NASA'nın Earth tarafından görüntü

Bilgisayarlar daha akıllı hale geldikçe, bilim adamları onları çevre korumasına dahil etmenin yeni yollarına bakıyorlar.

Yapay zekayı düşündüğünüzde, akla gelen ilk imge, insanlar gibi yürüyen, konuşan ve ifade eden canlı robotlardan biridir. Ancak, neredeyse tüm bilimlerde yaygın olan farklı türlerde bir AI vardır. Makine öğrenmesi olarak bilinir ve modern teknolojinin üretmemize izin verdiği büyük miktarda veriyi (aka “büyük veri”) ayırma görevine bilgisayarları dahil etme etrafında döner.

Makine öğrenmenin en yararlı olduğu yerlerden biri, örneğin yer altı akiferleri, ısınma iklimi veya hayvan göçü gibi dünyanın çeşitli sistemlerini izlemekten büyük miktarda bilgi üreten çevre bilimlerinde. Bilgisayarla ilgili eğilimleri keşfetme ve gezegenimizin geleceği ile ilgili öngörülerde bulunma yeteneğini bir araya getiren, hesaplanabilir sürdürülebilirlik olarak adlandırılan bu nispeten yeni alanda, çevre hakkında toplanan verileri birleştiren bir dizi proje ortaya çıktı. Bu, bilim insanları ve politika yapıcılar için faydalıdır, çünkü değişen dünyamızda nasıl yaşayacakları ve yaşayacakları konusunda planlar geliştirmelerine yardımcı olabilir. İşte sadece birkaçı.

Kuşlar ve Filler İçin

Cornell Üniversitesi, bu yeni sınırda öncülük ediyor gibi görünüyor, çünkü muhtemelen Hesaplamalı Sürdürülebilirlik Enstitüsüve ayrıca o kurumun başkanı Carla P. Gomes, hesaplanabilir sürdürülebilirliğin öncülerinden biri olduğu için. Gomes, Ulusal Bilim Vakfı'nın bilgisayar bilimcilerini sosyal faydası olan araştırmalara sokması için 2008 milyon dolarlık bir bağışla ödüllendirdiğinde alanın 10 etrafında başladığını söylüyor. O zamandan beri ekibi - ve dünyadaki bilim adamları ekipleri - bu fikri benimsedi ve onunla birlikte yürüdü.

Makine öğreniminin çevreye yardımcı olabileceği önemli alanlardan biri de türlerin korunmasıdır. Özellikle, Cornell enstitüsü, kuşların inanılmaz hevesini bilimsel gözlemle birleştirmek için Cornell Ornitoloji Laboratuvarı ile birlikte çalışıyor. Adlı bir uygulama geliştirdiler eBird sıradan vatandaşların, etraflarında gözlemledikleri kuşlar hakkında, belirli bir yerde kaç farklı türün bulunabileceği gibi veriler göndermelerini sağlar. Gomes, şu ana kadar 300,000 gönüllülerinden 300 milyon saatten fazla saha çalışması için 22 milyondan fazla gözlem sunduğunu söylüyor.

Ağaç kırlangıçlarının yıllık göçünün bu animasyonu, uzay ve zaman içindeki popülasyon değişikliklerini tahmin etmek için hesaplamalı sürdürülebilirlik tekniklerinin nasıl kullanılabileceğini göstermektedir. Daniel Fink, Cornell Lab. Ornitoloji Anabilim Dalı

EBird'den toplanan verileri, laboratuvarın kendi gözlemsel verileriyle ve uzaktan algılama ağlarından toplanan türlerin dağılımıyla ilgili bilgileri birleştirerek, enstitünün modelleri, belirli türler için habitatta nerede değişiklik yapılacağını ve kuşların taşındığı yolları tahmin etmek için makine öğrenmesini kullanıyor göç.

Gomes, “Gözlemlerin olmadığı büyük boşluklar var, ancak oluşma ve yoksunluk kalıplarını ilişkilendirirseniz, bu kuşların belirli bir yaşam alanını sevdiğini ve genelleşebileceğini görürüz” diyor. “Kuşların nasıl dağıldığını tahmin etmek için gerçekten sofistike modeller - makine öğreniminden gelen algoritmalar - kullanıyoruz.”

Daha sonra tahminlerini, kuş yaşam alanlarını en iyi şekilde nasıl koruyacaklarına dair kararlar almak için kullanabilecek politika yapıcılar ve korumacılar ile paylaşabilirler.

