Tiga Cara Kecerdasan Buatan Membantu Menyelamatkan Dunia

Gambar oleh Bumi NASAGambar oleh Bumi NASA

Seiring komputer menjadi lebih cerdas, ilmuwan melihat cara baru untuk mendaftarkan mereka dalam perlindungan lingkungan.

Bila Anda memikirkan kecerdasan buatan, gambar pertama yang mungkin terlintas dalam pikiran adalah salah satu robot yang bergerak, berbicara dan menyebarkan seperti manusia. Tapi ada jenis AI yang berbeda yang menjadi lazim di hampir semua sains. Ini dikenal sebagai pembelajaran mesin, dan ini berkisar pada komputer daftar masuk untuk menyortir data dalam jumlah besar yang memungkinkan teknologi modern menghasilkan (alias "data besar").

Salah satu tempat pembelajaran mesin berubah menjadi yang paling menguntungkan adalah dalam ilmu lingkungan, yang telah menghasilkan sejumlah besar informasi dari pemantauan berbagai sistem Bumi - akuifer bawah tanah, iklim pemanasan atau migrasi hewan, misalnya. Sejumlah proyek telah bermunculan di bidang yang relatif baru ini, yang disebut keberlanjutan komputasi, yang menggabungkan data yang dikumpulkan tentang lingkungan dengan kemampuan komputer untuk menemukan tren dan membuat prediksi tentang masa depan planet kita. Ini berguna bagi ilmuwan dan pembuat kebijakan karena dapat membantu mereka mengembangkan rencana bagaimana cara hidup dan bertahan di dunia kita yang terus berubah. Inilah yang terlihat hanya beberapa.

Untuk Burung - dan Gajah

Universitas Cornell nampaknya memimpin di perbatasan baru ini, kemungkinan karena ia memiliki sebuah Institute for Computational Sustainability dan juga karena kepala lembaga itu, Carla P. Gomes, adalah salah satu pelopor keberlanjutan komputasi. Gomes mengatakan bahwa lapangan tersebut telah dimulai di sekitar 2008 ketika National Science Foundation memberikan hibah sebesar US $ 10 juta untuk mendorong ilmuwan komputer ke dalam penelitian yang memiliki manfaat sosial. Sejak saat itu timnya - dan tim ilmuwan di seluruh dunia - telah mengambil ide tersebut dan mencapainya.

Salah satu bidang utama di mana pembelajaran mesin dapat membantu lingkungan adalah dengan konservasi spesies. Secara khusus, institut Cornell telah bekerja dengan Cornell Lab of Ornithology untuk menggabungkan semangat birders yang luar biasa dengan pengamatan ilmiah. Mereka telah mengembangkan aplikasi yang disebut eBird yang memungkinkan warga biasa untuk mengirimkan data tentang burung yang mereka amati di sekitar mereka, seperti berapa banyak spesies yang berbeda dapat ditemukan di lokasi tertentu. Sejauh ini, Gomes mengatakan, mereka memiliki lebih dari sukarelawan 300,000 yang mengirimkan lebih dari 300 juta pengamatan, yang jumlahnya mencapai lebih dari 22 juta jam kerja lapangan.

Animasi migrasi tahunan menelan pohon ini menunjukkan bagaimana teknik keberlanjutan komputasi dapat digunakan untuk memprediksi variasi populasi melintasi ruang dan waktu. Gambar oleh Daniel Fink, Lab Cornell. dari Ornitologi

Animasi migrasi tahunan menelan pohon ini menunjukkan bagaimana teknik keberlanjutan komputasi dapat digunakan untuk memprediksi variasi populasi melintasi ruang dan waktu. Gambar oleh Daniel Fink, Lab Cornell. dari Ornitologi


Dapatkan Yang Terbaru Dari Diri Sendiri


Menggabungkan data yang dikumpulkan dari eBird dengan data pengamatan dan informasi laboratorium sendiri tentang distribusi spesies yang dikumpulkan dari jaringan penginderaan jauh, model institut tersebut menggunakan pembelajaran mesin untuk memprediksi di mana akan terjadi perubahan habitat untuk spesies tertentu dan jalur di mana burung akan bergerak selama migrasi.

