ภาพโดย Earth ของ NASA

เมื่อคอมพิวเตอร์ฉลาดขึ้น นักวิทยาศาสตร์ก็มองหาวิธีใหม่ๆ ในการสมัครเข้าร่วมในการปกป้องสิ่งแวดล้อม

เมื่อคุณนึกถึงปัญญาประดิษฐ์ ภาพแรกที่น่าจะนึกถึงคือหนึ่งในหุ่นยนต์ที่มีความรู้สึก ซึ่งเดิน พูด และแสดงอารมณ์เหมือนมนุษย์ แต่มี AI อีกประเภทหนึ่งที่แพร่หลายในวิทยาศาสตร์เกือบทั้งหมด เรียกว่าการเรียนรู้ของเครื่อง (Machine Learning) และเกี่ยวข้องกับการเกณฑ์คอมพิวเตอร์ในการจัดเรียงข้อมูลจำนวนมหาศาลที่เทคโนโลยีสมัยใหม่อนุญาตให้เราสร้าง (หรือที่เรียกว่า "ข้อมูลขนาดใหญ่")

แมชชีนเลิร์นนิงกลายเป็นสิ่งที่มีประโยชน์มากที่สุดอย่างหนึ่งในด้านวิทยาศาสตร์สิ่งแวดล้อม ซึ่งได้สร้างข้อมูลจำนวนมหาศาลจากการเฝ้าติดตามระบบต่างๆ ของโลก เช่น ชั้นหินอุ้มน้ำใต้ดิน สภาพอากาศที่ร้อนขึ้น หรือการย้ายถิ่นของสัตว์ เป็นต้น มีโครงการเกิดขึ้นมากมายในสาขาที่ค่อนข้างใหม่นี้ ซึ่งเรียกว่าความยั่งยืนทางคอมพิวเตอร์ ซึ่งรวมข้อมูลที่รวบรวมเกี่ยวกับสิ่งแวดล้อมเข้ากับความสามารถของคอมพิวเตอร์ในการค้นพบแนวโน้มและคาดการณ์เกี่ยวกับอนาคตของโลกของเรา สิ่งนี้มีประโยชน์สำหรับนักวิทยาศาสตร์และผู้กำหนดนโยบาย เนื่องจากสามารถช่วยให้พวกเขาพัฒนาแผนการดำรงชีวิตและอยู่รอดในโลกที่เปลี่ยนแปลงของเรา นี่เป็นเพียงตัวอย่างบางส่วนเท่านั้น

เพื่อนก — และช้าง

Cornell University ดูเหมือนจะเป็นผู้นำในพรมแดนใหม่นี้ น่าจะเป็นเพราะมี สถาบันเพื่อความยั่งยืนทางคอมพิวเตอร์และเนื่องจากหัวหน้าสถาบันนั้น Carla P. Gomes เป็นหนึ่งในผู้บุกเบิกด้านความยั่งยืนทางคอมพิวเตอร์ Gomes กล่าวว่าสนามนี้เริ่มต้นขึ้นเมื่อราวปี 2008 เมื่อมูลนิธิวิทยาศาสตร์แห่งชาติได้รับเงินสนับสนุนจำนวน 10 ล้านเหรียญสหรัฐ เพื่อผลักดันนักวิทยาศาสตร์คอมพิวเตอร์ไปสู่การวิจัยที่เป็นประโยชน์ต่อสังคม ตั้งแต่นั้นมา ทีมของเธอและทีมนักวิทยาศาสตร์จากทั่วโลก ได้นำแนวคิดนี้ไปใช้และดำเนินการตามนั้น

