AI en datawetenschap voor een betere, slimmere, duurzame omgeving

In het afgelopen decennium is geen enkele discussie over opkomende technologietrends compleet geweest zonder de vermelding van kunstmatige intelligentie (AI). Het is nu een mainstream-technologie geworden die alle aspecten van ons leven raakt: werk, woon-werkverkeer, entertainment, winkelen, reizen en nog veel meer. Technologie en milieu worden vaak aan tegenovergestelde kanten van het duurzaamheidsdebat geprojecteerd. In dit artikel bieden we een ander perspectief en onderzoeken we hoe big data worden gebruikt in de milieuwetenschappen.

Kan Data Science het milieu redden?

Klimaatverandering is hier en nu. Het water in steden raakt op, gletsjers smelten, diersoorten sterven uit en onze niet-hernieuwbare energiebronnen raken uitgeput. Wij zijn waarschijnlijk de eerste generatie mensen die de nadelige gevolgen ervan ondervindt en de laatste generatie die de tijd heeft om er iets aan te doen. De miljarden slimme apparaten, de snelste auto's, geavanceerde ruimtemissies, miniatuurrobots om onze aderen schoon te maken en de astronomische marktkapitalisaties van technologiegiganten zouden van weinig nut zijn als er geen mensen zijn die er de vruchten van kunnen plukken. Hier zijn enkele manieren waarop AI ons kan helpen een betere, duurzame toekomst op te bouwen.

Slimme stadsprojecten

Dit is misschien wel het grootste, allesomvattende gebruiksvoorbeeld van het inzetten van datawetenschap om het milieu te helpen. Als we machinaal leren effectief inzetten voor duurzaamheid, kunnen we steden krijgen met groene gebouwen, gebruik van gerecycled water voor gebruik buitenshuis, een minimale CO2-voetafdruk, duurzaam energiebeheer door vraagvoorspelling, focus op hernieuwbare energiebronnen en nog veel meer. Het zal de last van de bestaande infrastructuur wegnemen en een einde maken aan de eindeloze, niet-duurzame bouwwedloop, zoals we die over de hele wereld zien.

Afvalbeheer

Datawetenschap en het milieu lijken in eerste instantie misschien niet-gerelateerde concepten. Een nadere beschouwing van beide opent echter onbeperkte mogelijkheden op het gebied van duurzaamheid en afvalbeheer. De Wereldbank schat dat we jaarlijks 2,01 miljard ton vast stedelijk afval produceren, waarvan minstens 33% schadelijk is voor het milieu. Afvalscheiding is een groot knelpunt bij recycling en een groot deel ervan gebeurt handmatig. AI, machinaal leren en datawetenschap kunnen worden ingezet om afvalcategorieën te voorspellen door afbeeldingen en gewichtsgegevens te lezen. Dit kan onze afvalscheidingsprocessen verbeteren, zowel qua snelheid als nauwkeurigheid. Naarmate zelflerende systemen meer data verbruiken, worden ze slimmer en nauwkeuriger in het inschatten van toekomstige trends.

Verkeersmanagement

Passagiers- en commercieel verkeer levert een belangrijke bijdrage aan de milieuvervuiling, voornamelijk door emissies en lawaai. Op AI gebaseerde intelligente verkeersmanagementsystemen kunnen verkeerssignalen helpen controleren door gegevens uit het verleden te analyseren en dienovereenkomstig signaaltimers in te stellen. Machine learning-modellen kunnen camerabeelden lezen en verkeersovertredingen, snelheidsovertredingen, rijden zonder helm, blokkeren van vrije bochten naar links, verkeerd rijden, rijstrookovertredingen, enz. detecteren. Dit zijn enkele van de vele gebruiksscenario's bij het inzetten van machine learning voor duurzaamheid.

Beheer van voedselbronnen

Met de steeds groter wordende wereldbevolking en de groeiende levensverwachting staat de landbouwsector over de hele wereld onder enorme druk om de productie te verhogen. Uit onderzoek van de Verenigde Naties blijkt dat jaarlijks bijna de helft van alle wereldwijd geproduceerde groenten en fruit wordt verspild. Alleen al in ontwikkelde landen als de VS wordt 30% van al het geproduceerde voedsel (ter waarde van 48,3 miljard dollar) weggegooid. De schade wordt nog groter als we kijken naar de overeenkomstige verspilling van hulpbronnen die worden gebruikt om dit te produceren – water, bodem, arbeid, elektriciteit, transport, energie, enz. AI en datawetenschap zijn krachtige hulpmiddelen om deze verspilling te minimaliseren, zodra we leren hoe big data werkt

Uitdagingen

Duurzame ontwikkeling heeft een gezonde aanpak nodig, waarbij alle deelnemers en belanghebbenden zich daarin scharen. Er zijn regelgevende, technologische en operationele uitdagingen bij het implementeren ervan in de praktijk, waaronder:

Heterogene gegevens

We hebben veel gegevens die verspreid, ongeformatteerd en heterogeen zijn. In een ideale wereld eisen onze systemen dat hun gegevens bij de bron worden opgeschoond en in een universeel formaat worden ingevoerd dat gemakkelijk te verwerken, analyseren, presenteren, communiceren en integreren is. Als we willen dat datawetenschap het milieu helpt, moeten we onze datastrategie opnieuw afstemmen om een homogeen ecosysteem te ontwikkelen waarin alle deelnemers naar het gedeelde doel streven.

Investering

Overheidsinstanties en particuliere spelers moeten de handen ineen slaan om de duurzaamheidsdroom te verwezenlijken. Het vereist expertise, middelen, inzet en coördinatie in de hele waardeketen. Gezien de omvang van onze steden is dit een grote uitdaging die kan worden opgelost door toezicht op onderwijs en leiderschap.

Coherentie van de regelgeving

Milieugerichte startups en particuliere spelers over de hele wereld ontwikkelen oplossingen waarmee we de eerste stappen kunnen zetten naar een groene, schone en duurzame toekomst. Ze hebben het draagvlak en de leiding van de toezichthouders nodig. Wendbare beleidsmakers met steun van de overheid zijn de noodzaak van dit moment, aangezien de milieuklok elke dag tikt. Deze lijst is geenszins uitputtend en de toepassing van AI om ons milieu te verbeteren wordt alleen beperkt door onze verbeeldingskracht. In een stuk dat zich richt op hoe AI het milieu helpt, denkt het tijdschrift Nature dat AI zou kunnen helpen 79% van de Sustainable Development Goals (SDG’s) te bereiken.