"Ada kesenjangan besar di mana kita tidak memiliki pengamatan, tapi jika Anda menghubungkan pola kejadian dan ketidakhadiran kita melihat bahwa burung-burung ini menyukai jenis habitat tertentu dan kemudian kita dapat menggeneralisasi," kata Gomes. "Kami benar-benar menggunakan model yang canggih - algoritma dari pembelajaran mesin - untuk memprediksi bagaimana burung didistribusikan."

Mereka kemudian dapat membagikan prediksi mereka dengan pembuat kebijakan dan konservasionis, yang dapat menggunakannya untuk membuat keputusan tentang cara terbaik melindungi habitat burung.

Sebagai contoh, Gomes mengatakan, berdasarkan informasi yang dikumpulkan melalui eBird dan diproses oleh kemitraan tersebut, The Nature Conservancy telah mendirikan sebuah "Lelang terbalik" di daerah-daerah yang dilanda kekeringan di California, membayar petani padi untuk mempertahankan air di ladang mereka saat burung cenderung bermigrasi dan membutuhkan habitat persinggahan. "Ini hanya mungkin karena kita memiliki model komputasi lanjutan yang memberi kita informasi presisi tinggi tentang bagaimana burung didistribusikan," kata Gomes.

Burung bukan satu-satunya bidang penelitian. Sebagian besar pekerjaan institut tersebut terkait dengan konservasi satwa liar - mendengarkan rekaman berjam-jam di hutan untuk memetakan lokasi panggilan gajah dan tembakan tentara pemburu, misalnya, atau melacak beruang grizzly untuk mengembangkan koridor yang dapat mereka gunakan untuk bergerak dengan aman melalui padang belantara.

Upping the PACE

Di Pusat Penerbangan Luar Angkasa Goddard milik NASA, ilmuwan riset Cecile Rousseaux menggunakan pembelajaran mesin untuk lebih memahami distribusi fitoplankton (juga dikenal sebagai mikroalga) di lautan. Tanaman mikroskopis ini melayang di permukaan laut dan menghasilkan banyak oksigen yang kita hirup. Mereka membentuk dasar web makanan samudera. Mereka juga mengkonsumsi karbon dioksida dan, ketika mereka mati, membawa karbon bersama mereka saat mereka tenggelam ke dasar laut.

"Jika kita tidak memiliki fitoplankton, kita akan melihat peningkatan yang lebih besar dalam karbon dioksida maka kita melihat," kata Rousseaux. Karena itu, status keseluruhan mereka adalah informasi penting bagi peneliti yang mencoba memahami dampak perubahan CO di atmosfer2 di planet kita.

{

Rousseaux menggunakan citra satelit dan pemodelan komputer untuk memprediksi kondisi fitoplankton samudra saat ini dan masa depan. Saat ini, model ini hanya mampu memperkirakan jumlah mikroalga yang hidup di Bumi dan bagaimana totalnya berubah dari waktu ke waktu. Tapi misi satelit baru disebut PACE (untuk "Ekosistem Pre-Aerosol dan Ekosistem Lautan"), diluncurkan di 2022, akan membuka kumpulan data baru yang lebih dekat pada populasi dan dapat mengidentifikasi spesies yang berbeda dan bukan sekadar melihat keseluruhan, yang secara substansial akan ubah model saat ini

"Model ini menggunakan parameter berdasarkan suhu, cahaya dan nutrisi untuk memberi tahu kita jumlah pertumbuhan. Satu hal yang dilakukan simulasi adalah menyesuaikan total, "katanya. Tapi ada banyak jenis fitoplankton yang berinteraksi dengan lingkungan dengan cara yang unik. Diatom, misalnya, berukuran besar, tenggelam ke dasar laut sangat cepat dan membutuhkan banyak nutrisi. PACE akan memungkinkan untuk mengidentifikasi jenis fitoplankton di berbagai belahan samudera, memperluas kemampuan model untuk membantu kita memahami bagaimana mikroorganisme mempengaruhi CO2 di atmosfer.2. Ini juga akan memungkinkan kita melakukan hal-hal seperti memprediksi ganggang berbahaya dan berpotensi menemukan cara untuk memanfaatkan bakat spesies yang mengkonsumsi karbon dalam jumlah yang lebih besar untuk memerangi perubahan iklim.

