Key takeaways
- Forskare använder AI för att minska överfiske i Afrikas Nilbassäng.
- Projektet är en del av en större satsning för att utnyttja AI för att förbättra hållbarheten inom ett brett spektrum av branscher.
-
Men en expert säger att mängden energi och andra resurser som krävs för att implementera AI-hårdvara och mjukvara kan skapa sina egna problem.
Artificiell intelligens (AI) hjälper till att förhindra överfiske i ett försök att skydda världens snabbt minskande utbud av ätbara marina arter.
Ett nytt projekt använder AI för att förbättra identifieringen och mätningen av fiskarter i Afrikas Nilbassäng. Programvaran kan hjälpa forskare att förstå fiskpopulationens täthet snabbare än mänskliga observatörer. Det är en del av en större ansträngning att utnyttja AI för att förbättra hållbarheten inom ett brett spektrum av branscher.
"Det lovande med AI är att det nu gör det möjligt för oss att utföra uppgifter som skulle vara tidskrävande eller omöjligt komplexa med traditionella metoder, med betydligt snabbare och effektivare," Andrew Dunckelman, chef för effekt och insikter på Google.org, sökjättens välgörenhetsarm, berättade för Lifewire i en e-postintervju.
Something Fishy
FN:s livsmedels- och jordbruksorganisation arbetar för att förbättra tillgången till AI-tekniken som övervakar fiskbestånd. Att få mer information om fiskarter kan hjälpa till att bygga algoritmer för att identifiera arter och deras platser och känna igen eventuella förändringar.
FN uppskattar att en tredjedel av alla fiskbestånd nu är överfiskade och inte längre är hållbara. För att hjälpa till att hålla fiskbestånden säkra använder University of Floridas forskare också AI för att se till att fiskare inte fångar hotade arter. AI-modellerna uppskattar platserna för hotade arter där fiske bedrivs, vilket hjälper yrkesfiskare att undvika fiske i dessa områden.
"AI är inte en silverkula för alla våra problem", säger Zachary Siders, vetenskapsmannen som utvecklade applikationen, i pressmeddelandet. "Vi måste ha i våra sinnen att de beslut vi tillåter ett AI-system att fatta har verkliga konsekvenser för fiskeindustrins försörjning såväl som oersättliga arter."
AI håller koll
Det är inte bara fiskar som AI håller ett öga på när det kommer till miljön. Climate TRACE, världens plattform för övervakning av växthusgaser i nästan re altid (GHG), hjälper till att identifiera var utsläppen kommer ifrån och att peka ut var ansträngningarna för att minska koldioxidutsläppen bör fokuseras.
Det finns också Restor.eco, en plattform för öppen dataåterställning som finns på Google Earth. Den tillhandahåller vetenskapliga data och högupplösta satellitbilder för att tillåta forskare att analysera restaureringspotentialen för vilken plats som helst på jorden. Programmet kan i huvudsak kartlägga mark för att förutsäga var träd kan växa naturligt.
Dunckelman sa att Google har upptäckt att program når sina mål snabbare med AI. Han noterade fallet med BlueConduit, en organisation som kom ur vattenkrisen i Flint, Michigan. Gruppen byggde en maskininlärningsplattform som använder data om åldern på hem, stadsdelar och kända blyservicelinjer för att förutsäga om ett hem servas med blyrör.
"Tidigare var det enda sättet att veta detta vara att fysiskt gräva [på] varje plats och inspektera för blyrör, vilket är kostsamt och tidskrävande", sa Dunckelman. "Genom introduktionen av maskininlärning kan BlueConduit nu snabbt förutsäga med större noggrannhet om ett hem servas med blylinjer, vilket kan driva politiska beslut som har en betydande inverkan på både folkhälsan och statliga resurser."
Men inte alla håller med om att stora teknikföretag nödvändigtvis kan lösa planetens problem genom AI. Eric Nost, en biträdande professor vid University of Guelph som forskar om hur datateknik informerar miljöstyrning, sa att nya studier har väckt oro över mängden energi och andra resurser som krävs för att implementera AI-hårdvara och mjukvara.
"Jag misstänker att många forskare kommer att ha svårt att översätta AI-baserade resultat till faktiska policyer eller beslut om den AI inte har utvecklats med policy och beslutsfattare i åtanke, särskilt i ljuset av utmaningarna med att förklara hur en AI kommer fram till sina resultat", sa han till Lifewire i en e-postintervju.
AI är inte en kula på alla våra problem.
AI för hållbarhet är fortfarande i sin linda också, erkände Dunckelman. Fältet saknar fortfarande tillräckligt med datamängder och modeller som behövs för att driva framsteg.
"Vi vet till exempel alla att det sker utsläpp i världen, men vi vet inte riktigt var de kommer ifrån", tillade Dunckelman. "Allt vi har är vad utsläpparna själva säger att de gör, vilket är ofullkomligt."