Örneğin, Gomes, eBird aracılığıyla toplanan ve ortaklık tarafından işlenen bilgilere dayanarak, Doğa Koruma’nın Kaliforniya'nın kuraklık bölgelerinde “ters açık artırma”Kuşların göç etme ihtimaline sahip olmaları ve mola yaşam alanlarına ihtiyaç duymaları durumunda tarlalarında suyu korumak için pirinç üreticilerine ödeme yapmak. Gomes, “Bu yalnızca mümkün çünkü kuşların nasıl dağıldığı hakkında bize yüksek hassasiyetle bilgi veren gelişmiş hesaplama modellerine sahibiz” diyor.

Kuşlar tek araştırma alanı değil. Enstitünün çalışmalarının çoğu, yaban hayatı koruma ile ilgilidir - örneğin fil çağrılarının ve avcı avcılarının ateşli silahlarının yerlerini belirlemek için saatlerce yapılan orman kayıtlarını dinlemek ya da vahşi doğada güvenle hareket etmek için kullanabilecekleri bir koridor geliştirmek için boz ayıları izlemek.

PACE Upping

NASA'nın Goddard Uzay Uçuş Merkezinde, araştırma bilimcisi Cecile Rousseaux, fitoplanktonların (mikroalga olarak da bilinir) okyanuslardaki dağılımını daha iyi anlamak için makine öğrenmesini kullanıyor. Bu mikroskobik bitkiler denizlerin yüzeyinde yüzer ve soluduğumuz oksijenin çoğunu üretir. Okyanus gıda ağının temelini oluştururlar. Ayrıca karbondioksit tüketiyorlar ve öldüklerinde karbonu yanlarında okyanus tabanına batarken taşıyorlar.

Rousseaux, “Fitoplankton olmasaydı, karbondioksitte daha büyük bir artış görecektik” diyor. Bu nedenle, genel durumları, atmosferik CO'daki değişikliklerin etkisini anlamaya çalışan araştırmacılar için temel bilgilerdir.₂ gezegenimizde.

{{youtube}eM5lX9RQzZ4{/youtube}

Rousseaux, dünyadaki okyanus fitoplanktonunun mevcut ve gelecekteki koşullarını tahmin etmek için uydu görüntüleri ve bilgisayar modellemesi kullanıyor. Şu anda, model yalnızca Dünya üzerinde yaşayan toplam mikroalg sayısını ve bu toplamın zaman içinde nasıl değiştiğini tahmin edebiliyor. Ancak yeni bir uydu görevi PACE (“Aerosol Öncesi Bulutlar ve Okyanus Ekosistemi” için), 2022'te piyasaya sürüldü, popülasyona daha yakından bakan ve sadece bütüne bakmaktan ziyade farklı türleri tanımlayabilen yepyeni bir veri seti açacak. mevcut modeli değiştirin.

“Model bize büyüme miktarını anlatmak için sıcaklık, ışık ve besinlere dayalı parametreleri kullanıyor. Simülasyonun yaptığı tek şey toplamı ayarlamak ”dedi. Ancak, tümü çevre ile eşsiz şekillerde etkileşime giren bir dizi farklı fitoplankton türü var. Örneğin diatomlar büyüktür, okyanus tabanına çok hızlı batarlar ve çok sayıda besine ihtiyaç duyarlar. PACE, okyanusun çeşitli bölgelerinde bulunan fitoplankton türlerini tanımlamayı mümkün kılacak ve modelin, mikroorganizmaların atmosferik CO'ları nasıl etkilediğini anlamamıza yardımcı olma yeteneğini genişletecektir.₂. Ayrıca tehlikeli alg çiçeklerini tahmin etmek gibi şeyler yapmamıza ve iklim değişikliğiyle mücadelede daha fazla miktarda karbon tüketen türlerin yeteneklerini azaltmanın yollarını bulmamıza da izin verecek.

EarthCube

Dünyayı bir bütün olarak söyleyen Ulusal Bilim Vakfı, tüm gezegenin 3-D yaşam modelini oluşturmak için makine öğrenimini kullanıyor. EarthCube olarak adlandırılan dijital temsil, bilim adamları tarafından tüm disiplinlerde sağlanan veri setlerini birleştirir - örneğin atmosfer ve hidrosfer ölçümleri veya okyanusların jeokimyası - örneğin, yüzeydeki ve altındaki koşulları taklit etmek için. Küpün kapsayacağı çok büyük miktarda veri nedeniyle, farklı koşulları modelleyebilecek ve gezegen sistemlerinin nasıl tepki vereceğini tahmin edebilecektir. Ve bu bilgiyle, bilim adamları felaket olaylarından kaçınmanın yollarını önerebilecek veya gerçekleşmeden önce kaçınılması mümkün olmayanları (su basması veya sert hava gibi) planlayabilecekler.

