Τεχνητή νοημοσύνη και κλιματική κρίση

Κλιματική κρίση: Ένας ειδικός εξηγεί πώς η τεχνητή νοημοσύνη μπορεί να συμβάλλει στην αντιμετώπισή της

Η αντιμετώπιση της σοβαρότατης κλιματικής κρίσης φαίνεται να απουσιάζει από τις πολιτικές ατζέντες, διότι μάλλον θεωρείται ζήτημα δευτερευούσης σημασίας.

Συνήθως, εμφανίζεται ως παράμετρος σε προγράμματα επιδοτούμενης ενεργειακής αναβάθμισης, μέσω των οποίων ανακαινίζονται εξ ολοκλήρου κατοικίες – με διάφορες παρασπονδίες.

Κατά τ’ άλλα, παρακολουθούμε αμέριμνοι τις συνεχείς μολύνσεις στα ύδατα, στις ακτές, στα πάρκα και στα σημεία που παρατηρείται έντονη διέλευση περαστικών. Χαρακτηριστικό παράδειγμα, οι εικόνες ντροπής που είδαν το φως της δημοσιότητας μετά το φετινό πρωτοχρονιάτικο γλέντι στην Πλατεία Αριστοτέλους.

Μπορεί, λοιπόν, να αδιαφορούμε εγκληματικά ως κοινωνικό σύνολο και ως πολιτεία για το κλίμα, όμως η επιστημονική κοινότητα αναζητά διαρκώς λύσεις για το εν λόγω ζήτημα που επηρεάζει κάθε ον σε αυτόν τον ταλαίπωρο πλανήτη.

Τα εργαλεία που προσφέρει η τεχνητή νοημοσύνη αποτελούν διαρκώς θέμα συζήτησης τόσο στη δημόσια σφαίρα και στις προσωπικές συζητήσεις, όσο και στις επιστημονικές ομάδες.

Ναι μεν υπάγεται, με την «κλειστή» έννοια, στον τομέα της πληροφορικής, αλλά μπορεί να προσφέρει δυνητικά σε κάθε επιστημονική έρευνα.

Συγκεκριμένα, όσον αφορά στην αντιμετώπιση της κλιματικής κρίσης, ο επίκουρος καθηγητής του Εθνικού Μετσόβιου Πολυτεχνείου και συνεργάτης ερευνητής στο ΙΑΑΔΕΤ, Γιάννης Παπουτσής, δήλωσε στο Αθηναϊκό-Μακεδονικό Πρακτορείο Ειδήσεων ότι η τεχνητή νοημοσύνη αναμένεται να διαδραματίσει σημαντικότατο ρόλο.

Καταρχάς, βάσει των λεγομένων του κ. Παπουτσή, η τεχνητή νοημοσύνη ενδέχεται να λειτουργήσει επικουρικά στην πρόληψη – αλλά και στην πρόβλεψη – της εμφάνισης κάποιας φυσικής καταστροφής.

«Εδώ εστιάζουμε σε σχέση με την κλιματική αλλαγή στα ακραία φαινόμενα, τα ακραία γεγονότα, που είναι διαφορετικό από το να προβλέπει κανείς έναν μέσο κίνδυνο. Δηλαδή στο γεγονός εκείνο που έχει τη δυναμική να εξελιχθεί σε κάποια πολύ μεγάλη καταστροφή, όπως αυτές που έχουμε βιώσει στην Ελλάδα και με τις πλημμύρες και με τις δασικές πυρκαγιές.

«Η τεχνητή νοημοσύνη θα προσπαθήσει να προβλέψει αυτή την αύξηση στη συχνότητα και στην ένταση των φαινομένων αυτών και των καταστροφών που προκαλούν», ανέφερε ο κ. Παπουτσής.

Συγχρόνως, γίνεται αναφορά στην εξηγήσιμη τεχνητή νοημοσύνη (explainable artificial intelligence).

