圖片由美國宇航局的地球

隨著計算機變得越來越智能，科學家們正在尋找新的方法來讓它們參與環境保護。

當您想到人工智能時，您想到的第一個圖像可能是像人類一樣行走、說話和表達情感的有感知力的機器人。 但有一種不同類型的人工智能正在幾乎所有科學領域變得普遍。 它被稱為機器學習，它圍繞著讓計算機執行對現代技術允許我們生成的大量數據（又名“大數據”）進行排序的任務。

機器學習最有益的領域之一是環境科學，環境科學通過監測地球的各種系統（例如地下含水層、氣候變暖或動物遷徙）產生了大量信息。 在這個相對較新的領域（稱為計算可持續性）中湧現出大量項目，這些項目將收集的環境數據與計算機發現趨勢和預測地球未來的能力結合起來。 這對科學家和政策制定者很有用，因為它可以幫助他們制定如何在不斷變化的世界中生活和生存的計劃。 這裡僅介紹其中的幾個。

對於鳥類和大象

康奈爾大學似乎在這一新領域處於領先地位，可能是因為它擁有 計算可持續性研究所還因為該研究所所長 Carla P. Gomes 是計算可持續性的先驅之一。 戈麥斯表示，該領域始於 2008 年左右，當時美國國家科學基金會撥款 10 萬美元，推動計算機科學家開展具有社會效益的研究。 從那時起，她的團隊以及世界各地的科學家團隊就接受了這個想法並付諸實踐。

機器學習可以幫助環境的一個主要領域是物種保護。 特別是，康奈爾研究所一直與康奈爾鳥類學實驗室合作，將觀鳥者令人難以置信的熱情與科學觀察結合起來。 他們開發了一款名為 eBird 普通公民可以提交有關他們在周圍觀察到的鳥類的數據，例如在給定位置可以找到多少種不同的物種。 戈麥斯表示，到目前為止，他們已經有超過 300,000 萬志願者提交了超過 300 億條觀察結果，相當於超過 22 萬小時的實地工作。

樹燕每年遷徙的動畫展示瞭如何使用計算可持續性技術來預測跨空間和時間的種群變化。 圖片由康奈爾實驗室的 Daniel Fink 提供。 鳥類學系

該研究所的模型將eBird 收集的數據與實驗室自己的觀測數據以及從遙感網絡收集的物種分佈信息相結合，利用機器學習來預測某些物種的棲息地將發生變化，以及鳥類在遷徙過程中的移動路徑。移民。

“我們沒有觀察到，存在很大的差距，但如果你將出現和不存在的模式聯繫起來，我們就會發現這些鳥類喜歡某種棲息地，然後我們就可以進行概括，”戈麥斯說。 “我們實際上是在使用複雜的模型——機器學習算法——來預測鳥類的分佈情況。”

然後，他們可以與政策制定者和自然資源保護主義者分享他們的預測，他們可以利用它來決定如何最好地保護鳥類棲息地。

例如，戈麥斯表示，根據通過 eBird 收集並由合作夥伴處理的信息，大自然保護協會設立了一個 加州乾旱地區“反向拍賣”當鳥類可能遷徙並需要中途棲息地時，向稻農支付費用，讓他們在田地裡保留水。 “這之所以可能，是因為我們擁有先進的計算模型，可以為我們提供有關鳥類如何分佈的高精度信息，”戈麥斯說。

鳥類並不是唯一的研究領域。 該研究所的大部分工作都與野生動物保護有關——例如，通過聆聽數小時的森林錄音來繪製大象叫聲和偷獵者槍聲的位置，或者追踪灰熊以開闢一條走廊，讓它們在荒野中安全移動。

加快步伐

在美國宇航局戈達德太空飛行中心，研究科學家塞西爾·盧梭正在利用機器學習來更好地了解海洋中浮游植物（也稱為微藻）的分佈。 這些微小的植物漂浮在海面上，產生我們呼吸的大量氧氣。 它們構成了海洋食物網的基礎。 它們還消耗二氧化碳，當它們死亡時，它們會帶著碳沉入海底。

“如果沒有浮游植物，我們會看到二氧化碳的增加量比現在更大，”盧梭說。 因此，它們的總體狀態對於試圖了解大氣二氧化碳變化影響的研究人員來說是至關重要的信息₂ 在我們的星球上。