EarthCube, felaket olaylarının neden olduğu hasarı tahmin etmek ve en aza indirmek için kullanılabilecek bir model oluşturmak için veri kümelerini birleştirir.
Görüntü Jeanne DiLeo / USGSEarthCube projesinin bir parçası olarak, ABD Jeolojik Etüt Araştırması, Ulusal Bilim Çerçevesi projesinde, Dijital kabukyer altı suyu dengesi ve akifer sistemlerinin sağlığı gibi Dünya'daki yeraltı süreçlerinin daha doğru ve sağlam bir şekilde anlaşılmasını sağlayacak bir çerçeve. USGS ve USGS ekibinin biyocoğrafik karakterizasyonu şube şefi Sky Bristol, EarthCube Digital Crust projesinin liderliğini yapan “Bristol, zamanla yeraltı suyu seviyesini gösteren bilimsel hesaplamaları yapabiliriz ve gelecekteki senaryolara karşı çukura koyabiliriz” diyor. .

Bristol, “Küpün farklı bölümlerinden (kabuk ve atmosfer gibi) iki model birbirleriyle etkileşime girmek zorunda kaldıklarında makine öğrenmesi de devreye giriyor” diyor. Örneğin, yeraltı suyu tahliyesinde bir artış olduğu ve aynı zamanda ısınma iklimindeki bir artış olduğu zaman neye benziyor?

Dijital Kabuğun bu yaz tamamlanması planlanıyor. Digital Crust ve tüm EarthCube projeleri verilerini ve yazılımlarını açık kaynak yapıyor. Böylece, birkaç yıl içinde, herkes gelecekteki bir Dünya'nın tüm olasılıkları hakkında tahminlerde bulunmak için makine öğrenmesini kullanabilecek. Bu, Dünya'nın çeşitli sistemlerini anlamaya çalışan ve içindeki değişimlerin insanlığı nasıl etkileyeceğini anlamak için çalışan jeosistlerin, dünyanın dört bir yanından verileri birbirleriyle paylaşmalarına olanak tanıyan yeni bir araca sahip olacaklarını öngörüyor; tahminlerini daha fazla etkiliyor ve insanlara fırsat veriyor. Değişen dünyamıza tepki göstermek yerine, o zaman tepki göstermek.

Bu örnekler, hesaplamalı sürdürülebilirliğin, dünyadaki insan yaşamını daha sürdürülebilir kılma kabiliyetimizin nasıl değişebileceği - ve nasıl değiştiğinin - büyük bir resminin küçük bir parçasıdır. Tek başına Cornell'de, teknolojiyi kullanan diğer projeler arasında, yoksulluk alanlarının haritalandırılması ve gelişmiş ülkelerde yoksulluğun azaltılmasının etkinliği, hasat politikalarının okyanus balıkçılığı üzerindeki etkisinin belirlenmesi, güneş enerjisinin yakalanmasında kullanılabilecek yeni materyallerin keşfedilmesi, etkisinin belirlenmesi ABD, ABD’de artan benzin vergilerinin etkinliği ve etkilerine ışık tutuyor. Mevcut eğilimler herhangi bir gösterge ise, yapay zekanın dünyayı yaratmamıza nasıl yardımcı olduğu konusunda önümüzdeki yıllarda çok daha fazla şey duymayı bekleyebiliriz. uzun süre yaşamak için daha iyi bir yer.

Bu makale ilk olarak göründü Ensia

Yazar hakkında

Erin Biba New York merkezli bir serbest bilim gazetecisidir. Çalışmaları düzenli olarak Newsweek, Bilimsel Amerikan ve Efsaneler Tested.com.

İlgili Kitap

at

Ziyaret ettiğiniz için teşekkürler InnerSelf.com, neredeler 20,000+ "Yeni Tutumlar ve Yeni Olasılıklar"ı tanıtan, yaşamı değiştiren makaleler. Tüm makaleler tercüme edilmiştir 30+ dil. Üye olun haftalık olarak yayınlanan InnerSelf Magazine'e ve Marie T Russell'ın Daily Inspiration'ına. InnerSelf Dergisi 1985'den beri yayınlanmaktadır.