。 但是有一些不同类型的浮游植物,都以独特的方式与环境相互作用。 例如,硅藻很大,很快沉入海底,需要大量的营养物质。 PACE将使我们有可能确定海洋各个部分的浮游植物类型,从而扩展模型的能力,帮助我们了解微生物如何影响大气CO2。 这也将使我们能够做一些事情,比如预测危险的藻类繁殖,并且有可能找到方法来挖掘更多消耗碳的物种,以对抗气候变化。

EarthCube

说到整个地球,国家科学基金会正在使用机器学习来创建一个整个地球的3-D生活模式。 这个名为EarthCube的数字表示法将数据集结合到科学家提供的数据集中,包括大气和水圈的测量,或海洋的地球化学,以模拟地表上方和下方的情况。 由于立方体将包含大量的数据,它将能够模拟不同的条件并预测地球系统将如何响应。 有了这些信息,科学家们就能够提出避免灾难性事件的方法,或者在发生灾难性事件之前,对那些无法避免的事件(例如洪水或恶劣天气)进行简单的计划。

EarthCubeEarthCube结合数据集创建一个模型,可以用来预测和最大限度地减少由灾难性事件造成的损害。
Jeanne DiLeo / USGS的图片
作为EarthCube项目的一部分,美国地质调查局正在合作开展一个国家科学框架项目, 数字地壳,这个框架将使地球内的地下过程(如地下水平衡和含水层系统的健康)更加准确和有力的理解。 美国地质勘探局和美国地质勘探局EarthCube数字地壳项目负责人生物地理特征分支负责人布里斯托尔(Sky Bristol)说:“我们将能够进行科学计算,以显示一段时间内地下水的水平。 。

布里斯托尔说,当立方体不同部分的两个模型(如地壳和大气层)必须相互作用时,机器学习也会发挥作用。 例如,当地下水开采量增加,同时气候变暖的情况下,这又是怎样的呢?

数字地壳计划在今年夏天完成。 数字地壳和所有EarthCube项目正在使他们的数据和软件开源。 因此,在几年之内,任何人都可以使用机器学习来预测未来地球的所有可能性。 这意味着地球科学家,他们努力了解地球的各种系统,以及他们内部的变化如何影响人类,将有一个新的工具,使他们能够分享来自世界各地的数据 - 给予他们的预测更多的影响,让人类有机会对我们不断变化的世界采取行动,而不是作出反应。

这些例子只是计算可持续性如何改变和改变的一个小部分,这是我们使地球上的人类生活更具可持续性的能力。 仅在康奈尔大学,使用这项技术的其他项目包括测绘贫困地区和发达国家的减贫效果,确定捕捞政策对海洋渔业的影响,发现可用于捕获太阳能的新材料,确定影响船上的鲸鱼种群罢工,甚至在美国增加汽油税的效率和影响。如果目前的趋势是任何迹象,我们可以期待未来几年听到更多关于人工智能如何帮助我们使世界一个更好的长期居住的地方。

这篇文章最初出现在 Ensia 查看Ensia主页

关于作者

biba erinErin Biba是纽约市的自由科学记者。 她的工作经常出现在 新闻周刊,科学美国人 和“流言终结者” Tested.com.

相关书籍

at

打破

感谢造访 InnerSelf.com, 哪里有 20,000+ 宣传“新态度和新可能性”的改变生活的文章。 所有文章均翻译为 30多种语言. 订阅 每周出版的《内在自我》杂志和玛丽·T·拉塞尔的《每日灵感》。 InnerSelf杂志 自 1985 年起出版。