ประเด็นสำคัญประการหนึ่งที่แมชชีนเลิร์นนิงสามารถช่วยสิ่งแวดล้อมได้คือการอนุรักษ์สายพันธุ์ โดยเฉพาะอย่างยิ่ง สถาบัน Cornell ได้ทำงานร่วมกับ Cornell Lab of Ornithology เพื่อรวมความกระตือรือร้นอันน่าทึ่งของนักดูนกกับการสังเกตทางวิทยาศาสตร์ พวกเขาได้พัฒนาแอพที่ชื่อว่า อีเบิร์ด ที่อนุญาตให้ประชาชนทั่วไปส่งข้อมูลเกี่ยวกับนกที่พวกเขาสังเกตได้รอบตัว เช่น จำนวนชนิดต่างๆ ที่สามารถพบได้ในสถานที่ที่กำหนด โกเมสกล่าวว่า จนถึงตอนนี้ พวกเขามีอาสาสมัครมากกว่า 300,000 คนส่งข้อสังเกตมากกว่า 300 ล้านครั้ง ซึ่งคิดเป็นงานภาคสนามมากกว่า 22 ล้านชั่วโมง

ภาพเคลื่อนไหวของการอพยพประจำปีของนกนางแอ่นต้นไม้นี้แสดงให้เห็นว่าเทคนิคความยั่งยืนทางคอมพิวเตอร์สามารถใช้ทำนายการเปลี่ยนแปลงของประชากรในอวกาศและเวลาได้อย่างไร ภาพโดย Daniel Fink, Cornell Lab ของจักษุวิทยา

การรวมข้อมูลที่รวบรวมจาก eBird กับข้อมูลการสังเกตของห้องปฏิบัติการเองและข้อมูลเกี่ยวกับการกระจายพันธุ์ที่รวบรวมจากเครือข่ายการสำรวจระยะไกล แบบจำลองของสถาบันใช้การเรียนรู้ด้วยเครื่องเพื่อคาดการณ์ว่าจะมีการเปลี่ยนแปลงที่อยู่อาศัยสำหรับบางชนิดและเส้นทางที่นกจะเคลื่อนที่ในระหว่าง การโยกย้าย.

Gomes กล่าวว่า "มีช่องว่างขนาดใหญ่ที่เราไม่มีการสังเกตการณ์ แต่ถ้าคุณพูดถึงรูปแบบการเกิดขึ้นและการหายไป เราจะเห็นว่านกเหล่านี้ชอบที่อยู่อาศัยบางประเภท และเราสามารถสรุปได้" “เรากำลังใช้แบบจำลองที่ซับซ้อน — อัลกอริธึมจากแมชชีนเลิร์นนิง — เพื่อทำนายว่านกจะถูกกระจายอย่างไร”

จากนั้นพวกเขาสามารถแบ่งปันการคาดการณ์กับผู้กำหนดนโยบายและนักอนุรักษ์ ซึ่งสามารถใช้ข้อมูลนี้ในการตัดสินใจเกี่ยวกับวิธีการปกป้องที่อยู่อาศัยของนกได้ดีที่สุด

ตัวอย่างเช่น Gomes กล่าวว่าตามข้อมูลที่รวบรวมผ่าน eBird และประมวลผลโดยหุ้นส่วน The Nature Conservancy ได้จัดตั้ง “การประมูลแบบย้อนกลับ” ในส่วนที่แห้งแล้งของแคลิฟอร์เนียจ่ายเงินให้ชาวนาเก็บน้ำไว้ในนาเมื่อนกมีแนวโน้มอพยพและต้องการที่อยู่อาศัย "สิ่งนี้เป็นไปได้เพียงเพราะเรามีโมเดลการคำนวณขั้นสูงที่ให้ข้อมูลที่มีความแม่นยำสูงเกี่ยวกับวิธีการแจกจ่ายนก" Gomes กล่าว

นกไม่ได้เป็นเพียงงานวิจัยเท่านั้น งานของสถาบันส่วนใหญ่เกี่ยวข้องกับการอนุรักษ์สัตว์ป่า เช่น การฟังบันทึกป่าเป็นเวลาหลายชั่วโมงเพื่อทำแผนที่ตำแหน่งของเสียงเรียกของช้างและกระสุนปืนของนักล่า หรือการติดตามหมีกริซลี่เพื่อพัฒนาทางเดินที่พวกมันสามารถใช้เพื่อเคลื่อนตัวผ่านถิ่นทุรกันดารได้อย่างปลอดภัย

