AI for Earth: los proyectos ambientales más atractivos de Microsoft

Es difícil transmitir cuán importante es el ambientalismo. Afecta a todas las industrias, así como a todos en el planeta de una forma u otra, por lo que es importante analizar de manera integral cómo combatir los signos del cambio climático e impactar al mundo de manera positiva.



Microsoft ha tomado ese desafío bajo su ala con el Iniciativa IA para la Tierra . El programa otorga subvenciones para apoyar proyectos que monitorean, modelan y, en última instancia, administran los sistemas naturales de la Tierra. Las personas, grupos de estudiantes u organizaciones pueden solicitar subvenciones y, hasta el momento, Microsoft ha otorgado 139 subvenciones repartidas en 45 países. La financiación viene en forma de subvenciones de Azure que permiten a los proyectos acceder a una gran cantidad de recursos de Microsoft, incluidas herramientas de aprendizaje automático y capacidades de visión por computadora.



Lo que AI for Earth tiene que ser es este tipo de programa de plataforma, explica Lucas Joppa, director de medioambiente de Microsoft. Tenemos la nube, tenemos Azure y tenemos los servicios que se ejecutan allí, por lo que AI for Earth se trata de proporcionar ese próximo nivel de servicios que luego permiten a cualquiera tomar esos componentes básicos y contextualizarlos a sus problemas locales. .

Cuando se lanzó por primera vez el año pasado, AI for Earth prometió $ 2 millones en subvenciones totales. Desde entonces, esa cantidad se ha elevado a $ 50 millones durante los próximos cinco años, y Joppa explica que Microsoft considerará que la iniciativa es exitosa si solo algunos de los proyectos se amplían de manera efectiva utilizando la tecnología Azure para abordar problemas globales.

AI for Earth cubre cuatro pilares principales cuando se trata de proyectos y subvenciones: agricultura, agua, biodiversidad y cambio climático. Como estas cuatro áreas son extremadamente amplias y diversas, eso significa que los proyectos que asume Microsoft también deben representar la diversidad de un mundo cambiante. Eso significa que no pueden ser simplemente soluciones para los problemas que enfrentan los países occidentales, o proyectos muy especializados que se aplican a una sola área del mundo.



A continuación se muestran algunos de los proyectos más interesantes a los que Microsoft otorgó subvenciones durante el primer año ampliado de AI for Earth.

Lucha contra la deforestación de la selva tropical a través de contratos inteligentes y tecnología blockchain gamificada (ETH Zurich)

ganarbosque se basa en la idea de que es más probable que aquellos que tienen dinero apostado en algo se involucren más en ese campo; por ejemplo, alguien que ha apostado en un partido de hockey lo mirará con mucha más atención. En este caso, GainForest utiliza participaciones monetarias para incentivar a las personas a actuar como cuidadores de las áreas en riesgo de la selva tropical. Hasta el 80 por ciento de la deforestación es causada por agricultores locales que buscan hacer espacio para el ganado, por lo que este programa utiliza contratos inteligentes para contraatacar.

Una plataforma transparente y escalable permite que cualquier persona sea parte interesada colocando dinero en áreas de riesgo (identificadas a través de una red neuronal) a través de una donación. Luego pueden ver en tiempo real cómo un cuidador local asume la responsabilidad de una parte de la selva amazónica, asegurándose de que no sea demolida. Si después de un período de seis meses, la parcela permanece intacta, se devuelve el dinero, más los intereses.



En la imagen de arriba, se colocan estacas en cuatro áreas boscosas. A medida que esas áreas se limpian y destruyen, lo que está en juego disminuye. Al final del período, una gran parte intacta es recompensada con mucho más dinero, mientras que las áreas que sufrieron una fuerte deforestación no reciben dinero o reciben muy poco.

Podemos usar contratos inteligentes para gamificar el enfoque de conservación, dice David Dao, miembro fundador de GainForest. Hemos tenido mucho interés, pero queremos asegurarnos de que un piloto pueda funcionar antes de expandirlo aún más.



