به گزارش گروه وبگردی باشگاه خبرنگاران جوان، دانشمندان و کارشناسانی که درزمینهٔ تغییرات اقلیمی فعال هستند، معتقد‌اند که گرمایش زمین و تغییرات جوی که این روز‌ها پیش آمده است، به خاطر فعالیت‌های مخرب انسان‌ها است.
لایه گلخانه‌ای که در بخش پایینی اتمسفر زمین قرار دارد، بازتاب نور خورشید را در اتمسفر زمین نگه داشته و مجدد آن را به زمین برمی‌گرداند درنتیجه دمای زمین متعادل مانده و برای کلیه موجودات زنده مناسب می‌باشد. اما فعالیت‌های مخرب بشر سبب تولید گاز‌های گلخانه‌ای شده که عمر طولانی دارند و با افزایش دما هم از بین نمی‌روند. درنتیجه دمای زمین به‌مرور بیشتر می‌شود. این گاز‌ها شامل کربن دی‌اکسید، متان و دی نیتروژن مونوکسید هستند.
اما آتش‌سوزی‌های اخیر استرالیا و آمازون سؤال را مطرح کرده است؛ اینکه فناوری‌ای که تسهیل‌کننده اصلی تکامل و رشد انسان بوده است، آیا نمی‌تواند کاری برای پیش‌بینی، مدیریت یا کنترل چنین تخریب‌هایی انجام دهد؟ زمان آن فرارسیده است که فناوری‌هایی مانند هوش مصنوعی، علوم داده و اتصال ۵ g نیز مسئولیت پیشرفت اقلیمی را به عهده بگیرند.
آخرین پیشرفت در این فناوری‌ها ویژگی‌های قابل‌توجهی را نشان داده است که می‌تواند برای بهبود محیط‌زیست مؤثر واقع شود. بیایید ببینیم که چگونه آن‌ها می‌توانند به طبیعت و آب‌وهوا خدمت کنند.
همان‌طور که میدانیم، مشکل تغییر اقلیم این است که زمان به نفع انسان‌ها کار نمی‌کند؛ بشر باید خیلی سریع برخی راه‌حل‌ها را پیدا کرده و پیاده‌سازی کند. این جایی است که هوش مصنوعی می‌تواند کمک کند.
تا به امروز، دو رویکرد متفاوت برای هوش مصنوعی وجود دارد: مبتنی بر قوانین و مبتنی بر یادگیری. هر دو رویکرد هوش مصنوعی در مورد مطالعه محیط و حل تغییرات آب‌وهوا موارد استفاده معتبری دارند. هوش مصنوعی مبتنی بر قوانین الگوریتم‌های رمزگذاری شده عبارات if-then هستند که اساساً برای حل مشکلات ساده هستند. هنگامی‌که شرایط آب‌وهوا پیش می‌آید، یک هوش مصنوعی مبتنی بر قوانین می‌تواند برای کمک به دانشمندان در جمع‌آوری ارقام یا گردآوری داده‌ها مفید باشد، و در زمان انسان صرفه‌جویی زیادی می‌کند. اما یک هوش مصنوعی مبتنی بر قوانین کار زیادی نمی‌تواند انجام دهد. چراکه قابلیت حافظه ندارد و تمرکز آن روی ارائه راه‌حل برای مشکلی است که توسط یک انسان تعریف شده است. به همین دلیل هوش مصنوعی مبتنی بر یادگیری ایجاد شد.
علاوه بر این، هوش مصنوعی مبتنی بر یادگیری از هوش مصنوعی مبتنی بر قوانین پیشرفته‌تر است، زیرا با فعل‌وانفعال و تعامل با مشکل، مشکلات را تشخیص می‌دهد. اصولاً هوش مصنوعی مبتنی بر یادگیری ظرفیت حافظه دارد، درحالی‌که هوش مصنوعی مبتنی بر قوانین آن را ندارد.
هنگامی‌که صحبت از کمک به حل تغییرات اقلیمی می‌شود، یک هوش مصنوعی مبتنی بر یادگیری اساساً می‌تواند چیزی بیش از تجزیه‌وتحلیل ارقام انتشار co ۲ را انجام دهد. هوش مصنوعی مبتنی بر یادگیری درواقع می‌تواند این ارقام، دلایل مطالعه و راه‌حل‌ها را ضبط کند، و سپس بهترین راه‌حل را به‌صورت تئوری توصیه کند.
