Key takeaways
- AI-modeller kan hjälpa till att förutsäga klimatförändringar, säger experter.
- Ett nytt AI-verktyg kallat IceNet skulle kunna göra det möjligt för forskare att exakt förutsäga arktiska havsisdjup.
-
AI och väderanalys kan också hjälpa till att bekämpa klimatförändringarna genom att minska utsläppen i leveranskedjan.
När det finns bevis för att extremväder i sommar drivs av klimatförändringar, hjälper artificiell intelligens att förutsäga var förhållandena kommer att förändras.
Ett nytt AI-verktyg kan göra det möjligt för forskare att mer exakt förutsäga arktiska havsis månader in i framtiden. IceNet är nästan 95% korrekt när det gäller att förutsäga om havsis kommer att finnas två månader framåt, säger forskare. Det är en av ett växande antal användningsområden för AI för att förutsäga klimatförändringar.
"AI har avsevärt förbättrat effektiviteten i att köra komplexa klimatmodeller som historiskt har varit beräkningsintensiva", sa Daniel Intolubbe-Chmil, analytiker vid Harbour Research, till Lifewire i en e-postintervju.
No Ice, Ice, Baby
IceNet arbetar med den enorma utmaningen att göra exakta arktiska havsisprognoser för den kommande säsongen. Forskare beskrev hur IceNet fungerar i en ny artikel publicerad i tidskriften Nature Communications.
"Ytnära lufttemperaturer i Arktis har ökat med två till tre gånger hastigheten jämfört med det globala genomsnittet, ett fenomen som kallas arktisk förstärkning, orsakat av flera positiva återkopplingar", skrev forskarna i tidningen. "Stigande temperaturer har spelat en nyckelroll för att minska arktisk havsis, med havsisens utbredning i september nu ungefär hälften så stor som 1979 när satellitmätningar av Arktis började."
Havsis är svår att förutse på grund av dess komplexa förhållande till atmosfären ovanför och havet nedanför, enligt tidningens författare. Till skillnad från konventionella prognossystem som försöker modellera fysikens lagar direkt, designade forskarna IceNet baserat på ett koncept som kallas djupinlärning. Genom detta tillvägagångssätt "lär sig" modellen hur havsis förändras från tusentals år av klimatsimuleringsdata, tillsammans med årtionden av observationsdata, för att förutsäga utbredningen av arktisk havsis månader in i framtiden.
"Arctic är en region i frontlinjen av klimatförändringar och har sett en betydande uppvärmning under de senaste 40 åren", sa tidningens huvudförfattare, Tom Andersson, en dataforskare vid BAS AI Lab, i en nyhet släpp. "IceNet har potential att fylla ett akut tomrum när det gäller att prognostisera havsis för arktiska hållbarhetsinsatser och går tusentals gånger snabbare än traditionella metoder."
AI kastar ett brett nät
Andra AI-simulatorer håller också ett öga på klimatförändringarna. Forskare har utnyttjat tekniken Deep Emulator Network Search, till exempel för att förbättra en simulering kring hur sot och aerosoler reflekterar och absorberar solljus. Undersökningen visade att emulatorn var 2 miljarder gånger snabbare och mer än 99,999 % identisk med deras fysiska simulering.
AI och väderanalys kan också hjälpa till att bekämpa klimatförändringarna genom att minska utsläppen i försörjningskedjan, sa Renny Vandewege, vice VD på väderprognosföretaget DTN, till Lifewire i en e-postintervju..
"Till exempel, inom sjöfarten kan väderoptimerad rutt minska utsläppen med upp till 4 % och minska bränsleförbrukningen med upp till 10 %, och vädersträckning inom flygindustrin kan förhindra onödig omdirigering för att undvika dåligt väder, eller cirkla runt en flygplats i väntan på att landa", sa han.
Exakta prognoser för vägnät kan minska onödig behandling av vintervägar och minska antalet skadliga kemikalier, sa Vandenwege.
"Istället för att behandla en hel vägbana kan vägunderhållspersonal välja att behandla utvalda platser längs en väg där det finns vägavsnitt med kalla ställen, eller så kan de bestämma om behandling överhuvudtaget är nödvändig", tillade han.
Maskininlärning och AI-modeller används allt mer för att hjälpa till att förstå utsläppen av CO2 och metan, sa Marty Bell, chief science officer på väderprognosföretaget WeatherFlow, till Lifewire i en e-postintervju.
"Modellerna ökar också vår motståndskraft mot klimatförändringar genom att hjälpa oss att ändra vår strategi för energiproduktion och energianvändning", sa Bell. "Medan många av dessa AI-applikationer fungerar i stor skala på energidistributionssystem, fungerar andra på hushållsnivå där ML informerar AI-modeller inbäddade i vardagliga internet-of-things-enheter som mer effektivt hanterar energianvändning i huset."