«Να φτιάξουμε, δηλαδή, δεδομένα ερμηνεύσιμα, έτσι ώστε να χτιστεί μία εμπιστοσύνη σε αυτά που παράγουμε. Για παράδειγμα, στον επιχειρησιακό παράγοντα δεν αρκεί να πεις μόνο πού θα είναι υψηλός ο κίνδυνος για την εκδήλωση μιας πυρκαγιάς ή μιας πλημμύρας, αλλά θα πρέπει να του εξηγήσεις τον λόγο που ένα μοντέλο έχει φτάσει σε ένα τέτοιο συμπέρασμα», σημείωσε.

Ακόμη, θεμέλιο λίθο του εγχειρήματος αναμένεται να αποτελέσει η αιτιότητα.

«Υπάρχουν κάποιες αλγοριθμικές προσεγγίσεις που προσπαθούν να συνδέσουν το αίτιο με το αποτέλεσμα. Δηλαδή, να λέμε ότι όταν έχουμε παρατεταμένη θερμοκρασία πάνω από τόσο, και βροχοπτώσεις λιγότερο από τόσο, τότε έχουμε υψηλό κίνδυνο για την έναρξη και εξάπλωση μιας καταστροφικής δασικής πυρκαγιάς».

«Ωστόσο, να προσπαθήσει να το κάνει αυτό με έναν τρόπο όχι εμπειρικό, αλλά μέσα από τα δεδομένα ότι υπάρχει αυτή η σχέση αιτίου-αποτελέσματος και όχι μία συσχέτιση, αλλά μια σχέση αιτιότητας που είναι διαφορετικό σε επιστημονικούς όρους, η συσχέτιση με την αιτιότητα».

«Όταν κανείς αξιοποιεί την τεχνητή νοημοσύνη για γεγονότα που έχουν να κάνουν με την κλιματική αλλαγή και τις φυσικές καταστροφές καλείται να κάνει earth system deep learning.

«Δηλαδή, για να μπορέσω να προβλέψω τι θα γίνει στην Ελλάδα σε δύο μήνες από τώρα πρέπει να αντλήσω πληροφορία για τις μετεωρολογικές συνθήκες για κλιματικούς δείκτες από παντού στον κόσμο».

«Είναι μια νέα κατεύθυνση που, στην ουσία, προσπαθεί να αξιοποιήσει παρατηρήσεις σε παγκόσμια κλίμακα για να μπορέσει κανείς να πει τι θα γίνει τοπικά», πρόσθεσε ο κ. Παπουτσής.

@climateincolour

Everyone is obsessed with AI…BUT…there are very real and valid limitations and risks to applying this technology to the climate crisis. 🚨Let’s start with the elephant in the room, EMISSIONS. AI algorithms are energy intensive. Take Google’s BERT algorithm that powers its search engine – in one run, the algorithm produces as much carbon as a round-trip flight between New York and San Francisco. And models are not just run once, they are run dozens and even hundreds of times. 🚨Next up is BIAS in training data. Algorithms are trained on datasets that often hold embedded racist, gender-discriminatory, homophobic or sensitive images and words. These datasets keep getting larger making them hard to audit. The link to environmental data? Camera trap data, for example, used for wildlife conservation,have been found to contain “human bycatch”, images of humans going about their daily lives including images of women going to the toilet, feeding sensitive and private images into large environmental databases. 🚨BAD ACTORS. Much of the data used to train environmental machine learning models are privately owned and used to accelerate environmental exploitation. For instance, large poaching groups can use wildlife data to better understand and predict animal populations’ movements. 🚨POWER DYNAMICS. The centres of AI lie in the Global North. Who gets to decide what climate action is conducted as a result of data analysis and how well do these people understand the political and environmental landscape on the ground in their case studies? These are just a few of the many concerns and considerations that must be addressed for AI to have the beneficial impact that it could. SOURCES: 1. We read the paper that forced Timnit Gebru out of Google. Here’s what it says [MIT Technology Review] 2. Human Bycatch: Conservation Surveillance and the Social Implications of Camera Traps [Chris Sandrbook et al., 2018] 3. Environmental data justice by Joycelyn Longdon (me) – [The Lancet Planetary Health] 4. Spectrogram image from QUT Acoustics Lab #climatetech #artificialintelligence #climatesolutions