فناوری ۵ g
به گفته هواوی، شبکه‌های ۵ g می‌توانند نقش مهمی در کاهش تغییرات آب‌وهوایی داشته باشند. در یک رویداد، هوی کائو، رئیس استراتژی و سیاست هوآوی در اتحادیه اروپا، تأکید کرد که تغییرات آب‌وهوایی در حال رخ دادن است و ما نمی‌توانیم آن را نادیده بگیریم. حراست از محیط‌زیست یک جنبه افقی سیاست و تجارت است.
کائو با تأکید بر اینکه یک روش مبتنی بر واقعیت می‌تواند در اندازه‌گیری تأثیر فناوری‌های جدید مانند ۵ g بسیار مهم باشد، خاطرنشان کرد: ۵ g انرژی کمتری از ۴ g مصرف می‌کند. مصرف برق ۵ g در هر بیت تنها ۱۰٪ از ۴ g است. به‌عبارت‌دیگر، ۹۰٪ نیرو در هر بیت صرفه‌جویی می‌شود.
این شرکت در یکی از گزارش‌های سال ۲۰۱۸ خود چهار استراتژی را برای پایداری بیان کرد: گنجاندن دیجیتال، امنیت و قابل اعتماد بودن، حفاظت از محیط‌زیست، و یک اکوسیستم سالم و هماهنگ.
طی سال‌های گذشته، هواوی در تلاش است تا به اهداف توسعه پایدار سازمان ملل (sdg) دستیابی پیدا کند، یک اکوسیستم پایدار و فراگیرتر با شرکای صنعت خود ایجاد کند و استراتژی‌های پایداری خود را اجرایی کند.
رئیس کمیسیون اروپای غربی هواوی، تأکید کرد که حفاظت از محیط‌زیست یک جزء اصلی در ابتکارات توسعه پایدار هواوی است: بهره‌وری انرژی برای شبکه‌های ارتباطی آینده مورد توجه عمده قرار گرفته است. ما باید انرژی کمتری را برای انتقال داده‌های بیشتر و درعین‌حال کاهش مصرف انرژی کلی سیستم‌های انرژی استفاده کنیم. تکنولوژی‌های فناوری اطلاعات و ارتباطات می‌توانند در این زمینه به ما کمک کنند.
علوم داده
علاوه بر مواردی که ذکر شد، علم داده می‌تواند نقش بزرگی در این نبرد بزرگ بازی کند. یافتن الگو‌های جدید در داده‌ها راهی روشن برای دستیابی به راه‌حل‌های قدرتمند برای دنیای ما که گرسنه انرژی است، می‌باشد.
نگاهی به داده‌ها و یافتن الگو‌ها می‌تواند به طرز چشمگیری در یافتن راه‌حل‌های سریع در هر زمینه از جمله بهره‌وری انرژی کمک کند.
علاوه بر این علت این استفاده زیاد از انرژی، نیاز به نگه داشتن مرکز داده در دمای معین، جلوگیری از گرم شدن بیش‌ازحد و خرابی قطعات الکترونیکی است. درنتیجه، در صورت عدم استفاده از انرژی پاک برای بهره‌برداری از یک مرکز داده، می‌تواند تأثیر عمده‌ای بر انتشار co ۲ داشته باشد.
به همین دلیل است که شرکت deepmind (یک شرکت هوش مصنوعی متعلق به گوگل) در سال ۲۰۱۶ موفق شد ۴۰٪ مصرف انرژی را در یک مرکز داده در گوگل کاهش دهد.
اکنون چندین راه‌حل مبتنی بر داده برای کمک به کاهش انتشار گاز‌های گلخانه‌ای و هدایت ما به آینده‌ای کاملاً تجدید پذیر درحال آزمایش قرار دارد؛ و همچنین بسیاری موارد دیگر در حال حاضر موردمطالعه قرار دارد؛ بنابراین علوم داده نیز این توانایی را دارد که در این نبرد سهیم باشد و آینده‌ای بهتر را برای ما رقم بزند.
منبع: آنا
انتهای پیام/