ยกระดับ PACE

ที่ศูนย์การบินอวกาศ Goddard ของ NASA นักวิทยาศาสตร์ด้านการวิจัย Cecile Rousseaux กำลังใช้แมชชีนเลิร์นนิงเพื่อทำความเข้าใจการกระจายของแพลงก์ตอนพืช (หรือที่เรียกว่าสาหร่ายขนาดเล็ก) ในมหาสมุทรได้ดีขึ้น พืชขนาดเล็กเหล่านี้ลอยอยู่บนผิวน้ำและผลิตออกซิเจนส่วนใหญ่ที่เราหายใจเข้าไป พวกมันเป็นรากฐานของใยอาหารในมหาสมุทร พวกมันยังกินคาร์บอนไดออกไซด์ และเมื่อพวกมันตาย พวกมันก็จะแบกคาร์บอนไปด้วยในขณะที่มันจมลงสู่พื้นมหาสมุทร

Rousseaux กล่าวว่า "ถ้าเราไม่มีแพลงก์ตอนพืชเราจะเห็นการเพิ่มขึ้นของก๊าซคาร์บอนไดออกไซด์มากขึ้น ด้วยเหตุนี้ สถานะโดยรวมจึงเป็นข้อมูลที่จำเป็นสำหรับนักวิจัยที่พยายามทำความเข้าใจผลกระทบของการเปลี่ยนแปลง CO . ในบรรยากาศ₂ บนโลกของเรา

{{youtube}eM5lX9RQzZ4{/youtube}

รุสโซใช้ภาพถ่ายดาวเทียมและแบบจำลองคอมพิวเตอร์เพื่อทำนายสภาพปัจจุบันและอนาคตของแพลงก์ตอนพืชในมหาสมุทรในโลก ในขณะนี้ ตัวแบบสามารถประมาณจำนวนสาหร่ายทั้งหมดที่อาศัยอยู่บนโลกเท่านั้น และจำนวนทั้งหมดนั้นเปลี่ยนแปลงไปอย่างไรเมื่อเวลาผ่านไป แต่ภารกิจดาวเทียมดวงใหม่ที่เรียกว่า สันติ (สำหรับ “เมฆก่อนละอองลอยและระบบนิเวศในมหาสมุทร”) ซึ่งเปิดตัวในปี 2022 จะเปิดชุดข้อมูลใหม่ทั้งหมดซึ่งจะพิจารณาประชากรอย่างใกล้ชิดมากขึ้น และสามารถระบุสายพันธุ์ต่างๆ ได้ แทนที่จะดูเพียงภาพรวม ซึ่งจะมีผลอย่างมาก เปลี่ยนรูปแบบปัจจุบัน

“แบบจำลองนี้ใช้พารามิเตอร์ตามอุณหภูมิ แสง และสารอาหารเพื่อบอกเราถึงปริมาณการเจริญเติบโต สิ่งหนึ่งที่การจำลองทำคือปรับยอดรวม” เธอกล่าว แต่มีแพลงก์ตอนพืชหลายประเภทที่ล้วนมีปฏิสัมพันธ์กับสิ่งแวดล้อมด้วยวิธีที่ไม่ซ้ำใคร ตัวอย่างเช่น ไดอะตอมมีขนาดใหญ่ จมลงสู่พื้นมหาสมุทรอย่างรวดเร็วและต้องการสารอาหารจำนวนมาก PACE จะทำให้สามารถระบุประเภทของแพลงก์ตอนพืชในส่วนต่างๆ ของมหาสมุทรได้ ขยายความสามารถของแบบจำลองเพื่อช่วยให้เราเข้าใจว่าจุลินทรีย์ส่งผลต่อ CO ในบรรยากาศอย่างไร₂. นอกจากนี้ยังช่วยให้เราสามารถทำสิ่งต่าง ๆ เช่นทำนายการเติบโตของสาหร่ายที่เป็นอันตรายและอาจหาวิธีที่จะดึงความสามารถของสายพันธุ์ที่บริโภคคาร์บอนในปริมาณที่มากขึ้นเพื่อต่อสู้กับการเปลี่ยนแปลงสภาพภูมิอากาศ

