Дорогие читатели, Нашему шестнадцатилетнему, волонтёрскому и некоммерческому проекту для создания новой, современной версии N-N-N.ru, очень нужно посоветоваться касательно платформы нашего сайта – SYMFONY & DRUPAL 8. Платформа не простая, но обещаем – мы не займём много времени, просто нужна консультационная поддержка квалифицированного разраба. Если вы можете помочь, то связаться с нами можно на страницах Facebook.com здесь и здесь.

Как ИИ может защитить нас от глобального потепления

Искусственный интеллект способен не только обыгрывать люде в видеоигры и генерировать фальшивое видео. Эндрю Ын, Демис Хассабис, Дженнифер Чейз, Йошуа Бенджио и другие эксперты в области ИИ подготовили совместный доклад о том, как нейросети могли бы спасти человечество от глобального изменения климата или, как минимум, снизить скорость этих изменений.

Доклад, составленный под редакцией Дэвида Рольника из Университета штата Пенсильвания, разбит на 13 областей, от энергетики до сельского хозяйства и климатологии. Рекомендации поделены на три категории: «высокоэффективные» для проблем, хорошо подходящих для машинного обучения; «долгосрочные» — для решений, которые не окупятся до 2040; и «рискованные» — методы с менее предсказуемым результатом. Издание MIT Technology Review выбрало рекомендации из категории наиболее эффективных.

Оценка потребности в электричестве. Если мы собираемся перейти на возобновляемую энергию, следует точнее рассчитать потребность в электроэнергии на сегодня и в долгосрочной перспективе. Уже существуют алгоритмы, прогнозирующие потребление энергии, но их можно улучшить.

Новые материалы. Ученым необходимы материалы, которые хранят, собирают и используют энергию более эффективно, но процесс открытия обычно слишком медленный и неточный. Машинное обучение могло бы разработать, например, солнечное топливо, поглощающее энергию солнечного света, или найти замену стали, которая ответственна за 10% всей эмиссии парниковых газов.

Оптимизация грузоперевозок и поставок. Перевозка грузов по всему миру — сложный и часто неэффективный процесс, требующий согласования массы параметров. Машинное обучение способно найти пути минимизации числа поездок и связанных с ними выхлопов.

Ускорение перехода на электротранспорт. Благодаря алгоритмам автопроизводители могут повысить дальность поездок на одном заряде и подготовить энергосети к нагрузке.

Повышение эффективности зданий. Умные системы управления могли бы значительно снизить энергопотребление зданий, принимая в расчет прогноз погоды, число жителей и совместив их с другими факторами: отоплением, охлаждением, вентиляцией и освещением.

Другие рекомендации из той же категории: создание возможностей развития точной агротехники, отслеживание процесса вырубки лесов и изменение отношения потребителей к окружающей среде на более бережное.

Пожалуйста, оцените статью:
Ваша оценка: None Средняя: 5 (3 votes)
Источник(и):

«ХайТек+:»https://hightech.plus/2019/06/22/kak-ii-mozhet-zashitit-nas-ot-globalnogo-potepleniya