Clé à emporter
- Les modèles d'IA peuvent aider à prévoir le changement climatique, selon les experts.
- Un nouvel outil d'intelligence artificielle appelé IceNet pourrait permettre aux scientifiques de prévoir avec précision la profondeur de la banquise arctique.
-
L'IA et l'analyse météorologique peuvent également aider à lutter contre le changement climatique en réduisant les émissions dans la chaîne d'approvisionnement.
Alors qu'il est de plus en plus évident que les conditions météorologiques extrêmes de cet été sont dues au changement climatique, l'intelligence artificielle aide à prédire où les conditions vont changer.
Un nouvel outil d'IA pourrait permettre aux scientifiques de prévoir avec plus de précision la banquise arctique dans le futur. IceNet est précis à près de 95% pour prédire si la glace de mer sera présente deux mois à l'avance, selon les chercheurs. C'est l'une des utilisations de plus en plus nombreuses de l'IA pour prédire le changement climatique.
"L'IA a considérablement amélioré l'efficacité de l'exécution de modèles climatiques complexes qui, historiquement, ont nécessité beaucoup de calculs", a déclaré Daniel Intolubbe-Chmil, analyste chez Harbor Research, à Lifewire dans une interview par e-mail.
Pas de glace, glace, bébé
IceNet travaille sur le formidable défi de faire des prévisions précises de la banquise arctique pour la saison à venir. Les chercheurs ont décrit le fonctionnement d'IceNet dans un article récent publié dans la revue Nature Communications.
"Les températures de l'air près de la surface dans l'Arctique ont augmenté de deux à trois fois le taux de la moyenne mondiale, un phénomène connu sous le nom d'amplification arctique, causé par plusieurs rétroactions positives", ont écrit les chercheurs dans l'article. "La hausse des températures a joué un rôle clé dans la réduction de la banquise arctique, l'étendue de la banquise de septembre étant maintenant environ la moitié de celle de 1979, lorsque les mesures par satellite de l'Arctique ont commencé."
La glace de mer est difficile à prévoir en raison de sa relation complexe avec l'atmosphère au-dessus et l'océan en dessous, selon les auteurs de l'article. Contrairement aux systèmes de prévision conventionnels qui tentent de modéliser directement les lois de la physique, les chercheurs ont conçu IceNet sur la base d'un concept appelé apprentissage en profondeur. Grâce à cette approche, le modèle "apprend" comment la glace de mer change à partir de milliers d'années de données de simulation climatique, ainsi que de décennies de données d'observation, pour prédire l'étendue des mois de glace de mer arctique dans le futur.
"L'Arctique est une région en première ligne du changement climatique et a connu un réchauffement substantiel au cours des 40 dernières années", a déclaré l'auteur principal de l'article, Tom Andersson, spécialiste des données au BAS AI Lab, dans un communiqué. Libération. "IceNet a le potentiel de combler une lacune urgente dans la prévision des glaces de mer pour les efforts de durabilité de l'Arctique et fonctionne des milliers de fois plus vite que les méthodes traditionnelles."
L'IA jette un large filet
D'autres simulateurs d'IA surveillent également le changement climatique. Les chercheurs ont utilisé la technique Deep Emulator Network Search, par exemple, pour améliorer une simulation autour de la façon dont la suie et les aérosols réfléchissent et absorbent la lumière du soleil. La recherche a révélé que l'émulateur était 2 milliards de fois plus rapide et plus de 99,999 % identique à leur simulation physique.
L'IA et l'analyse météorologique peuvent également aider à lutter contre le changement climatique en réduisant les émissions dans la chaîne d'approvisionnement, a déclaré Renny Vandewege, vice-président de la société de prévision météorologique DTN, à Lifewire dans une interview par e-mail.
"Par exemple, dans le transport maritime, un routage optimisé pour les conditions météorologiques peut réduire les émissions jusqu'à 4 % et réduire la consommation de carburant jusqu'à 10 %, et le routage météorologique dans l'industrie aéronautique peut empêcher un réacheminement inutile pour éviter le mauvais temps, ou encerclant un aéroport en attendant d'atterrir ", a-t-il déclaré.
Des prévisions précises pour les réseaux routiers peuvent réduire le traitement inutile des routes d'hiver, réduisant ainsi le nombre de produits chimiques nocifs, a déclaré Vandenwege.
"Au lieu de traiter une chaussée entière, les équipes d'entretien des routes peuvent choisir de traiter des endroits sélectionnés le long d'une route où il y a des sections de route à points froids, ou elles peuvent décider si un traitement est nécessaire", a-t-il ajouté.
L'apprentissage automatique et les modèles d'intelligence artificielle sont de plus en plus utilisés pour aider à comprendre les émissions de CO2 et de méthane, a déclaré Marty Bell, directeur scientifique de la société de prévision météorologique WeatherFlow, à Lifewire dans une interview par e-mail.
"Les modèles augmentent également notre résilience au changement climatique en nous aidant à modifier notre approche de la production et de l'utilisation de l'énergie", a déclaré Bell. "Alors que bon nombre de ces applications d'IA fonctionnent à grande échelle sur les systèmes de distribution d'énergie des services publics, d'autres fonctionnent au niveau des ménages où ML informe les modèles d'IA intégrés dans les appareils quotidiens de l'Internet des objets qui gèrent plus efficacement la consommation d'énergie dans la maison."
