Не секрет, що штучний інтелект і технології останнім часом швидко розвиваються з такими додатками, як CAPTCHA, які запобігають доступу ботів до сайтів, термостатами, які адаптуються до нашого щоденного графіка або навіть алгоритми, які можуть вибрати для нас потенційні місця відпочинку.
Але що, якби машинне навчання можна було б використовувати за межами нішевих або індивідуальних контекстів? Зробивши штучний інтелект ще одним кроком і впровадивши його в наші міста та інфраструктуру, можна підвищити ефективність роботи, допомогти в зусиллях щодо сталого розвитку, міського планування тощо. Нижче ми розглянемо кілька способів використання машинного навчання для покращення наших міст і покращення їх у цілому.
Використання AI для обліку вуглецевих слідів
Часто ми чуємо від різних форм ЗМІ, що ми повинні прагнути зменшити наш індивідуальний і колективний вуглецевий слід – однак, як міста та організації можуть точно розрахувати свій внесок у викиди вуглецю? Загалом, вуглекислий слід можна розділити на три категорії – прямі викиди від організації або діяльності міста (викиди в рамках 1), викиди, пов’язані з виробництвом електроенергії, необхідної для функціонування міста (викиди в рамках 2), і викиди від споживання. та виробництво міського продукту (викиди 3 обсягу), які залучають постачальників у верхній частині та споживачів нижче за течією (наприклад, мешканців міста)1.
Хоча отримання та обробка даних є складною проблемою, декілька компаній-початківців розробляють інструменти, які не тільки будуть кількісно оцінювати викиди, але й допомагатимуть розробити плани (на основі даних) щодо скорочення викидів, наприклад шляхом прийняття більш стійких та обґрунтованих рішень. або через перехід на життєздатні відновлювані джерела енергії. Багато компаній використовують платформи як Spark 3.0, щоб допомогти з обробкою даних, але це все одно виявляється складним.
Одна конкретна компанія, Watershed, сподівається створити інструмент, за допомогою якого необроблені дані можуть дати розуміння та конкретні дії, за допомогою яких зменшуються викиди вуглецю.
Оцінка та прогнозування ризику посухи
Зі зміною клімату все більш поширеними стають більш суворі погодні явища, такі як посуха. Загалом, посуха коштувала світу 1.5 мільйона доларів у період з 1988 по 2017 рік, а продовольча безпека спричинила сотні тисяч смертей, якщо не більше.2 Завдяки прогнозуванню на основі штучного інтелекту можна покращити прийняття рішень щодо посухи та використовувати кращі методи та терміни для забезпечення оптимального розподілу водних ресурсів та поширення інформації перед посухою.
Одним із таких прикладів використання штучного інтелекту для прогнозування погодних явищ із сильним впливом є алгоритм «Градієнтна підсилена регресія дерев» (GBRT), в якому було виявлено, що в 75% випадків професійні прогнозисти вибирали прогноз на основі штучного інтелекту замість людської інтуїції.2
Охорона дикої природи
Зростає кількість доказів великих даних і машинного навчання може допомогти зберегти навколишнє середовище. Збереження місць проживання для різних тварин настільки ж важливо в містах, як і в тропічних лісах.
Часто природоохоронці та екологи встановлюють камери-пастки, щоб краще зрозуміти, які тварини живуть у певній місцевості, в який час вони також активні, а також для моніторингу впливу людини на дику природу. На жаль, перегляд кадрів вручну займає величезну кількість часу і може відкласти дії, які б принесли користь місцевій флорі та фауні. Ось де алгоритми штучного інтелекту, такі як той, який створив ВИРІШИТИ увійдіть – цей алгоритм штучного інтелекту може дозволити охоронцям природи знати про присутність тварин у реальному часі, а також майже одразу ідентифікувати будь-яких виявлених тварин, щоб можна було вжити відповідних заходів якнайшвидше. Крім того, такі алгоритми, як цей, можна використовувати для виявлення незаконної діяльності в режимі реального часу, а це означає, що браконьєрам буде складніше ловити тварин.