{{youtube}eM5lX9RQzZ4{/youtube}

盧梭正在利用衛星圖像和計算機建模來預測世界海洋浮游植物的當前和未來狀況。 目前，該模型只能估計地球上生活的微藻總數以及該總數如何隨時間變化。 但一項新的衛星任務名為 步伐 （“前氣溶膠雲和海洋生態系統”）將於 2022 年啟動，將開闢一個全新的數據集，更仔細地觀察種群，並能夠識別不同的物種，而不是簡單地觀察整體，這將大大提高更改當前模型。

“該模型使用基於溫度、光照和營養物質的參數來告訴我們生長量。 模擬所做的一件事就是調整總數，”她說。 但有許多不同類型的浮游植物都以獨特的方式與環境相互作用。 例如，矽藻很大，沉入海底的速度非常快，需要大量的營養。 PACE 將使識別海洋不同部分的浮游植物類型成為可能，從而擴展模型的能力，幫助我們了解微生物如何影響大氣二氧化碳₂。 它還將使我們能夠做一些事情，例如預測危險的藻華，並有可能找到方法，利用消耗大量碳的物種的才能來應對氣候變化。

地球立方體

談到整個地球，美國國家科學基金會正在利用機器學習來創建整個地球的 3D 活體模型。 這種名為“EarthCube”的數字表示將結合科學家提供的跨多個學科的數據集——例如大氣層和水圈或海洋地球化學的測量——以模擬地表之上、之上和之下的條件。 由於立方體將包含大量數據，它將能夠對不同的條件進行建模並預測地球系統將如何響應。 有了這些信息，科學家將能夠提出避免災難性事件的方法，或者在災難發生之前簡單地為那些無法避免的事件（例如洪水或惡劣天氣）做好計劃。

EarthCube 結合數據集創建一個模型，可用於預測和最大程度地減少災難性事件造成的損害。
圖片來源：Jeanne DiLeo/USGS作為 EarthCube 項目的一部分，美國地質調查局正在合作開展一個國家科學框架項目，以生產 數字地殼，一個框架將能夠更準確和更深入地了解地球的地下過程，例如地下水平衡和含水層系統的健康狀況。 “我們將能夠進行科學計算，顯示地下水位隨時間的變化，並且我們可以將其與未來的情景進行比較，”美國地質調查局生物地理特徵分部負責人兼地球立方數字地殼項目團隊負責人Sky Bristol 說道。 。

布里斯托爾說，當來自立方體不同部分（例如地殼和大氣）的兩個模型必須相互作用時，機器學習也會發揮作用。 例如，當地下水開採量增加且氣候變暖同時增加時，情況會怎樣？

Digital Crust 計劃於今年夏天完成。 Digital Crust 和所有 EarthCube 項目都將其數據和軟件開源。 因此，幾年之內，任何人都將能夠使用機器學習來預測未來地球的所有可能性。 這意味著致力於了解地球各種系統以及這些系統內部的變化將如何影響人類的地球科學家將擁有一種新工具，使他們能夠彼此共享來自世界各地的數據，從而使他們的預測更具影響力，並為人類提供機會對我們不斷變化的世界採取行動，而不是做出反應。

這些例子只是計算可持續性如何改變——並且正在改變——我們使地球上人類生活更加可持續的能力的一小部分。 僅在康奈爾大學，使用該技術的其他項目包括繪製發達國家的貧困地區和減貧效果、確定捕撈政策對海洋漁業的影響、發現可用於捕獲太陽能的新材料、確定船隻對鯨魚種群的撞擊，甚至揭示了美國增加汽油稅的效率和影響如果當前的趨勢有任何跡象的話，我們可以期待在未來幾年聽到更多關於人工智能如何幫助我們創造世界的信息一個更好的長期居住地。

這篇文章最初出現在 Ensia

關於作者

艾琳·比巴 (Erin Biba) 是紐約市的一名自由科學記者。 她的作品經常出現在 新聞周刊、科學美國人 和《流言終結者》 Tested.com.

相關書籍

at

感謝造訪 InnerSelf.com， 哪裡有 20,000+ 宣傳“新態度和新可能性”的改變生活的文章。 所有文章均翻譯為 超過30種語言. 訂閱 每週出版的《內在自我》雜誌和瑪麗·T·拉塞爾的《每日靈感》。 InnerSelf雜誌 自 1985 年起出版。