AI가 기후 변화를 해결하는 방법

프랑스 예술가 마르셀 뒤샹(Marcel Duchamp)에 대해 들어보셨나요? 그의 가장 유명한 작품 중 하나는 일반 욕실 소변기로 만든 "분수"입니다. 이 공통된 대상의 이름을 단순히 변경함으로써 뒤샹은 완전히 새로운 스타일의 예술을 성공적으로 탄생시켰습니다.

AI도 마찬가지입니다. 왜 인간은 비즈니스 관련 문제를 해결하기 위해 이 강력한 발명품을 사용해야 합니까? 우리는 왜 좀 더 뒤샹처럼 생각하고 인류가 직면한 가장 무서운 문제 중 하나를 해결하기 위해 이 '강력한' 기술을 사용할 수 없습니까?

기후 변화의 글로벌 위협

기후의 미래에 대한 최근 보고서와 예측을 읽은 적이 있다면 인류가 기후 변화의 세계적인 위협에 대한 해결책을 찾기에 시간이 부족하다는 것을 깨달았을 것입니다. 사실, 최근 호주 정책 문서는 우리 모두가 죽는 2050년 시나리오를 제안했습니다.

2050년까지 수위가 25미터 상승하는 것을 두려워하지 않는 사람들에게 인간의 고난이 가까웠다는 다른 연구도 있습니다. 2012년 3월 세계 물 평가 프로그램(World Water Assessment Program)은 2025년까지 지구상의 18억 인구가 절대적인 물 부족 지역에 살게 될 것이라고 예측했습니다.

그렇다면 과학자들이 미래에 물이나 식량의 종말 시나리오가 있을 것이라고 믿도록 이끄는 데이터와 연구는 무엇입니까?

NASA에 따르면 기후 변화의 주요 원인은 대기 중 온실 가스의 증가입니다. 그리고 슬프게도 '대지'는 이 모든 일을 혼자서 하고 있지 않습니다.

1830년에 인간은 온실 가스를 방출하는 활동에 참여하기 시작하여 오늘날 우리가 느끼는 기온 상승에 기여했습니다. 내가 언급한 이러한 활동 중 일부는 화석 연료 연소, 해양 오염, 삼림 벌채를 포함합니다. 그러나 쇠고기의 대량 생산조차도 기후 변화에 기여하고 있습니다.

이제 인간이 온실 가스 배출에 대처하고 제한할 수 있는 방법이 궁금할 것입니다. 분명히 우리는 위에서 언급한 모든 활동을 제한해야 합니다. 이것은 우리의 전기, 석탄, 석유 사용을 제한하고, 나무를 심고, 슬프게도 많은 사람들에게 스테이크 저녁 식사를 완전히 포기하는 것을 의미합니다.

그러나 이 모든 것이 수세기에 걸친 대기 오염을 되돌리기에 충분할 것입니까? 인간이 종의 멸종 위기에 직면하기 전에 이 모든 것을 달성할 수 있습니까? 모르겠어요. 인간은 매일같이 기름을 먹는 자동차와 비행기는 고사하고, 쇠고기 생산을 중단조차 할 수 없었습니다.

일부 배출 수치를 실행할 수 있는 매우 지능적인 소프트웨어가 있고 이러한 모든 노력이 미래의 재난 시나리오를 방지하기에 충분한지 알려주면...

AI 접근 방식 및 환경 사용 사례

모든 문제를 해결하려면 시간이 걸립니다. 기후 변화로 인해 과학자들이 문제를 이해하는 데 약 40년이 걸렸습니다. 그리고 그것은 공평합니다. 인간은 먼저 기후 변화가 존재하는지 확인하기 위해 기후를 연구한 다음 인간이 수행한 역할을 보기 위해 기후 변화의 원인을 연구해야 했습니다. 그러나 이 모든 연구가 끝난 후 오늘날 우리는 어디에 있습니까? 아직 공부 중.

그리고 기후 변화의 문제는 시간이 우리 편이 아니라는 것입니다. 인류는 몇 가지 해결책을 비교적 빨리 찾고 구현해야 합니다. AI가 도움이 될 수 있는 부분입니다.

현재까지 AI에는 규칙 기반 및 학습 기반의 두 가지 접근 방식이 있습니다. 두 AI 접근 방식 모두 환경을 연구하고 기후 변화를 해결할 때 유효한 사용 사례가 있습니다.

규칙 기반 AI는 기본적으로 간단한 문제를 해결하기 위한 if-then 문의 코딩된 알고리즘입니다. 기후와 관련하여 규칙 기반 AI는 과학자들이 숫자를 계산하거나 데이터를 컴파일하는 데 유용할 수 있어 인간이 육체 노동에서 많은 시간을 절약할 수 있습니다.

그러나 규칙 기반 AI는 그 만큼만 할 수 있습니다. 메모리 기능이 없습니다. 사람이 정의한 문제에 대한 솔루션을 제공하는 데 중점을 둡니다. 이것이 학습 기반 AI가 만들어진 이유입니다.

