Experts aan het woord. Een prof in robotica en een onderzoekster in toegepaste wiskunde van Johns Hopkins university over de manieren waarop AI kan helpen in de strijd tegen klimaatverandering. Als je de titel ziet denk je: hoe kan iets virtueels en abstracts als AI nou helpen bij iets zo groot en concreet als klimaatverandering. Gelukkig hebben de sprekers een slim framework opgezet waarmee dit wel logisch en begrijpelijk wordt, door het op te delen in 3 overzichtelijke gebieden. Begrip van het probleem, voorspellen van de richting, en helpen bij de benodigde transformatie.
1. Begrijp het probleem
Wat weten we zeker? CO2 stijgt, en het broeikas effect is echt. Maar de data collectie is niet erg fijnmazig. In de oceaan helpt AI om autonoom onderwater-robots met sensoren te laten varen. Je kan ze niet goed op afstand besturen omdat radiogolven niet werken onder water, dus AI is een goede tool om ze zelfstandig te laten varen.
In de atmosfeer zien we de totaliteit van de broeikasgassen, maar waar die emissies exact vandaan komen is niet goed bekend. De uitstotende partijen rapporteren dit zelf, maar daarmee wordt niet alles bekend. Het initiatief Climate Trace helpt hierbij, door satelliet data en AI te combineren om gassen te meten over de hele wereld. Kijkend naar vervoer bijvoorbeeld; uit de satellietbeelden en sensordata wordt de drukte van wegen in kaart gebracht. Gecombineerd met registratie van het type voertuig kan op die manier een goede schatting per weg-segment gemaakt worden. Kijk op https://climatetrace.org/ ; de data is open en je kan van veel steden en fabrieken, vliegvelden zien wat de emissie is.
2. Voorspel de richting
Doordat er al lang onderzoek wordt gedaan zijn er inmiddels goede modellen van het klimaatsysteem van de aarde: Onze 'digitale tweeling'. Hiermee kunnen 'what if' scenario's worden doorgerekend.
Voor het klimaatsysteem zijn er 15 kantelpunten gevonden. Een daarvan is de AMOC: een grote diepzee stroming die onder andere verantwoordelijk is voor het relatief milde klimaat in Europa. Deze is gevoelig voor bijvoorbeeld het smelten van poolijs. En wat heb je aan die modellen? Je kan AI er mee laten spelen. Zoals we weten is AI goed in spelletjes leren (schaken, Go, etc). Dit wordt nu toegepast in een 'tipping point game' tussen 2 AI systemen. Het ene systeem maakt een aantal scenario's aan met iets andere parameters (meer of minder smeltend ijs, meer of minder effect van wind op zeegolven), en het andere systeem gaat deze toepassen op het model en evalueren. Gaat bijvoorbeeld de AMOC kantelen in dit scenario?
Zo wordt de eerste speler goed in het onderzoeken van de parameter ruimte. Wat is belangrijk? En de tweede speler wordt goed in het evalueren van de scenario's. Daarmee leren we wat er kan gebeuren, en vooral leren we de tijdschaal: Hoe snel kan dit gaan? En kan het ene kantelpunt een andere meteen ook laten kantelen?
3. Help bij de transformatie
Bij omgaan met klimaatverandering heb je het over 2 dingen: adaptatie (aanpassen aan de nieuwe werkelijkheid) en mitigatie (tegengaan van de veranderingen). AI kan bij beide helpen.
Adaptatie. Doordat AI modellen kan maken wordt het mogelijk om bestaande metingen uit te breiden. Als voorbeeld luchtvervuiling. Door klimaatverandering ontstaat er meer droogte en potentieel branden. De vervuiling kan lang blijven hangen in de lucht; wereldwijd sterven er jaarlijks 6.5 miljoen mensen door luchtvervuiling. Nu zijn er wel metingen door NOAA van de luchtkwaliteit maar die hebben een te grove resolutie. Je wil dit op buurtniveau hebben, en het is nu op 12x12km niveau, omdat nauwkeuriger doorrekenen te veel computerkracht kost. De oplossing is door met machine learning de modellen te emuleren, waarmee met veel minder computer resources wel een hogere resolutie wordt gemaakt.
Mitigatie. Een voorbeeld uit de energiewereld. Duurzame energie uit zon en wind is niet altijd in gelijke mate beschikbaar. Je zal dan moeten schakelen en energie moeten opslaan. Maar hoeveel opgewekte energie kan je verwachten (zeer lokale weersvoorspelling) en hoeveel verbruik moet je verwachten? In beide gevallen zijn AI modellen behulpzaam om vraag en aanbod te voorspellen, waardoor er een optimale buffer strategie te maken is. Een tweede manier waarop AI kan helpen is met inspecties. De laatste jaren is AI veel beter geworden in perceptie: het begrijpen van plaatjes van camera's. Daarmee kan je heel efficient windmolens inspecteren en op het juiste moment preventief onderhoud inplannen.
Goed verhaal van twee kenners, die door deze eenvoudige indeling en met heldere voorbeelden ineens zichtbaar maken hoe AI een zeer nuttige bijdrage heeft op dit gebied.