211service.com
Czy uczenie maszynowe może pomóc w zniesieniu chińskiego smogu?
Z ulicy, przez gęsty smog Pekinu, czasami trudno jest dostrzec chińską siedzibę IBM: wysoki biurowiec z charakterystycznym pofałdowanym architektonicznym rozmachem i dużym logo firmy na szczycie.
Ale w niewielkiej odległości, na północno-wschodnich obrzeżach stolicy, informatycy IBM wykorzystują sztuczną inteligencję do opracowania tego, co ich zdaniem będzie sposobem na skuteczniejsze zarządzanie znanym i chronicznym problemem zanieczyszczenia w Chinach.
Zespół wykorzystuje złożone modele komputerowe i uczenie maszynowe do obliczenia, w jaki sposób zanieczyszczenie rozprzestrzeni się w mieście. Naukowcy mogą teraz sporządzać prognozy zanieczyszczenia z rozdzielczością kilometra kwadratowego z 10-dniowym wyprzedzeniem.
Prognozy te mogą również powiedzieć rządowi, jak może działać, aby uniknąć najgorszych scenariuszy – na przykład poprzez zamknięcie niektórych fabryk lub zmniejszenie liczby samochodów na drogach.
Kiedy Przegląd technologii MIT odwiedził biura IBM Research — Chiny W listopadzie ubiegłego roku powietrze było szczególnie złe. Zimna pogoda zwiększyła zapotrzebowanie na energię elektryczną, zmuszając pobliskie elektrownie węglowe do zwiększenia produkcji. To, w połączeniu ze zwykłym chaosem na drogach, wytworzyło naprawdę palący w płucach smog. Zanieczyszczenie mierzy się ilością drobnego pyłu na metr sześcienny. W przypadku rozwiniętego miasta Światowa Organizacja Zdrowia zaleca, aby liczba ta nie przekraczała 25. Podczas mojej wizyty osiągnęła prawie 250. System modelowania, zwany Green Horizon, był używany do przewidywania rozprzestrzeniania się zanieczyszczeń; ale nie było jasne, czy rząd zdecydował się ograniczyć produkcję fabryczną, czy liczbę samochodów na drogach. Wydawało się, że potrzeba ogrzewania przeważa nad złymi skutkami.
Dzień dużego zanieczyszczenia w Pekinie, 25 grudnia 2015 r.
Projekt w Pekinie, który wykorzystuje dane zebrane z czujników zanieczyszczeń w całym mieście, obejmuje złożone modelowanie zarówno określonych źródeł zanieczyszczenia, jak i pogody i ruchu powietrza, aby przewidzieć, jak duże będzie zanieczyszczenie w różnych dzielnicach. Wcześniejsze odczyty służą do udoskonalania prognoz przy użyciu podejścia znanego jako uczenie maszynowe. Dzięki temu możliwe jest tworzenie nowych prognoz na podstawie tych połączonych czynników, mówi Xiaowei Shen , dyrektor IBM Research – Chiny.
Wszyscy mówią o big data, ale wszyscy wiemy, że tradycyjne technologie informatyczne, które opracowaliśmy, nie będą wystarczające do obsługi wszystkich big data, mówi Xiaowei.
IBM przeprowadza złożone symulacje ekonomicznego wpływu zamykania fabryk z powodu poziomu zanieczyszczenia, mówi Jin Dong, wybitny inżynier w IBM Research-China i lider projektu. Decyzje te podejmują różne organy rządowe.
Być może chiński rząd będzie musiał podjąć trudne decyzje dotyczące produkcji energii, aby złagodzić zarówno krótkoterminowe konsekwencje zdrowotne, jak i długoterminowe skutki klimatyczne zanieczyszczenia powietrza. Sarah Williams , adiunkt w Departamencie Urbanistyki i Planowania MIT i dyrektor Laboratorium Projektowania Danych Obywatelskich, który badał problem zanieczyszczenia Pekinu podczas Igrzysk Olimpijskich w 2008 roku, mówi, że wysiłek IBM może być bardzo cenny, jeśli pomoże pokazać chińskiemu rządowi, jak ograniczony jest wpływ w sprawie cząstek stałych mogą wystąpić krótkoterminowe rozwiązania, takie jak wyłączanie fabryk — i jak potrzebne mogą być bardziej szczegółowe przepisy dotyczące ochrony środowiska.
Jeśli rząd nie użyje tych danych i wizualizacji danych do wprowadzenia zmian, przyniesie to niewielkie korzyści netto, mówi Williams.
System modelowania IBM jest używany w dwóch innych chińskich miastach z poważnymi problemami z zanieczyszczeniem: Baoding i Zhangjiakou. W międzyczasie powiązana technologia stworzona w IBM jest wykorzystywana do badania związku między ruchem ulicznym i zanieczyszczeniem w Delhi w Indiach oraz skuteczności środków kontroli zanieczyszczenia powietrza w Johannesburgu w RPA.