학습 기반 AI는 문제와 상호 작용 하여 문제를 진단하기 때문에 규칙 기반 AI보다 더 발전되어 있습니다. 기본적으로 학습 기반 AI는 메모리 용량이 있지만 규칙 기반 AI는 그렇지 않습니다.

예를 들면 다음과 같습니다. 규칙 기반 AI에게 셔츠를 요청했다고 가정해 보겠습니다. 그 AI는 당신이 당신의 사이즈와 선호도를 말한 경우에만 적절한 크기와 색상의 셔츠를 찾아줄 것입니다. 학습 AI에게 셔츠를 요청하면 지난 1년 동안 구매한 모든 셔츠를 평가한 다음 현재 시즌에 완벽한 셔츠를 찾습니다. 차이점이 보이시나요?

기후 변화를 해결하는 데 도움이 될 때 학습 기반 AI는 본질적으로 단순히 CO2 배출량을 계산하는 것 이상을 할 수 있습니다. 학습 기반 AI는 실제로 이러한 수치를 기록하고 원인과 솔루션을 연구한 다음 이론상 최상의 솔루션을 추천할 수 있습니다.

오늘날 기후 변화에 영향을 미치는 AI

대부분의 사람들에게 AI는 흥미로운 기술 소프트웨어를 설명하는 데 사용되는 유행어입니다. 하지만 아래 기업들에게 AI는 비밀병기처럼 보이기 시작했다.

실비아테라

숲은 기후에 중요합니다. 많은 인간 활동에 의해 배출되는 이산화탄소는 실제로 나무에 흡수됩니다. 그래서 우리가 더 많은 나무를 가지고 있다면.

이것이 실비아테라가 탄생한 이유입니다.

Microsoft의 자금과 기술로 구동되는 SilviaTerra는 AI와 위성 이미징을 사용하여 산림 나무의 크기, 종 및 건강을 예측합니다. 이것이 왜 중요한가? 이는 환경 보호론자들이 수작업으로 수행하는 수많은 시간을 절약할 수 있음을 의미합니다. 그것은 또한 우리가 나무가 더 크고 강하고 건강하게 자라도록 도와서 계속해서 기후를 도울 수 있다는 것을 의미합니다.

딥마인드

때때로 우리는 "Google이 할 수 없는 것은 무엇인가?"라고 자문할 수 있습니다. 글쎄요, 구글이 모든 것을 할 수는 없다는 것이 밝혀졌습니다.

비용(및 잠재적인 탄소 발자국)을 개선하기 위해 Google은 DeepMind라는 회사로 눈을 돌렸습니다. 두 회사는 함께 Google 데이터 센터를 냉각하는 데 필요한 최소한의 에너지만 사용하는 방법을 스스로 학습하는 AI를 개발했습니다.

결과? Google은 데이터 센터 냉각에 사용하는 에너지의 양을 35%까지 줄일 수 있었습니다. 그러나 그것이 가장 멋진 부분이 아닐 수도 있습니다! DeepMind의 공동 설립자인 Mustafa Suleyman은 그들의 AI 알고리즘은 두 회사가 미래에 다른 에너지 절약 애플리케이션에 사용할 수 있을 정도로 충분히 일반적이라고 말했습니다.

그린 호라이즌 프로젝트

데이터를 사랑하는 모든 분들은 자신의 영향을 측정할 수 없는 경우 무언가에 영향을 미치고 있다고 말하기 어렵다는 것을 알고 있습니다. 이것이 그린 호라이즌 프로젝트가 시작된 이유입니다.

IBM의 Green Horizon 프로젝트는 자체 구성 날씨 및 오염 예측을 생성하는 AI입니다. IBM은 언젠가는 도시의 효율성을 높일 수 있다는 희망을 가지고 프로젝트를 만들었습니다.

그들의 열망은 중국에서 현실이 되었습니다. 2012년과 2017년 사이에 IBM의 Green Horizon 프로젝트는 베이징 시의 평균 스모그 수준을 35% 줄이는 데 도움이 되었습니다.

CycleGAN

여기 당신이 살면서 한 번도 들어본 적이 없는 용어가 있습니다: "GAN". Generative A dversarial N etwork의 약자입니다. 기본적으로 아무 것도 하지 않고도 통계나 정보를 생성하는 네트워크입니다.

용어가 왜 중요한가요? 문제를 해결하는 데 시간과 리소스가 제한적일 때 자동화가 중요하기 때문입니다.

Cornell University의 지식인은 GAN을 사용하여 기상이변 전후의 지리적 위치를 묘사하는 이미지를 생성하도록 훈련하는 AI를 만들었습니다. 이 AI로 생성된 영상은 과학자들이 특정 기후 변화의 영향을 예측하는 데 도움이 될 수 있으며, 인간이 우리의 전투적 노력에 우선순위를 두는 데 도움이 될 수 있습니다.

