L'IA améliore continuellement les modèles climatiques. Crédit :Laboratoire national de Los Alamos
Alors que la planète continue de se réchauffer, les impacts du changement climatique s'aggravent. En 2016, il y a eu 772 événements météorologiques et catastrophes, tripler le nombre qui s'est produit en 1980. Vingt pour cent des espèces sont actuellement menacées d'extinction, et ce nombre pourrait atteindre 50 % d'ici 2100. Et même si tous les pays tiennent leurs engagements climatiques de Paris, d'ici 2100, il est probable que les températures mondiales moyennes seront 3˚C plus élevées qu'à l'époque préindustrielle.
Mais nous avons un nouvel outil pour nous aider à mieux gérer les impacts du changement climatique et protéger la planète :l'intelligence artificielle (IA). L'IA fait référence aux systèmes informatiques qui « peuvent détecter leur environnement, pense, apprendre, et agir en réponse à ce qu'ils ressentent et à leurs objectifs programmés, " selon un rapport du Forum économique mondial, Exploiter l'intelligence artificielle pour la Terre, rédigé par PwC Royaume-Uni.
En Inde, AI a aidé les agriculteurs à obtenir des rendements d'arachide 30 pour cent plus élevés par hectare en fournissant des informations sur la préparation de la terre, l'application d'engrais et le choix des dates de semis. En Norvège, L'IA a permis de créer un réseau électrique flexible et autonome, intégrer davantage d'énergies renouvelables.
Et l'IA a aidé les chercheurs à atteindre une précision de 89 à 99% dans l'identification des cyclones tropicaux, fronts météorologiques et rivières atmosphériques, ces derniers peuvent provoquer de fortes précipitations et sont souvent difficiles à identifier par les humains eux-mêmes. En améliorant les prévisions météorologiques, ces types de programmes peuvent aider à assurer la sécurité des personnes.
Qu'est-ce que l'intelligence artificielle, apprentissage automatique et apprentissage en profondeur ?
L'intelligence artificielle existe depuis la fin des années 1950, mais aujourd'hui, Les capacités de l'IA s'améliorent rapidement grâce à plusieurs facteurs :les grandes quantités de données collectées par les capteurs (dans les appareils, Véhicules, Vêtements, etc.), satellites et Internet; le développement d'ordinateurs plus puissants et plus rapides; la disponibilité de logiciels et de données open source ; et l'augmentation de l'abondance, stockage pas cher. L'IA peut désormais discerner rapidement des modèles que les humains ne peuvent pas, faire des prévisions plus efficacement et recommander de meilleures politiques.
Le Saint Graal de la recherche en intelligence artificielle est l'intelligence artificielle générale, quand les ordinateurs pourront raisonner, abstrait, comprendre et communiquer comme les humains. Mais on est encore loin de ça, il en faut 83, 000 processeurs 40 minutes pour calculer ce qu'un pour cent du cerveau humain peut calculer en une seconde. Ce qui existe aujourd'hui, c'est une IA étroite, qui est axé sur les tâches et capable de faire certaines choses, parfois mieux que ce que les humains peuvent faire, comme la reconnaissance de la parole ou des images et la prévision météorologique. Jouer aux échecs et classer les images, comme dans le marquage des personnes sur Facebook, sont des exemples d'IA étroite.
Lorsque Netflix et Amazon recommandent des émissions et des produits en fonction de notre historique d'achat, ils utilisent l'apprentissage automatique. Apprentissage automatique, qui s'est développée à partir d'une IA antérieure, implique l'utilisation d'algorithmes (ensembles de règles à suivre pour résoudre un problème) qui peuvent apprendre des données. Plus le système analyse de données, plus il devient précis à mesure que le système développe ses propres règles et que le logiciel évolue pour atteindre son objectif.
L'apprentissage en profondeur, un sous-ensemble de l'apprentissage automatique, implique des réseaux de neurones constitués de plusieurs couches de connexions ou de neurones, un peu comme le cerveau humain. Chaque couche a une tâche distincte et au fur et à mesure que les informations passent, les neurones lui attribuent un poids basé sur sa précision vis-à-vis de la tâche assignée. Le résultat final est déterminé par le total des poids.
L'apprentissage en profondeur a permis à un système informatique de comprendre comment identifier un chat - sans aucune intervention humaine sur les caractéristiques du chat - après avoir "vu" 10 millions d'images aléatoires de YouTube. Parce que le deep learning se déroule essentiellement dans une "boîte noire" grâce à des algorithmes d'auto-apprentissage et évolutifs, cependant, les scientifiques ne savent souvent pas comment un système parvient à ses résultats.