เอิร์ธคิวบ์

เมื่อพูดถึงโลกโดยรวม มูลนิธิวิทยาศาสตร์แห่งชาติกำลังใช้แมชชีนเลิร์นนิงเพื่อสร้างแบบจำลองชีวิต 3 มิติของดาวเคราะห์ทั้งดวง ที่เรียกว่า EarthCube การแสดงข้อมูลดิจิทัลจะรวมชุดข้อมูลที่นักวิทยาศาสตร์จัดหาให้ในสาขาวิชาต่างๆ เช่น การวัดบรรยากาศและอุทกสเฟียร์หรือธรณีเคมีของมหาสมุทร เป็นต้น เพื่อเลียนแบบสภาวะบน ด้านบน และด้านล่างของพื้นผิว เนื่องจากลูกบาศก์จะมีข้อมูลจำนวนมหาศาล มันจึงสามารถจำลองสภาวะต่างๆ และคาดการณ์ว่าระบบของดาวเคราะห์จะตอบสนองอย่างไร และด้วยข้อมูลดังกล่าว นักวิทยาศาสตร์จะสามารถแนะนำวิธีหลีกเลี่ยงเหตุการณ์ภัยพิบัติหรือเพียงแค่วางแผนสำหรับผู้ที่ไม่สามารถหลีกเลี่ยงได้ (เช่น น้ำท่วมหรือสภาพอากาศเลวร้าย) ก่อนที่เหตุการณ์จะเกิดขึ้น

EarthCube รวมชุดข้อมูลเพื่อสร้างแบบจำลองที่สามารถใช้ในการทำนายและลดความเสียหายที่เกิดจากเหตุการณ์ภัยพิบัติ
ภาพโดย Jeanne DiLeo / USGSในฐานะที่เป็นส่วนหนึ่งของโครงการ EarthCube สำนักสำรวจทางธรณีวิทยาแห่งสหรัฐอเมริกากำลังร่วมมือกันในโครงการกรอบวิทยาศาสตร์แห่งชาติเพื่อผลิต เปลือกโลกดิจิทัลซึ่งเป็นกรอบการทำงานที่จะช่วยให้เข้าใจกระบวนการใต้ผิวดินในโลกได้แม่นยำและแข็งแกร่งยิ่งขึ้น เช่น ความสมดุลของน้ำบาดาลและสุขภาพของระบบชั้นหินอุ้มน้ำ "เราจะสามารถคำนวณทางวิทยาศาสตร์ซึ่งแสดงระดับน้ำใต้ดินเมื่อเวลาผ่านไป และเราสามารถจัดการกับสถานการณ์ในอนาคตได้" สกาย บริสตอล หัวหน้าสาขาการกำหนดลักษณะทางชีวภาพของ USGS และทีม USGS หัวหน้าโครงการ EarthCube Digital Crust กล่าว .