Predicción de fenotipos de cultivos con aprendizaje profundo (Universidad de Victoria)

Al comienzo de cada temporada de cultivo, los agricultores planean cientos de semillas para descubrir cuál será la más deseable para su tierra y área. Este puede ser un proceso brutalmente lento, ya que deben investigar cada planta en busca de varias características clave y determinar cuál producirá más.

Este proyecto utiliza el aprendizaje profundo para identificar rasgos clave en plantas deseables, todo a partir de fotos tomadas a mano o con un dron, lo que ahorra una gran cantidad de tiempo y devuelve el dinero a los agricultores.

Tener una computadora que reconozca estos rasgos tiene el potencial de aumentar la velocidad, la confiabilidad y la precisión de la identificación de rasgos y brindará nuevas oportunidades para que los mejoradores de cultivos y los agricultores comparen directamente grandes cantidades de cultivos individuales con diferencias en la genética, el entorno de cultivo y el manejo del cultivo, dijo Ian Stavness. , miembro del equipo que trabaja en el proyecto.

Limpieza de océanos a través de cámaras de puente equipadas con visión por computadora (Proyecto de Investigación de Aguas Costeras del Sur de California)

The Ocean Cleanup puede ser un nombre familiar para algunos ambientalistas, ya que las cuerdas oceánicas gigantes de la organización están ayudando a limpiar el mar de innumerables toneladas de plástico cada día. Pero este nuevo proyecto busca abordar otra fuente de plástico oceánico: los ríos.

Se estima que cerca del 20 por ciento del plástico en los océanos es depositado allí por arroyos o ríos. Este proyecto coloca cámaras en la parte inferior de los puentes para rastrear qué tipo de basura y cuánto entra en un océano. Las redes de aprendizaje profundo identifican la basura y envían información a la organización, lo que permite mejores esfuerzos de limpieza y una mejor asignación de recursos a las áreas objetivo.

Aprendizaje de la dinámica de los incendios forestales con aprendizaje por refuerzo (Universidad de Waterloo)

Los incendios forestales son algo peculiar: pueden causar daños y destrucción generalizados, pero son necesarios en algunas áreas para quemar la maleza y permitir que las plantas y los árboles crezcan y florezcan.

Debido a esto, puede ser extremadamente difícil rastrearlos y aprender el hábito de un incendio antes de que sea demasiado tarde. Este proyecto utiliza el aprendizaje por refuerzo para rastrear cómo se han propagado los incendios en el pasado. Esto permite una mejor predicción de cuándo afectará un incendio a un área poblada o importante, y cuándo se puede dejar que el fuego arda.

Un esquema del dominio de movimiento de un incendio forestal.

Con esta tecnología, los incendios que afectaron a Fort McMurray se habrían podido predecir a un ritmo mucho más rápido y la evacuación podría haberse producido mucho antes, según un documento de los líderes del proyecto.

Detener la caza furtiva a través de una red de cámaras armadas con visión artificial y aprendizaje profundo (Peace Parks Foundation)

Un titular que todos odian es el que involucra la caza furtiva ilegal de animales en peligro de extinción. Entonces, un equipo de investigadores y ambientalistas de Peace Parks en Sudáfrica se reunió para resolver el problema de manera inteligente.

Se instalaron más de 30 cámaras alrededor de un parque nacional en el país, alertando y tomando una foto cada vez que algo se cruzaba en su camino. Un algoritmo de aprendizaje profundo separó fotos de humanos y luego dio un paso más para identificar a aquellos que pueden ser un riesgo potencial de caza furtiva. Se enviaría una alerta a las fuerzas del orden locales y a los conservacionistas, y se enviarían para abordar la inquietud, todo en unos tres minutos.

Hasta el momento, el sistema ha capturado a varios cazadores furtivos y ha aportado pruebas valiosas para detener a varios más. Las cámaras están completamente abiertas al público, por lo que en el futuro podrían usarse para rastrear la migración y los hábitos de apareamiento.

Kategori: Noticias