L'intelligence artificielle change la donne
Microsoft pense que l'intelligence artificielle, englobant souvent le machine learning et le deep learning, est un « changeur de jeu » pour le changement climatique et les problèmes environnementaux. Le programme AI for Earth de la société a engagé 50 millions de dollars sur cinq ans pour créer et tester de nouvelles applications pour l'IA. À terme, cela aidera à développer et à commercialiser les projets les plus prometteurs.
Une rivière atmosphérique au-dessus de la Californie. Crédit :NOAA
Maria Uriarte de l'Université Columbia, professeur d'écologie, Évolution et biologie environnementale, et Tian Zheng, professeur de statistiques au Data Science Institute, a reçu une subvention de Microsoft pour étudier les effets de l'ouragan Maria sur la forêt nationale d'El Yunque à Porto Rico. Uriarte et ses collègues veulent savoir comment les tempêtes tropicales, qui peut s'aggraver avec le changement climatique, affecter la répartition des espèces d'arbres à Porto Rico.
Les vents de l'ouragan Maria ont endommagé des milliers d'hectares de forêt tropicale, Cependant, la seule façon de déterminer quelles espèces d'arbres ont été détruites et lesquelles ont résisté à l'ouragan à une si grande échelle est d'utiliser des images. En 2017, un survol de Porto Rico par la NASA a donné des photographies à très haute résolution de la canopée des arbres. Mais comment est-il possible de distinguer une espèce d'une autre en regardant une masse verte d'en haut sur une si grande surface ? L'œil humain pourrait théoriquement le faire, mais il faudrait une éternité pour traiter les milliers d'images.
L'équipe utilise l'intelligence artificielle pour analyser les photographies haute résolution et les faire correspondre aux données d'Uriarte - elle a cartographié et identifié chaque arbre dans des parcelles données. En utilisant les informations au sol de ces parcelles spécifiques, L'IA peut comprendre à quoi ressemblent les différentes espèces d'arbres d'en haut dans les images de survol. « Ensuite, nous pouvons utiliser ces informations pour extrapoler à une plus grande zone, " a expliqué Uriarte. "Nous utilisons les données de l'intrigue à la fois pour apprendre [c'est-à-dire pour entraîner l'algorithme] et pour valider [les performances de l'algorithme]. »
Il est important de comprendre comment la répartition et la composition des forêts changent en réponse aux ouragans, car lorsque les forêts sont endommagées, la végétation se décompose et émet plus de CO2 dans l'atmosphère. Au fur et à mesure que les arbres repoussent, puisqu'ils sont plus petits, ils stockent moins de carbone. Si le changement climatique entraîne des tempêtes plus extrêmes, certaines forêts ne se remettront pas, moins de carbone sera stocké, et plus de carbone restera dans l'atmosphère, aggravant le réchauffement climatique.
Uriarte dit que son travail ne pourrait pas se faire sans intelligence artificielle. "L'IA va révolutionner ce domaine, " dit-elle. " Cela devient de plus en plus important pour tout ce que nous faisons. Cela nous permet de poser des questions à une échelle que nous ne pourrions pas poser d'en bas. Il n'y a pas grand chose à faire [sur le terrain]… et puis il y a des zones qui ne sont tout simplement pas accessibles. Les survols et les outils d'IA vont nous permettre d'étudier les ouragans d'une toute autre manière. C'est super excitant."
Un autre projet, nommé Assistant de protection pour la sécurité de la faune (PAWS) de l'Université de Californie du Sud, utilise l'apprentissage automatique pour prédire où le braconnage peut se produire à l'avenir. Actuellement, l'algorithme analyse les anciennes patrouilles de gardes forestiers et le comportement des braconniers à partir des données sur la criminalité ; une subvention de Microsoft l'aidera à l'entraîner à intégrer des données en temps réel pour permettre aux rangers d'améliorer leurs patrouilles.
Dans l'État de Washington, Vive les rois tente de restaurer les populations de truite arc-en-ciel et de saumon en déclin. Avec une subvention de Microsoft, l'organisation améliorera un modèle d'écosystème qui recueille des données sur la croissance du saumon et de la truite arc-en-ciel, suit les mouvements des poissons et des mammifères marins, et surveille les conditions marines. Le modèle aidera à améliorer l'écloserie, récolte, et la gestion des écosystèmes, et soutenir les efforts de protection et de restauration de l'habitat.
Comment l'IA est utilisée pour l'énergie
L'IA est de plus en plus utilisée pour gérer l'intermittence des énergies renouvelables afin d'en intégrer davantage dans le réseau ; il peut gérer les fluctuations de puissance et améliorer le stockage d'énergie.