♬ Chill Day – LAKEY INSPIRED

«Υπάρχει ένας πολύ μεγάλος πλούτος από δεδομένα, όπως παρατηρήσεις από επίγεια δίκτυα, μετεωρολογικά, πτητικά, σεισμογράφους, επιστημονικά όργανα με αποτέλεσμα να έχουν συγκεντρωθεί πάρα πολλά δεδομένα, είτε αυτά είναι δορυφορικά δεδομένα. […]»

«Ο πλούτος δεδομένων που έχουμε, η πολύ καλή υπολογιστική ισχύ πλέον με τις κάρτες γραμμικών και με τους υπερυπολογιστές […] και το αλγοριθμικό κομμάτι της τεχνητής νοημοσύνης […], αν λάβει κανείς υπόψη και τα τρία αυτά μαζί, μπορεί να αξιοποιήσει αυτό το ιστορικό αρχείο δεδομένων όπου είχαμε παρατηρήσεις από φυσικές καταστροφές».

«[…] Αυτή είναι η μεγάλη συμβολή της τεχνητής νοημοσύνης, να μπορεί σε διάφορες χωρικές και χρονικές κλίμακες να προβλέψει τον κίνδυνο για μια σειρά από καταστροφές», υπογράμμισε ο κ. Παπουτσής.

@workingfires How can AI be used in the fight against climate change? #workingfires #AI #ArtificialIntelligence #AIforClimateChange #ClimateTech #ClimateChangeSolutions #SustainableAI ♬ original sound – WorkingFires

Σαφώς, αναφορικά με την κλιματική αλλαγή, από επιστημονική οπτική, υπάρχουν ορισμένα ζητήματα προς μελέτη και διερεύνηση. Ταυτόχρονα, επικρατεί έντονος αναβρασμός γύρω από το ChatGPT και τα αντίστοιχα εργαλεία που μπορούν να κατασκευαστούν στο μέλλον.

Εκτός, βέβαια, από την επιστημονική κοινότητα, η τεχνητή νοημοσύνη έχει προσελκύσει το ενδιαφέρον των επιχειρησιακών φορέων που καλούνται να διαχειριστούν φυσικές καταστροφές και ακραία φαινόμενα.

Όπως επισημαίνει ο κ. Παπουτσής, οι επιχειρησιακοί φορείς πλέον πλαισιώνονται και από επιστήμονες, απλώς χρειάζεται αυτοί οι δύο κόσμοι να έρθουν λίγο πιο κοντά. Κι αυτό χρειάζεται προσπάθεια και από τις δύο πλευρές.

«Υπάρχει απόσταση που πρέπει να καλυφθεί και από τις δύο πλευρές. Ένα μοντέλο που θα παρουσιαστεί σε έναν επιχειρησιακό φορέα και θα αφορά στην πλημμύρα ή στην πιθανή έναρξη μιας κατολίσθησης πρέπει να είναι εξηγήσιμο, πρώτα για επιστημονικούς σκοπούς αλλά και για να βοηθήσει αυτόν που θα λάβει απόφαση να τον εμπιστευτεί».

«Γιατί το θέμα της εμπιστοσύνης είναι πολύ σημαντικό γενικότερα στην τεχνητή νοημοσύνη, αλλά ειδικότερα όταν συνδέεται με αποφάσεις που έχουν να κάνουν με την ανθρώπινη ζωή, με οικονομικό, περιβαλλοντικό αντίκτυπο κ.λπ».

«Άρα, πρέπει να δημιουργηθεί ένα μοντέλο που να είναι εξηγήσιμο και αυτή η εξήγηση να συνάδει με την εμπειρική γνώση που έχει ο επιχειρησιακός φορέας […]», εξήγησε ο κ. Παπουτσής.

More like this