Моніторинг і прогнозування якості повітря
Забруднення повітря, на жаль, є великою проблемою у всьому світі. Тільки в Сполучених Штатах у 2020 році виникло близько 68 мільйонів тонн забруднення4. Таке забруднення сприяє підвищенню захворюваності на астму та інші респіраторні проблеми, особливо у вразливих груп населення, таких як маленькі діти та літні люди. Щоб допомогти населенню краще підготуватися до днів поганої якості повітря та вжити ефективних контрзаходів, можуть бути запроваджені системи попередження про якість повітря на основі штучного інтелекту. Зокрема, система ШІ, запропонована Мо та ін., (2019) у їхній статті «Нова система раннього попередження про якість повітря, заснована на штучному інтелекті», заснована на моделі прогнозування забруднення повітря, а також моделі оцінки якості повітря.5 Завдяки цій системі може бути запроваджена система раннього попередження щодо якості повітря та в якій дані можна аналізувати та використовувати для створення розумних контрзаходів на додаток до прогнозів щодо якість повітря в майбутньому.
Моніторинг паркування на основі штучного інтелекту.
Однією з проблем багатьох міст є паркування. Якщо ви коли-небудь були розчаровані кружляти на заповненій автостоянці в пошуках місця, це конкретне застосування штучного інтелекту, ймовірно, буде для вас цікавим. Штучний інтелект може допомогти за допомогою моніторів і датчиків для оцінки завантаженості в реальному часі в гаражах – якщо вільних місць не буде, відвідувачі будуть попереджені, щоб їм не довелося витрачати час на кружляння майданчика.6 Крім того, алгоритми штучного інтелекту на особливо великих паркувальних місцях можуть використовуватися, щоб направляти відвідувачів до місць вільних місць, а також заощаджуючи час.
Розумні системи паркування також можуть використовуватися для вимірювання часу високої активності на основі завантаженості паркування, щоб підприємства могли краще підготуватися до годин пік, а також до часу низької зайнятості паркування і, отже, низької явки клієнтів.
Оптимізація зарядки електромобілів
Оскільки транспортні засоби громадського транспорту переходять від традиційного викопного палива до електричного палива, необхідно враховувати багато речей, таких як зберігання акумуляторів, резервне копіювання електричного генератора та створення або адаптація системи зарядки для цих транспортних засобів. . Крім того, існує кілька змінних, які визначають кількість та вартість енергії, яку використовує транспортний засіб, наприклад погодні умови та умови дорожнього руху, в домашніх умовах або в дорозі, а також обмеження пікового попиту.7 Якби міста запровадили систему оптимізації енергії з підтримкою штучного інтелекту, витрати можна було б звести до мінімуму за рахунок попереднього розрахунку необхідної кількості джерел енергії та об’єктів, а також інтеграції відновлюваних джерел енергії для зарядки транспортних засобів відповідно до необхідності.
Крім того, інтеграція штучного інтелекту також може допомогти продовжити термін служби акумулятора електромобілів, одночасно враховуючи обмеження виробника та умови реального часу, щоб оптимізувати рівень заряду, а також мінімізувати рівень деградації.7 Одним із способів зробити це можуть бути алгоритми штучного інтелекту, які сповіщають компанію громадського транспорту про нижчі, ніж зазвичай, ціни на електроенергію, а також про суму, яку слід заряджати транспортні засоби, щоб жодна з батарей не була перезаряджена.
Покращення продуктивності електромережі
Залежно від того, де ви живете в світі, ви, можливо, вже знайомі з розумними мережами. Розумна мережа відноситься до сучасної електричної системи, в якій є датчики, автоматика, комунікації та комп’ютери для підвищення ефективності, надійності та безпеки електричної системи. Системи розумних мереж можуть принести користь місту багатьма способами, зокрема8:
- Автоматичне змінення маршруту, якщо в системі є відхилення.
- Більша інтеграція систем відновлюваної енергії та систем виробництва електроенергії, що належать клієнтам
- Більш ефективна передача електроенергії
- Зменшення витрат на експлуатацію та управління комунальними підприємствами.
- Знижені пікові ставки попиту.
- Покращена безпека мережі
Швидше відновлення електропостачання після перебоїв з електропостачанням (що є критичним у важких погодних явищах, таких як снігові бурі або спека).
Громадська безпека
Коли людські очі не можуть відстежити всі канали безпеки в місті, штучний інтелект може допомогти – наприклад, вхід мікрофона з вуличних камер може бути інтерпретований ШІ як постріли з рушниці або інші звуки, що вказують на страждання. У таких ситуаціях алгоритми штучного інтелекту можуть сповістити операторів служби екстреної допомоги даними про місцезнаходження та будь-якими іншими необхідними даними, щоб вони вирішили надсилати екстрені служби чи ні. Цифрові вивіски можна оновлювати в режимі реального часу, щоб попередити громадськість про ситуації, що потребують уваги, наприклад повінь або інші надзвичайні ситуації. Інший спосіб, за допомогою якого штучний інтелект може бути використаний для покращення громадської безпеки, — це керування світлофорами, щоб розчистити шлях для швидкого реагування, а не покладатися на прибуття поліції.
