Maison > Article > Périphériques technologiques > Comment pouvons-nous utiliser l’IA pour lutter contre la pollution de l’air
La pollution de l'air reste un problème presque partout et même si d'autres problèmes environnementaux tels que le réchauffement climatique, la perte de biodiversité, la dégradation des sols et l'utilisation non durable des ressources en eau douce deviennent plus importants, la pollution de l'air reste un problème sur lequel nous devons nous concentrer. et agir.
Selon l'Organisation mondiale de la santé, 3 à 8 millions de personnes meurent prématurément chaque année parce que l'air qu'elles respirent fréquemment contient des substances nocives qui peuvent affecter le système respiratoire, provoquer des maladies inflammatoires ou affecter le système immunitaire humain.
Malgré plusieurs réglementations visant à réduire les émissions de polluants atmosphériques et à limiter les niveaux de concentration des polluants de l'air ambiant, les mesures à travers l'Europe montrent encore fréquemment des niveaux de concentration qui dépassent le risque pour la santé humaine et le seuil de sécurité de la production alimentaire.
Le reste du monde a de plus gros problèmes. Parfois, par exemple, dans les mégalopoles d’Asie du Sud et de l’Est, d’Afrique et d’Amérique du Sud, la pollution est si grave que les gens peuvent à peine travailler ou se déplacer dans les rues.
Il nous est donc conseillé de poursuivre, voire d'étendre la surveillance de la pollution atmosphérique et de développer davantage les outils nécessaires pour analyser ces mesures et faire des prévisions sur les polluants atmosphériques afin que les groupes vulnérables puissent être avertis et que des contre-mesures puissent être prises. Dans cet article, nous verrons comment l’intelligence artificielle peut être utilisée pour lutter contre la pollution de l’air.
Concernant la pollution atmosphérique mondiale, nous disposons de beaucoup mais trop peu de données. Afin de créer de bons outils d’IA, l’IA nécessite de grandes quantités de données, et il est nécessaire de comprendre quelles données sont disponibles et quelles informations ces données contiennent. Depuis les années 1980, des réseaux de surveillance de la pollution atmosphérique comprenant des stations fixes et des plates-formes mobiles ont été mis en place dans de nombreuses régions du monde.
Bien que les instruments satellitaires couvrent le monde, la fréquence de mesure n'est pas assez élevée et la précision des mesures près de la surface de la Terre, où les humains respirent de l'air, est également limitée. Il n’existe pratiquement aucune station de surveillance de la qualité de l’air dans de nombreuses régions du monde. Même en Europe, où le réseau de stations de surveillance est relativement dense, il y a généralement dix, voire cent kilomètres, entre stations de surveillance adjacentes.
L'intelligence artificielle peut jouer un rôle dans l'expansion des réseaux mondiaux de surveillance de la pollution atmosphérique, par exemple en tant que moyen d'interpréter les signaux de mesure obtenus à partir de capteurs modernes à faible coût. Un tel équipement peut être utilisé pour combler les lacunes de la surveillance s’il est utilisé conjointement avec les mesures des stations traditionnelles.
L'explication et la prévision de la pollution de l'air nécessitent actuellement des modèles numériques complexes, appelés modèles de transport chimique, qui utilisent un super code informatique exécuté sur l'ordinateur pour simuler la météo et la chimie de la pollution de l'air .
L'utilisation de l'IA à ces fins comporte certains défis qui sont différents de ceux couramment rencontrés dans d'autres applications d'IA. Dans les années 1990, les méthodes d’IA ont été testées pour la première fois dans le contexte de prévisions locales de la qualité de l’air. À cette époque, les algorithmes d’apprentissage automatique et la puissance de calcul étaient environ un million de fois plus faibles qu’aujourd’hui, de sorte que les résultats de l’apprentissage automatique n’étaient que légèrement meilleurs que ceux obtenus à l’aide de méthodes statistiques classiques.
Après 2012, les réseaux de neurones dits convolutifs ont réalisé des percées dans les tâches typiques de l'intelligence artificielle telles que la reconnaissance d'images, et les scientifiques de l'atmosphère se sont à nouveau intéressés à l'intelligence artificielle. Depuis 2018, plusieurs études ont montré que des techniques avancées d’apprentissage automatique peuvent effectivement produire localement des prévisions de pollution atmosphérique de haute qualité.
Les modèles d'apprentissage automatique fourniront bientôt également des solutions alternatives et moins coûteuses en termes de calcul pour prédire la pollution de l'air dans une zone. De tels systèmes peuvent fonctionner mieux dans une approche hybride, dans laquelle les informations météorologiques proviennent de simulations numériques traditionnelles, c'est-à-dire les prévisions météorologiques, et les informations sur la qualité de l'air proviennent de mesures.
La combinaison de capteurs de pollution atmosphérique à faible coût avec l'intelligence artificielle et des modèles hybrides peut fournir des cartes de pollution atmosphérique plus détaillées et, par conséquent, être plus abordables que celles actuellement disponibles Mesures d’atténuation plus ciblées que les autres mesures.
Combinée à des capteurs physiologiques et à des systèmes d'information médicale, la surveillance de la pollution basée sur l'IA pourrait à terme permettre de mesurer directement les doses de polluants inhalés, aidant ainsi les groupes vulnérables à mieux planifier leurs activités de plein air et à éviter les environnements dangereux. En fait, plusieurs entreprises en Europe et ailleurs font déjà la promotion d’informations sur la qualité de l’air basées sur l’IA.
À l’heure actuelle, cependant, la qualité de tels systèmes est souvent discutable et il existe peu d’informations sur leur fonctionnement dans la pratique. Comme dans d’autres domaines d’application, le plus grand danger des solutions d’IA survient lorsque la confiance est aveugle. Il est donc important que nous comprenions pleinement les capacités et les limites des systèmes de surveillance de la qualité de l’air basés sur l’IA et que nous contrôlions toujours nos actions.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!