EarthCube

Berbicara tentang Bumi secara keseluruhan, National Science Foundation menggunakan pembelajaran mesin untuk menciptakan model kehidupan 3-D di seluruh planet. Disebut EarthCube, representasi digital akan menggabungkan kumpulan data yang disediakan oleh ilmuwan di seluruh keseluruhan disiplin - pengukuran atmosfer dan hidrosfer atau geokimia lautan, misalnya - untuk meniru kondisi di atas dan di bawah permukaan. Karena banyaknya data yang akan dikumpulkan oleh kubus, maka akan dapat memodelkan kondisi yang berbeda dan memprediksi bagaimana sistem planet akan merespons. Dan dengan informasi itu, para ilmuwan akan dapat menyarankan cara untuk menghindari kejadian bencana atau hanya merencanakan hal-hal yang tidak dapat dihindari (seperti banjir atau cuaca buruk) sebelum terjadi.

EarthCubeEarthCube menggabungkan kumpulan data untuk membuat model yang dapat digunakan untuk memprediksi dan meminimalkan kerusakan akibat peristiwa bencana.
Gambar oleh Jeanne DiLeo / USGS
Sebagai bagian dari proyek EarthCube, Survei Geologi AS berkolaborasi dalam proyek National Science Framework untuk menghasilkan Kerak digital, kerangka kerja yang akan memungkinkan pemahaman yang lebih akurat dan kuat tentang proses bawah permukaan di Bumi, seperti keseimbangan air tanah dan kesehatan sistem akuifer. "Kami akan dapat menjalankan perhitungan ilmiah yang menunjukkan tingkat air tanah dari waktu ke waktu, dan kami dapat mengadunya dengan skenario di masa depan," kata Sky Bristol, kepala cabang karakterisasi biogeografi di tim USGS dan tim USGS untuk proyek EarthCube Digital Crust .

Mesin belajar juga datang untuk bermain ketika dua model dari berbagai bagian kubus (seperti kerak dan suasananya) harus berinteraksi satu sama lain, kata Bristol. Misalnya, bagaimana rasanya bila terjadi peningkatan ekstraksi air tanah dan juga kenaikan iklim pemanasan pada saat bersamaan?

Digital Crust dijadwalkan selesai musim panas ini. The Digital Crust dan semua proyek EarthCube membuat data dan perangkat lunak mereka open source. Jadi, dalam beberapa tahun saja, siapapun bisa menggunakan mesin belajar untuk membuat prediksi tentang semua kemungkinan Bumi di masa depan. Dan itu berarti ahli geologi, yang bekerja untuk memahami berbagai sistem di Bumi dan bagaimana perubahan di dalamnya akan mempengaruhi kemanusiaan, akan memiliki alat baru yang memungkinkan mereka berbagi data satu sama lain dari seluruh dunia - memberi prediksi mereka lebih banyak dampak dan membiarkan manusia mendapat kesempatan. untuk bertindak, alih-alih bereaksi, terhadap dunia kita yang terus berubah.

Contoh-contoh ini hanyalah sebagian kecil dari gambaran besar bagaimana keberlanjutan komputasi dapat berubah - dan berubah - kemampuan kita untuk membuat kehidupan manusia di Bumi lebih berkelanjutan. Di Cornell sendiri, proyek lain yang menggunakan teknologi ini mencakup pemetaan bidang kemiskinan dan kemanjuran mitigasi kemiskinan di negara maju, yang menentukan dampak kebijakan pemanenan terhadap perikanan laut, menemukan bahan baru yang dapat digunakan untuk menangkap energi matahari, menentukan dampak dari pemogokan kapal pada populasi paus, dan bahkan menyoroti efisiensi dan implikasi dari kenaikan pajak bensin di AS Jika tren saat ini adalah indikasi, kita dapat berharap untuk mendengar lebih banyak lagi di tahun-tahun depan tentang bagaimana kecerdasan buatan membantu kita membuat dunia tempat yang lebih baik untuk hidup untuk jangka panjang.

Artikel ini awalnya muncul di Ensia Lihat homepage Ensia

Tentang Penulis

biba erinErin Biba adalah wartawan sains lepas lepas di New York City. Karyanya secara teratur muncul di Newsweek, Scientific American dan The Mythbusters ' Tested.com.

Buku Terkait

{amazonWS: searchindex = Buku; kata kunci = 1605989649; maxresults = 1}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

ikuti InnerSelf di

facebook-icontwitter-iconrss-icon

Dapatkan Terbaru Dengan Email

{Emailcloak = off}