Τεχνητή νοημοσύνη, η αρχή της διάσωση του περιβάλλοντος ή το τέλος κάθε τέτοιας αρχής?

Του Κωνσταντίνου Συρογιάννη


Η τεχνητή νοημοσύνη (ΑΙ) καθιστά τις μηχανές ικανές να μαθαίνουν από την εμπειρία, να προσαρμόζονται σε νέα εισαγόμενα δεδομένα και να εκτελούν ανθρωπομορφικά έργα.


Η επίδραση κάθε επιστημονικού και τεχνολογικού επιτεύγματος, έχει να κάνει με την πρόθεση πίσω από την χρήση του. Έτσι και η τεχνητή νοημοσύνη όταν εδραιωθεί στην καθημερινότητα μας, θα επιδράσει αρνητικά η θετικά ανάλογα με το πως θα χρησιμοποιηθεί.


Η πολεμική χρήση της Τεχνητής Νοημοσύνης είναι η πλέον διαδεδομένη «ονείρωξη» του διεθνούς στρατιωτικό -βιομηχανικού συμπλέγματος, το πιο δημοφιλές πεδίο υπαρξιακών αναλύσεων υπό την κάλυψη της λογοτεχνίας και του κινηματογράφου επιστημονικής φαντασίας και, φυσικά, ο απόλυτος εφιάλτης για τους λαούς του κόσμου. Τα ασύλληπτα ποσά και η δυσθεώρητη εφαρμογή γνώσεων και ικανοτήτων που σπαταλούνται στην έρευνα και κατασκευή όλο και πιο θανατηφόρων, «έξυπνων» μηχανών, συνιστούν την πιο χαρακτηριστική «εξίσωση» ενός διαρκώς κλιμακούμενου εξακοντισμού της τεχνολογικής εξέλιξης… προς έναν αυτοκτονικό στόχο για όλη την ανθρωπότητα. ‘Όλα δείχνουν, ότι οι πόλεμοι του, όχι πολύ μακρινού, μέλλοντος, θα είναι πιο σύντομοι, με μεγαλύτερη χρήση υψηλής τεχνολογίας, θα διεξάγονται από μηχανές - σε ένα ποσοστό ακόμη και σε επιτελικό επίπεδο - και πιο θανατηφόροι.


Προφανώς όταν κάνουμε λόγο, για τέτοια χρήση της τεχνητής νοημοσύνης, κάθε μορφή σκέψης για την διάσωση του περιβάλλοντος δεν θα υφίσταται αφού πλέον δεν θα υφίσταται η ζωή.


Όσον αφορά το περιβάλλον, και έχοντας οπτιμιστική διάθεση, η τεχνητή νοημοσύνη μπορεί να συνδράμει έντονα στη μάχη για την διάσωση του περιβάλλοντος.

Ξεκινώντας ,με το ζήτημα της ενέργειας, οι επιστήμονες πρέπει να αναπτύξουν υλικά που να μαζεύουν, αποθηκεύουν και χρησιμοποιούν ενέργεια πιο αποτελεσματικά. Η διαδικασία της ανακάλυψης νέων υλικών είναι συνήθως αργή και ανακριβής. Η μηχανική μάθηση μπορεί να επιταχύνει τη διαδικασία με την εύρεση, το σχεδιασμό και την αξιολόγηση νέων χημικών δομών με τις επιθυμητές ιδιότητες. Αυτό θα μπορούσε να συμβάλει στη δημιουργία ηλιακών καυσίμων τα οποία μπορούν να αποθηκεύουν ενέργεια από το φως του ήλιου, στη δημιουργία πιο αποδοτικών υλικών για την απορρόφηση του διοξειδίου του άνθρακα και δομικών υλικών που θέλουν πολύ λιγότερο άνθρακα για να δημιουργηθούν. Τα τελευταία θα μπορούσαν μία μέρα να αντικαταστήσουν τον χάλυβα και το τσιμέντο, η παραγωγή των οποίων αντιπροσωπεύει σχεδόν το 10% όλων των παγκόσμιων εκπομπών αερίων του θερμοκηπίου.