แมชชีนเลิร์นนิงก็เข้ามามีบทบาทเช่นกันเมื่อสองโมเดลจากส่วนต่างๆ ของลูกบาศก์ (เช่น เปลือกโลกและบรรยากาศ) ต้องมีปฏิสัมพันธ์ซึ่งกันและกัน Bristol กล่าว ตัวอย่างเช่น จะมีลักษณะอย่างไรเมื่อมีการสกัดน้ำบาดาลเพิ่มขึ้นและสภาพภูมิอากาศที่ร้อนขึ้นในเวลาเดียวกัน

Digital Crust มีกำหนดจะแล้วเสร็จในฤดูร้อนนี้ Digital Crust และโครงการ EarthCube ทั้งหมดกำลังทำให้ข้อมูลและซอฟต์แวร์เป็นโอเพ่นซอร์ส ดังนั้น ภายในเวลาไม่กี่ปี ทุกคนจะสามารถใช้แมชชีนเลิร์นนิงเพื่อคาดการณ์ถึงความเป็นไปได้ทั้งหมดของโลกในอนาคต และนั่นหมายถึงนักธรณีวิทยาที่ทำงานเพื่อทำความเข้าใจระบบต่างๆ ของโลก และการเปลี่ยนแปลงภายในระบบจะส่งผลต่อมนุษยชาติอย่างไร จะมีเครื่องมือใหม่ที่ช่วยให้พวกเขาสามารถแบ่งปันข้อมูลระหว่างกันจากทั่วโลก ทำให้การคาดการณ์ส่งผลมากขึ้นและทำให้มนุษย์มีโอกาส เพื่อดำเนินการ แทนที่จะตอบโต้ ต่อโลกที่กำลังเปลี่ยนแปลงของเรา

ตัวอย่างเหล่านี้เป็นเพียงส่วนเล็กๆ ของภาพรวมว่าความยั่งยืนทางคอมพิวเตอร์สามารถเปลี่ยนแปลงได้อย่างไร และกำลังเปลี่ยนแปลง ความสามารถของเราในการทำให้ชีวิตมนุษย์บนโลกมีความยั่งยืนมากขึ้น ที่ Cornell เพียงอย่างเดียว โครงการอื่น ๆ ที่ใช้เทคโนโลยีนี้รวมถึงการทำแผนที่พื้นที่ของความยากจนและประสิทธิภาพของการบรรเทาความยากจนในประเทศที่พัฒนาแล้ว การกำหนดผลกระทบของนโยบายการเก็บเกี่ยวต่อการประมงในมหาสมุทร การค้นพบวัสดุใหม่ที่สามารถนำมาใช้ในการจับพลังงานแสงอาทิตย์ กำหนดผลกระทบของ เรือโจมตีประชากรวาฬ และแม้กระทั่งความกระจ่างเกี่ยวกับประสิทธิภาพและผลกระทบของภาษีน้ำมันที่เพิ่มขึ้นในสหรัฐอเมริกา หากแนวโน้มในปัจจุบันเป็นสิ่งบ่งชี้ใด ๆ เราสามารถคาดหวังที่จะได้ยินมากขึ้นในอีกไม่กี่ปีข้างหน้าว่าปัญญาประดิษฐ์ช่วยให้เราสร้างโลกได้อย่างไร เป็นที่ที่ดีกว่าที่จะอยู่ในระยะยาว

บทความนี้เดิมปรากฏบน Ensia

เกี่ยวกับผู้เขียน

Erin Biba เป็นนักข่าววิทยาศาสตร์อิสระในนิวยอร์กซิตี้ ผลงานของเธอปรากฏใน นิวส์วีค, Scientific American และ เดอะ มิธบัสเตอร์ ทดสอบ.com.

หนังสือที่เกี่ยวข้อง

at

ขอบคุณสำหรับการเยี่ยมชม InnerSelf.comที่ไหนมี 20,000 + บทความเปลี่ยนชีวิตส่งเสริม "ทัศนคติใหม่และความเป็นไปได้ใหม่" บทความทั้งหมดได้รับการแปลเป็น 30+ ภาษา. สมัครรับจดหมายข่าว ถึงนิตยสาร InnerSelf ซึ่งตีพิมพ์ทุกสัปดาห์ และ Daily Inspiration ของ Marie T Russell นิตยสาร InnerSelf ได้รับการตีพิมพ์ตั้งแต่ปี 1985