Le laboratoire national d'accélérateurs SLAC du ministère de l'Énergie exploité par l'Université de Stanford utilisera l'apprentissage automatique et l'intelligence artificielle pour identifier les vulnérabilités du réseau, les renforcer avant les échecs, et rétablir l'alimentation plus rapidement en cas de panne. Le système étudiera d'abord une partie du réseau en Californie, analyser les données des sources d'énergie renouvelables, stockage de batterie, et l'imagerie satellite qui peut montrer où les arbres poussant sur les lignes électriques peuvent causer des problèmes lors d'une tempête. L'objectif est de développer un réseau capable de gérer automatiquement les énergies renouvelables sans interruption et de récupérer des défaillances du système avec peu d'intervention humaine.
Les entreprises éoliennes utilisent l'IA pour que l'hélice de chaque éolienne produise plus d'électricité par rotation en incorporant des données météorologiques et opérationnelles en temps réel. Sur les grands parcs éoliens, les hélices de la première rangée créent un sillage qui diminue l'efficacité de ceux qui les suivent. L'IA permettra à chaque hélice individuelle de déterminer la vitesse et la direction du vent provenant d'autres hélices, et ajuster en conséquence.
Des chercheurs du ministère de l'Énergie et de la National Oceanic and Atmospheric Administration (NOAA) utilisent l'IA pour mieux comprendre les conditions atmosphériques afin de projeter plus précisément la production d'énergie des parcs éoliens.
Art créé par l'apprentissage en profondeur. Crédit :Gene Kogan
L'intelligence artificielle peut améliorer l'efficacité énergétique, trop. Google a utilisé l'apprentissage automatique pour aider à prédire quand l'énergie de ses centres de données était la plus demandée. Le système a analysé et prédit quand les utilisateurs étaient les plus susceptibles de regarder des vidéos Youtube gourmandes en données, par exemple, et pourrait alors optimiser le refroidissement nécessaire. Par conséquent, Google a réduit sa consommation d'énergie de 40 %.
Rendre les villes plus vivables et durables
L'IA peut également améliorer l'efficacité énergétique à l'échelle de la ville en incorporant les données des compteurs intelligents et de l'Internet des objets (l'Internet des appareils informatiques intégrés dans les objets du quotidien, leur permettant d'envoyer et de recevoir des données) pour prévoir la demande d'énergie. En outre, les systèmes d'intelligence artificielle peuvent simuler des lois de zonage potentielles, ordonnances de construction, et les plaines inondables pour aider à la planification urbaine et à la préparation aux catastrophes. Une vision pour une ville durable est de créer un « tableau de bord urbain » composé de données en temps réel sur l'utilisation et la disponibilité de l'énergie et de l'eau, la circulation et la météo pour rendre les villes plus économes en énergie et plus vivables.
En Chine, Le projet Green Horizon d'IBM utilise un système d'IA qui peut prévoir la pollution de l'air, suivre les sources de pollution et élaborer des stratégies potentielles pour y faire face. Il peut déterminer si, par exemple, il serait plus efficace de restreindre le nombre de conducteurs ou de fermer certaines centrales afin de réduire la pollution dans une zone particulière.
Un autre système IBM en développement pourrait aider les villes à planifier les futures vagues de chaleur. L'IA simulerait le climat à l'échelle urbaine et explorerait différentes stratégies pour tester dans quelle mesure elles atténuent les vagues de chaleur. Par exemple, si une ville voulait planter de nouveaux arbres, des modèles d'apprentissage automatique pourraient déterminer les meilleurs endroits pour les planter afin d'obtenir une couverture arborée optimale et de réduire la chaleur de la chaussée.
Agriculture intelligente
Les températures plus élevées auront également des impacts importants sur l'agriculture.
Les données des capteurs sur le terrain qui surveillent l'humidité des cultures, la composition et la température du sol aident l'IA à améliorer la production et à savoir quand les cultures ont besoin d'être arrosées. En intégrant ces informations à celles des drones, qui sont également utilisés pour surveiller les conditions, peut aider les systèmes d'IA de plus en plus automatiques à connaître les meilleurs moments pour planter, pulvériser et récolter les cultures, et quand éviter les maladies et autres problèmes. Cela se traduira par une efficacité accrue, rendements améliorés, et une moindre consommation d'eau, engrais et pesticides.
Protéger les océans
L'Ocean Data Alliance travaille avec l'apprentissage automatique pour fournir des données provenant de satellites et d'exploration océanique afin que les décideurs puissent surveiller la navigation, exploitation minière océanique, faire de la pêche, le blanchissement des coraux ou l'apparition d'une maladie marine. Avec des données presque en temps réel, les décideurs et les autorités seront en mesure de répondre plus rapidement aux problèmes. L'intelligence artificielle peut également aider à prédire la propagation des espèces envahissantes, suivre les déchets marins, surveiller les courants océaniques, suivre les zones mortes et mesurer les niveaux de pollution.