посилання
[1] Р. Тьюз, Це стартапи, які застосовують штучний інтелект для боротьби зі зміною клімату (2021), Forbes.
[2] C. Huntingford, ES Jeffers, MB Bonsall, HM Christensen, T. Lees, H. Yang, Машинне навчання та штучний інтелект допомагають дослідженням зміни клімату та підготовці (2019), IOPScience.
[3] Розумні парки, Штучний інтелект у збереженні дикої природи (2019).
[4] Агентство з охорони навколишнього середовища США, Якість повітря – національне резюме (2021).
[5] X. Mo, L. Zhang, H. Li, Z. Qu, Нова система раннього попередження про якість повітря на основі штучного інтелекту (2019), Міжнародний журнал досліджень навколишнього середовища та громадського здоров'я.
[6] Н. Джоші, Системи паркування на основі штучного інтелекту можуть вирішити проблеми з паркуванням. Ось як. Алерин.
[7] Екологічний автобус, Штучний інтелект як засіб оптимізації зарядки транспортних засобів. Інтерв'ю з BluWave-ai (2020).
[8] SmartGrid.Gov, Розумна мережа (2021).
- 2019
- 2020
- 2021
- 7
- рахунки
- бухгалтерський облік
- дію
- активний
- Ad
- AI
- прицілювання
- алгоритм
- алгоритми
- ВСІ
- розподіл
- тварини
- додаток
- застосування
- ПЛОЩА
- навколо
- стаття
- штучний інтелект
- автоматичний
- Автоматизація
- резервна копія
- батареї
- акумулятор
- акумулятор
- Великий даних
- Підвищений
- боти
- будувати
- автобус
- підприємства
- камери
- вуглець
- викиди вуглекислого газу
- вуглецевий слід
- випадків
- викликаний
- виклик
- зміна
- заряд
- стягується
- зарядка
- діти
- Міста
- Місто
- Зміна клімату
- загальний
- Комунікація
- Компанії
- компанія
- комп'ютери
- Споживачі
- споживання
- зміст
- витрати
- створення
- дані
- Прийняття рішень
- затримка
- Попит
- розвивати
- цифровий
- Відправка
- Ефективний
- ефективність
- Elderly
- електричний
- електромобіль
- електричних транспортних засобів
- електрика
- викиди
- енергія
- навколишній
- Управління з охорони навколишнього середовища
- Події
- витрати
- Перший
- харчування
- Forbes
- горючі корисні копалини
- майбутнє
- Загальне
- сітка
- Зростання
- керівництво
- здоров'я
- Високий
- будинок
- Як
- How To
- HTTPS
- Сотні
- ідея
- ідентифікувати
- незаконний
- Impact
- інформація
- інтеграція
- Інтелект
- інтерес
- Міжнародне покриття
- інтерв'ю
- інтуїція
- питання
- IT
- великий
- вивчення
- рівень
- місцевий
- розташування
- навчання за допомогою машини
- Робить
- управління
- Медіа
- мільйона
- модель
- моніторинг
- рухатися
- NIH
- операційний
- операції
- порядок
- організація
- Інше
- парковка
- парки
- планування
- Платформи
- підключати
- Police
- бідні
- влада
- прогноз
- Прогнози
- Вироблений
- Product
- Production
- захист
- доводить
- громадськість
- охорона здоров'я
- громадський транспорт
- якість
- ставки
- Сировина
- необроблені дані
- зменшити
- регресія
- відновлювальна енергія
- дослідження
- ресурс
- Risk
- оцінка ризику
- прогін
- Безпека
- економія
- безпеку
- датчиків
- Послуги
- комплект
- сайти
- розумний
- So
- Spot
- Пуск в експлуатацію
- Стартапи
- Штати
- зберігання
- вулиця
- постачальники
- Sustainability
- сталого
- система
- Systems
- Технологія
- Майбутнє
- світ
- час
- Тон
- трек
- трафік
- транзит
- перевезення
- United
- Сполучені Штати
- міський
- комунальні послуги
- автомобіль
- Транспортні засоби
- Вразливий
- вода
- Жива природа
- в
- світ
- X
- вихід