Источник изображения：https://cns.utexas.edu/news/research/evolutionary-ai-scientists-find-hidden-keys-better-land-use

Команда исследователей из Техасского университета в Остине и Cognizant AI Labs разработала систему искусственного интеллекта, которая использует данные о землевользовании и углеродных запасах за последние 175 лет, чтобы предложить оптимальные решения для экологической политики.

Эта система ИИ эффективно сбалансировала различные сложные компромиссы, рекомендую пути максимизации углеродного запаса, минимизации экономических нарушений и улучшения окружающей среды и жизни людей, согласно статье, опубликованной сегодня в журнале Environmental Data Science.

Проект является одним из первых применений финансируемого ООН проекта Resilience, команды ученых и экспертов, работающих над решением глобальных проблем дополнения решений, включая амбициозные цели устойчивого развития в этом десятилетии, в рамках более широких инициатив, известных как AI for Good.

Компьютерный ученый Техасского университета Ристо Мииккулайнен, который помог запустить проект Resilience, считает, что новый подход ИИ, изначально сосредоточенный на землевользовании, может адресовать гораздо более широкий круг задач, начиная от инфекционных заболеваний до продовольственной безопасности, при этом искусственный интеллект может находить лучшие решения, чем люди.

“Всегда есть результат, который вы хотите оптимизировать, но всегда есть и издержки”, – сказал он.

В условиях всех компромиссов ИИ может выявлять неожиданные пути к желаемым результатам при различных затратах, помогая лидерам избирательно выбирать свои битвы и достигать лучших результатов.

“Секретный соус” системы исследователей – это эволюционный ИИ.

Вдохновленный процессом естественного отбора в биологических системах, этот вычислительный подход начинается с нескольких десятков сценариев политики и предсказывает, как каждый сценарий повлияет на различные экономические и экологические издержки.

Затем, как в цифровой версии естественного отбора, комбинации политик, которые не обеспечивают хорошее балансирование компромиссов, отбрасываются, в то время как лучшие комбинации разрешены на размножение, давая жизнь гибридным потомкам.

Случайные мутации также вводятся, чтобы помочь системе быстрее исследовать новые комбинации.

Процесс затем повторяется, отсекая неудачные сценарии и сохраняя лучшие, на протяжении сотен или тысяч сценариев.

Как и в биологической эволюции, “поколения” сценариев становятся все более оптимизированными для заданного набора приоритетов.

Команда использовала два инструмента – недавно выпущенный набор глобальных данных о землевользовании, который охватывает века и модель, которая коррелирует землевользование с углеродными потоками.

Сначала они использовали эти данные для обучения модели прогнозирования, чтобы установить связь между местоположением, землевользованием и углеродом с течением времени.

Затем они разработали модель рекомендаций, которая помогает принимающим решения находить оптимальные стратегии землевользования для уменьшения изменения климата.

Рекомендации системы ИИ иногда удивляли команду.

Хотя известно, что леса хорошо хранят углерод, модель рекомендаций ИИ предложила более тонкий подход, чем максимальное превращение земель в леса, независимо от местоположения.

Например, она показала, что замена сельскохозяйственных земель на леса гораздо более эффективна, чем замена пастбищ (которые включают пустыни и травяные угодья).

Кроме того, в общем случае тот же самый переход землевользования на одной широте не дает таких же преимуществ, как на другой широте.

В конечном итоге система порекомендовала, чтобы более крупные изменения были выделены для мест, где это было наиболее критично; по сути, эффективнее выбрать свои битвы.

“Вы можете, конечно, уничтожить все и посадить леса, и это поможет смягчить изменения климата”, – сказал Дэниэл Янг, исследователь из Cognizant AI Labs и аспирант в UT Austin.

“Но мы бы уничтожили редкие среды обитания, наше продовольственное снабжение и города.

Поэтому нам нужно найти баланс и разумно подходить к тому, где мы вносим изменения”.

Исследователи превратили свою модель в интерактивный инструмент, который такие лица, как законодатели, могут использовать для исследования, как стимулы, такие как налоговые льготы для владельцев земли, вероятно, повлияют на землевользование и уменьшение углерода.

Деятельности по землевользованию, включая сельское хозяйство и лесоводство, по оценкам, ответственны за почти четверть всех вызванных человеком выбросов парниковых газов.