The Nature Conservancy s'associe à Microsoft pour utiliser l'IA pour cartographier la richesse des océans. Évaluer la valeur économique des services écosystémiques océaniques, tels que la récolte de fruits de mer, stockage de carbone, le tourisme et plus encore, permettront de prendre de meilleures décisions en matière de conservation et de planification. Les données seront utilisées pour construire des modèles qui prennent en compte la sécurité alimentaire, la création d'emplois et les rendements de la pêche pour montrer la valeur des services écosystémiques dans différentes conditions. Cela peut aider les décideurs à déterminer les domaines les plus importants pour la productivité du poisson et les efforts de conservation, ainsi que les compromis des décisions potentielles. Le projet dispose déjà de cartes et de modèles pour la Micronésie, les Caraïbes, Floride, et s'étend à l'Australie, Haïti, et la Jamaïque.
Des transports terrestres plus durables
À mesure que les véhicules deviennent capables de communiquer entre eux et avec l'infrastructure, l'intelligence artificielle aidera les conducteurs à éviter les dangers et les embouteillages. À Pittsburgh, un système d'intelligence artificielle intégrant des capteurs et des caméras qui surveille la circulation ajuste les feux de circulation en cas de besoin. Les systèmes fonctionnent à 50 intersections avec des plans pour 150 autres, et ont déjà réduit le temps de déplacement de 25 pour cent et la marche au ralenti de plus de 40 pour cent. Moins de marche au ralenti, bien sûr, signifie moins d'émissions de gaz à effet de serre.
Finalement, les systèmes de transport partagé autonomes pilotés par l'IA peuvent remplacer les véhicules personnels.
De meilleures prévisions climatiques
Alors que le climat change, des projections précises sont de plus en plus importantes. Cependant, les modèles climatiques produisent souvent des prévisions très différentes, en grande partie à cause de la façon dont les données sont décomposées en parties distinctes, comment les processus et les systèmes sont jumelés, et en raison de la grande variété d'échelles spatiales et temporelles. Les rapports du Groupe d'experts intergouvernemental sur l'évolution du climat (GIEC) sont basés sur de nombreux modèles climatiques et montrent l'éventail des prévisions, qui sont ensuite moyennés.
En les faisant la moyenne, cependant, signifie que chaque modèle climatique reçoit le même poids. L'IA aide à déterminer quels modèles sont les plus fiables en donnant un poids supplémentaire à ceux dont les prédictions s'avèrent finalement plus précises, et moins de poids à ceux qui fonctionnent mal. Cela contribuera à améliorer la précision des projections du changement climatique.
L'IA et l'apprentissage en profondeur améliorent également les prévisions météorologiques et la prédiction des événements extrêmes. C'est parce qu'ils peuvent incorporer beaucoup plus de la complexité du monde réel du système climatique, tels que la dynamique atmosphérique et océanique et la chimie océanique et atmosphérique, dans leurs calculs. Cela affine la précision de la modélisation météorologique et climatique, rendre les simulations plus utiles aux décideurs.
L'IA a de nombreuses autres utilisations
L'IA peut aider à surveiller les écosystèmes et la faune et leurs interactions. Ses vitesses de traitement rapides peuvent offrir des données satellitaires presque en temps réel pour suivre l'exploitation forestière illégale dans les forêts. L'IA peut surveiller la qualité de l'eau potable, gérer l'utilisation de l'eau résidentielle, détecter les fuites souterraines dans les réseaux d'adduction d'eau potable, et prédire quand les plantes aquatiques ont besoin d'entretien. Il peut également simuler des événements météorologiques et des catastrophes naturelles pour trouver des vulnérabilités dans la planification des catastrophes, déterminer quelles stratégies de réponse aux catastrophes sont les plus efficaces, et assurer la coordination des interventions en cas de catastrophe en temps réel.
Quels sont les risques de l'intelligence artificielle ?
Alors que l'IA nous permet de mieux gérer les impacts des changements climatiques et de protéger l'environnement en plus de transformer les domaines d'activité, la finance, soins de santé, Médicament, loi, l'éducation et plus, ce n'est pas sans risques. Certaines personnalités telles que le regretté physicien Stephen Hawking et le PDG de Tesla, Elon Musk, ont mis en garde contre les dangers existentiels d'une intelligence artificielle incontrôlée.
Le rapport du Forum économique mondial a identifié six catégories de risques liés à l'IA :
Pour faire face à ces risques, le Forum économique mondial déclare que le gouvernement et l'industrie « doivent assurer la sécurité, l'explicabilité, transparence et validité de l'application de l'IA." Plus d'interaction entre les entités publiques et privées, technologues, les décideurs politiques et même les philosophes, et davantage d'investissements dans la recherche sont nécessaires pour éviter les risques potentiels de l'intelligence artificielle et pour réaliser ses avantages potentiels pour l'environnement et l'humanité.
Cette histoire est republiée avec l'aimable autorisation de Earth Institute, Université de Columbia http://blogs.ei.columbia.edu.