Στο άμεσο μέλλον, όπως είναι ευρέως διαδεδομένο θα στραφούμε σταδιακά και εξολοκλήρου σε ανανεώσιμες πηγές ενέργειας, οι επιχειρήσεις κοινής ωφελείας θα χρειαστούν καλύτερους τρόπους για να προβλέψουν πόση ενέργεια χρειάζεται, τόσο σε πραγματικό χρόνο όσο και μακροπρόθεσμα. Υπάρχουν ήδη αλγόριθμοι που μπορούν να προβλέψουν την ενεργειακή ζήτηση, αλλά θα μπορούσαν να βελτιωθούν λαμβάνοντας υπόψη με μεγαλύτερη λεπτομέρεια τα τοπικά πρότυπα καιρού και κλίματος ή τη συμπεριφορά των νοικοκυριών. Θα μπορούσαν έτσι να χρησιμοποιηθούν για τον προγραμματισμό και για να ρίχνουμε με μεγαλύτερη ακρίβεια τις ανανεώσιμες πηγές στο σύστημα.


Στο τομέα της διαχείρισής της ενέργειας, τα ευφυή συστήματα ελέγχου μπορούν να μειώσουν δραστικά την κατανάλωση ενέργειας ενός κτιρίου λαμβάνοντας υπόψη τις μετεωρολογικές προβλέψεις, την πληρότητα και άλλες περιβαλλοντικές συνθήκες για να προσαρμόσουν τις ανάγκες θέρμανσης, ψύξης, εξαερισμού και φωτισμού των εσωτερικών χώρων. Ένα έξυπνο κτίριο θα μπορούσε επίσης να επικοινωνήσει απευθείας με το δίκτυο για να μειώσει την ενέργεια που χρησιμοποιεί εάν υπάρχει έλλειψη σε παροχή ηλεκτρισμού από ανανεώσιμες πηγές.


Πολλές περιοχές του πλανήτη έχουν ελάχιστα ή και καθόλου δεδομένα σχετικά με την κατανάλωση ενέργειας και τις εκπομπές αερίων του θερμοκηπίου, γεγονός που αποτελεί σημαντικό εμπόδιο στο σχεδιασμό και την εφαρμογή αποτελεσματικών στρατηγικών μετριασμού. Οι τεχνικές υπολογιστικής όρασης μπορούν να εξάγουν συμπεράσματα από δορυφορικές εικόνες και να τροφοδοτήσουν αλγόριθμους που θα μπορούν με τη σειρά τους να εκτιμήσουν την κατανάλωση ενέργειας. Οι ίδιες τεχνικές θα μπορούσαν επίσης να προσδιορίσουν ποια κτίρια θα πρέπει να υποστούν τις αναγκαίες μετατροπές ώστε να μεγιστοποιηθεί η αποτελεσματικότητά τους.


Σε πολλές από τις σύγχρονες γεωργικές εκμεταλλεύσεις κυριαρχεί η μονοκαλλιέργεια, η πρακτική μιας ενιαίας καλλιέργειας σε μια μεγάλη γη. Αυτή η προσέγγιση διευκολύνει τους αγρότες να διαχειρίζονται τα χωράφια τους αλλά απομακρύνει από το έδαφος τα θρεπτικά συστατικά και μειώνει την παραγωγικότητά του. Ως αποτέλεσμα, πολλοί αγρότες βασίζονται σε λιπάσματα με βάση το άζωτο, τα οποία μπορούν να μετατραπούν σε οξείδιο του αζώτου, ένα αέριο θερμοκηπίου 300 φορές πιο δυνατό από το διοξείδιο του άνθρακα. Ρομπότ που λειτουργούν με λογισμικό μηχανικής μάθησης θα μπορούσαν να βοηθήσουν τους αγρότες να διαχειρίζονται ένα συνδυασμό καλλιεργειών πιο αποτελεσματικά σε μεγάλη κλίμακα, ενώ οι αλγόριθμοι θα μπορούσαν να προβλέψουν ποιες καλλιέργειες να φυτευτούν και πότε και να μειώσουν την ανάγκη για λιπάσματα.


Όσον αφορά τα ηλεκτρικά οχήματα, αντιμετωπίζουν αρκετές προκλήσεις και οι αλγόριθμοι μπορούν να βελτιώσουν τη διαχείριση της ενέργειας της μπαταρίας τους για να αυξήσουν τις χιλιόμετρα κάθε φόρτισης. Μπορούν επίσης να μοντελοποιήσουν και να προβλέψουν τη συνολική ζήτηση των οχημάτων αυτών σε ενέργεια για να βοηθήσουν τους χειριστές του δικτύου να ανταποκριθούν και να διαχειριστούν το φορτίο.


Πηγή : Technologyreview



ΕΠΙΚΟΙΝΩΝΗΣΤΕ ΜΑΖΙ ΜΑΣ