기후 변화에 영향을 미칠 가능성이 있는 소프트웨어

기후 변화에 긍정적인 영향을 미치기 위해 이미 사용되고 있는 AI의 수를 연구할 때 더 이상 새로운 소프트웨어가 필요하지 않다고 생각할 수 있습니다. 그리고 아마도 당신이 틀리지 않았을 것입니다. 우리가 가지고 있는 소프트웨어의 용도를 바꾸지 않겠습니까?

즉, 다음은 비밀 무기가 될 가능성이 있는 몇 가지 소프트웨어입니다.

에어리틱스

Airlitix는 현재 드론에 사용되는 AI 및 기계 학습 소프트웨어입니다. 원래 온실 관리 프로세스를 자동화하기 위해 개발되었지만 국유림의 건강을 관리하는 데 매우 쉽게 사용할 수 있습니다. Airlitix는 온도, 습도 및 이산화탄소 데이터를 수집할 수 있을 뿐만 아니라 AI가 토양 및 작물 건강을 분석할 수도 있습니다.

그러나 기후 변화에 대처하기 위해 인간이 1조 2천억 그루 이상의 나무를 심어야 하는 상황에서 우리는 우리의 노력을 더 자동화하는 것을 고려해야 합니다. 국립 공원을 돌보는 데 시간을 들이는 대신 Airlitix 소프트웨어를 기반으로 드론이 나무를 심고 식물의 영양분을 방출하거나 산림 방화범을 저지할 수 있습니다.

구글 광고

Google과 Facebook은 현재 소비자 검색 데이터를 사용하여 관련 소비자 광고를 만드는 데 사용하는 매우 강력한 AI 소프트웨어를 보유하고 있습니다. 실제로 Google의 AI 'Google Ads'는 회사가 수천억 달러의 수익을 올릴 수 있도록 도왔습니다.

수익은 훌륭하지만 현재 Google Ads 알고리즘은 비교적 객관적으로 소비자 구매를 촉진합니다. 지속 가능한 제품과 서비스를 제공하는 회사의 광고에 우선순위를 두도록 AI를 다시 작성할 수 있다고 상상해 보십시오.

현재 구글은 경쟁자가 많지 않다. Bing, Yahoo, DuckDuckGo 및 AOL이 있습니다. (내가 아는 사람들 중 AOL을 사용하는 사람은 아무도 모릅니다.) 두려움이 없다면 소비자와 친환경 기업을 연결하는 데 도움이 되는 새로운 검색 엔진을 개발할 수 있습니다.

물론 구글만큼 큰 기업과 경쟁하기 힘들겠지만, 수익을 내기 위해 영원히 경쟁할 필요는 없다. 당신의 스타트업이 인수될 가능성은 항상 있습니다.

알파고

AlphaGo는 과학자들이 차세대 '경이로운 약'을 찾는 데 도움이 될 수 있는 AI 소프트웨어이지만 원래는 DeepMind가 스스로 체스 게임을 마스터하는 방법을 가르치기 위해 만들었습니다. AlphaGo AI는 세계 최고의 체스 플레이어를 이긴 후 더 복잡한 보드 게임의 전략을 정복했습니다.

그러나 보드 게임은 기후 변화와 어떤 관련이 있습니까? 음, AlphaGo AI가 체스 게임에서 인간을 능가할 수 있다면 아마도 우리 대기의 온실 가스 수를 제한하고 줄이는 창의적인 방법을 생각해 내는 데 있어 우리를 능가할 수 있습니다.

AI와 기후에 대한 미래 전망

내가 보기에 AI의 목적은 인류가 문제를 해결하도록 돕는 것입니다. 기후변화는 인간이 공부를 잘 하는 복잡한 문제임이 증명되었지만, 나는 아직 뉴스에서 환경론자들의 긍정적인 미래 전망을 보지 못했습니다.

인간이 기후 변화에 직접적으로 영향을 미치는 것을 돕지 않는다면 AI를 사용하여 전 세계가 뭉치도록 겁을 주는 최후의 시나리오를 묘사할 수는 없을까요? AI를 사용하여 사람들이 일상 생활에서 기후 문제를 분류하는 데 도움을 줄 수 있다면 가능할 수 있는 긍정적인 잠재적 전망을 묘사할 수 있습니까?

최근 아마존 화재에도 불구하고 드론을 사용하여 화염 확산을 막는 아이디어에 대한 트윗을 본 적이 없습니다. 오늘날 인간이 사용할 수 있는 모든 인상적인 AI 소프트웨어와 기술에도 불구하고 환경 사용 사례는 여전히 널리 알려진 지식이 아닙니다.

그래서 독자들에게 드리고 싶은 조언은 바로 오늘 '뒤샹 접근법'을 시도해 보라는 것입니다. 정기적으로 사용하거나 개발하는 AI 및 기술을 고려하고 이를 다시 상상할 수 있는 방법이 있는지 확인하십시오. 우리 시대 최고의 기후학자와 과학자들을 난처하게 만든 문제를 해결할 사람이 바로 당신일지 누가 압니까?