Эксперты полагают, что разумные изменения в землевользовании будут необходимы для снижения углерода в атмосфере и, таким образом, замедления изменений климата.

По словам Мииккулайнена и Янга, ИИ предлагает варианты, которые люди, бизнес и правительства, которые в противном случае не стремятся к изменениям, могут воспринимать легче.

Ранее версия статьи была представлена на крупной конференции по машинному обучению и вычислительной нейробиологии NeurIPS, где она выиграла награду “Лучший путь к воздействию” на семинаре по изменениям климата.

Другими авторами статьи являются Оливье Франкон, Эллиот Мейсон, Клеменс Швингшакл, Якоб Бикер, Хуго Кунха и Бабак Ходжат.

Расширяя охват

Исследовательская группа работает с некоммерческой организацией Climate Interactive, чтобы наложить их подход эволюционного ИИ на существующий онлайн-климатический симулятор под названием En-Roads.

En-Roads в настоящее время позволяет принимающим решения, преподавателям, бизнесу, журналистам и широкой общественности вводить различные политические выборы – такие как электрификация транспорта или установка цены на углерод – а затем увидеть, какое влияние это окажет на будущие глобальные температуры.

Climate Interactive регулярно проводит интерактивные мастерские, используя свой симулятор с бизнесменами и государственными чиновниками, а также проводит интерактивные сеансы в классах, общественных группах и не только.

En-Roads предполагает изменение пользователями различных рычагов политики для прогнозирования будущих результатов, но вместо такого подхода, основанного на пробах и ошибках, команда Мииккулайнена работает над предложением пользователям выбрать цель для будущей глобальной температуры – скажем, не более чем на 1,5 градуса выше доиндустриальных времен, – при этом модель ИИ берет на себя оптимизацию набора политик для достижения этой цели, основываясь на предпочтительных компромиссах пользователей.

Они создали надстройку под названием “Принятие решений по изменению климата”, которая применяет их подход эволюционного ИИ к En-Roads.

“Они просто поражены тем, что можно сделать”, – сказал Мииккулайнен.

“Они даже не думали, что возможно автоматически делать рекомендации, которые соответствуют определенным целям”.

Ранее та же команда, участвовавшая в усилиях по устойчивому развитию, также применяла эволюционный ИИ для исследования вариантов борьбы с распространением COVID-19.

“Мы не можем фактически попробовать все различные возможные комбинации безфармацевтических вмешательств в пандемии”, – сказал Мииккулайнен.

“Но у нас есть система ИИ, которая может попробовать много различных комбинаций и обнаружить хорошие политики.

Система начала неожиданно обнаруживать важные вещи, которые мы не ожидали”, – например, важность своевременности блокировок как можно раньше.

Летом 2021 года, за год и полтора в пандемии, правительство Исландии обратилось к Мииккулайнену и его команде с просьбой посоветовать по поводу открытия школ на предстоящий учебный год.

Исследователи адаптировали свои эволюционные модели, добавив дополнительные данные, специфичные для этой страны, и сделали рекомендации, которые помогли принимающим решениям установить эффективные политики.

Они также помогли организовать конкурс XPRIZE для других команд по всему миру, разрабатывающих свои собственные системы ИИ, способные предлагать меры вмешательства и смягчения для COVID-19 и будущих пандемий.

Все эти области – оптимизация землевользования, смягчение изменений климата и вмешательство в пандемию – имеют одну общую задачу: моделирование мира и оптимизация реакции.

Существуют многие другие проблемы, которые могут быть решены таким образом.

Таким образом, команда открыла исходный код основной технологии платформы Project Resilience.

Идея состоит в том, чтобы позволить любому участвовать: выявлять возможности, создавать свои собственные модели и предлагать решения, например, для решения целей устойчивого развития ООН и других.

Видя все способы, которыми команды, многие из которых получили поддержку и одобрение от ООН, эффективно используют ИИ для помощи в сложном принятии решений, делает Мииккулайнена более оптимистичным по поводу будущего.

“Я вижу много роста и интереса к движению ИИ на благо”, – говорит Мииккулайнен.

“Исследователи, журналисты и правительства находят новые возможности использовать ИИ для улучшения мира.

Это просто удивительно, сколько людей это осознают и фактически работают над этим.”