人工智能如何帮助应对环境挑战?
我们无法管理我们无法衡量的东西,这是一句古老的商业格言。随着世界面临气候变化、自然和生物多样性丧失、污染和浪费三重全球危机,这在今天比以往任何时候都更加真实。
如今,我们可用的气候数据比以往任何时候都多,但如何访问、解释和处理这些数据对于管理这些危机至关重要。其中一项核心技术是人工智能 (AI)。
那么,人工智能究竟意味着什么?
“人工智能是指执行通常需要人类智能的任务的系统或机器,并且可以根据他们收集的信息随着时间的推移迭代地改进自己,”联合国环境规划署(UNEP)数字转型次级项目协调员David Jensen 说。
Jensen 强调了人工智能可以在应对环境挑战方面发挥作用的几个领域,从设计更节能的建筑到监测森林砍伐,再到优化可再生能源部署。
“这可以是大规模的——例如全球排放的卫星监测,或者更细化的规模——例如智能房屋在一定时间后自动关闭灯或暖气,”他补充道。
通知实时分析
UNEP 的世界环境情况室(WESR) 于 2022 年推出,是一个利用人工智能分析复杂、多方面数据集的数字平台。
在合作伙伴联盟的支持下,WESR 对可用的最佳地球观测和传感器数据进行管理、汇总和可视化,以提供近乎实时的分析和对多种因素的未来预测,包括二氧化碳大气浓度、冰川质量变化和海平面上升。
Jensen 说:“WESR 正在发展成为一个用户友好、需求驱动的平台,它将数据利用到政府办公室、教室、市长办公室和董事会会议室。我们需要可信、可信赖和独立的数据来为决策提供信息并提高透明度– WESR 提供了这一点,”他补充道。
“随着时间的推移,WESR 的目标是成为地球的任务控制中心,我们所有重要的环境指标都可以在这里无缝监控以推动行动。”
监测甲烷排放
WESR 数字生态系统内由环境署牵头的举措之一是国际甲烷排放观测站 (IMEO),它利用人工智能彻底改变监测和减少甲烷排放的方法。
该平台作为经经验验证的甲烷排放的全球公共数据库运行。它利用人工智能将这些数据与科学、透明度和政策行动战略性地互连起来,为数据驱动的决策提供信息。
“IMEO 的技术使我们能够收集和整合不同的甲烷排放数据流,从而以前所未有的准确度和粒度建立经经验验证的甲烷排放的全球公共记录,”Jensen 说。
“减少能源部门的甲烷排放是限制气候变暖影响的最快、最可行和最具成本效益的方法之一,可靠的数据驱动的行动将在实现这些减排方面发挥重要作用,”他补充道。
跟踪空气质量
环境署与 IQAir 合作发起的另一项环境监测计划是GEMS 空气污染监测平台。它是世界上最大的全球空气质量信息网络。IQAir 汇总了来自 140 多个国家/地区的 25,000 多个空气质量监测站的数据,并利用 AI 洞察实时空气质量对人群的影响,并帮助制定健康保护措施。
“这些平台允许私营和公共部门利用数据和数字技术,以加速全球环境行动并从根本上破坏一切照旧的模式,” Jensen说。“最终,它们可以以前所未有的速度和规模为系统性变革做出贡献,”他补充道。
测量环境足迹
人工智能可以发挥作用的其他领域是计算产品的环境和气候足迹。“人工智能将成为这一领域的基础,” Jensen 说。
“它可以帮助计算产品在整个生命周期和供应链中的足迹,并使企业和消费者能够做出最明智和最有效的决策。这种数据对于亚马逊、Shopify 或阿里巴巴等电子商务平台上的可持续数字推动至关重要。”
减少 ICT 排放
Jensen 说,虽然数据和人工智能对于加强环境监测是必要的,但我们还必须考虑处理这些数据的环境成本。
“ICT 部门产生了大约 3-4% 的排放量,数据中心使用大量的水进行冷却。正在努力减少这一足迹——包括通过CODES 数字时代可持续星球行动计划——这是联合国秘书长数字合作路线图的衍生举措之一。
但电子废物是一个主要问题,因为目前只有 17.4% 的电子废物以环保方式回收和处置。根据联合国全球电子废物监测报告,到 2030 年,电子废物将增长到近 7500 万吨。
联合国环境署的研究表明,为了解决这种浪费,消费者应该减少消费,回收电子产品并修复那些可以修复的产品。
联合国环境署站在支持《 巴黎协定》 目标的前沿,该目标将全球气温上升幅度控制在远低于 2°C 的范围内,并以安全为目标,与工业化前的水平相比,目标是 1.5°C。为此,环境署制定了 六部门解决方案 路线图,以根据《巴黎协定》的承诺和追求气候稳定来减少跨部门的排放。六个部门是能源;工业; 农业和食品;森林和土地利用;交通、建筑和城市。
以上是人工智能如何帮助应对环境挑战?的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

本站8月1日消息,SK海力士今天(8月1日)发布博文,宣布将出席8月6日至8日,在美国加利福尼亚州圣克拉拉举行的全球半导体存储器峰会FMS2024,展示诸多新一代产品。未来存储器和存储峰会(FutureMemoryandStorage)简介前身是主要面向NAND供应商的闪存峰会(FlashMemorySummit),在人工智能技术日益受到关注的背景下,今年重新命名为未来存储器和存储峰会(FutureMemoryandStorage),以邀请DRAM和存储供应商等更多参与者。新产品SK海力士去年在

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S
