AI u obrazovanju za okoliš

0 od 14 lekcija završeno (0%)

3.09 Studija slučaja: Umjetna inteligencija i senzorske mreže za proaktivnu zaštitu

Uvjerljiv primjer toga je rad organizacije Dryad Networks, koja je razvila „elektronički nos“ za šume. Oni postavljaju mrežu solarnih senzora velikih razmjera koji kontinuirano prate zrak i promjene u sastavu plinova. Ugrađeni algoritam umjetne inteligencije obučen je za otkrivanje specifičnog kemijskog potpisa tinjajuće vegetacije – najranije faze šumskog požara, često prije nego što je dim vidljiv. Kada senzor otkrije te plinove, šalje upozorenje putem mrežaste topologije (engl. mesh network), omogućujući vlastima da pošalju resurse za obuzdavanje požara dok je on još malen i upravljiv.

Za prikaz titlova na vašem jeziku kliknite ikonu zupčanika (postavke), zatim kliknite na Titlovi/CC, pa Automatski prijevod i odaberite svoj jezik s popisa.

Ovaj model kontinuiranog očitavanja uparen s analizom umjetne inteligencije u stvarnom vremenu ima široku primjenu. Isti se princip koristi u alatima poput RiverAwarea, koji koristi strojno učenje kako bi pomogao gradovima u praćenju zdravlja njihovih rijeka i nadolazećih poplava, te u sustavima koji pružaju prediktivne uvide za smanjenje zagađenja iz crpnih stanica za otpadne vode. U kontekstu projekta praćenja rijeke u zajednici, slična mreža IoT senzora mogla bi se postaviti duž rijeke kako bi se kontinuirano pratili parametri kvalitete vode poput pH razine, zamućenosti i kemijskih zagađivača. Model umjetne inteligencije mogao bi analizirati ovaj tok podataka u stvarnom vremenu kako bi identificirao anomalije, predvidio stvaranje štetnih cvjetanja algi ili pratio zagađenje do njegovog izvora, pružajući sustav ranog upozoravanja koji pomaže u zaštiti i ekosustava i zajednica koje o njemu ovise. Ova studija slučaja pokazuje ključnu ulogu umjetne inteligencije u stvaranju inteligentnih, responzivnih sustava koji djeluju kao čuvari naših prirodnih okruženja.