Ennätyskuuma heinäkuu, poikkeuksellisen nopeasti ja laajoilta alueilta sulava Grönlannin jäätikkö ja Siperian valtavat metsäpalot. Kesä on ollut surkeiden ilmastouutisten aikaa. Maapallon tilasta välittävän tallaajan ilmastoahdistus nousi huippuunsa, kun hallitustenvälinen ilmastonmuutospaneeli IPCC julkaisi uusimman raporttinsa reilu viikko sitten. 

Teknologiakehityksen on jo vuosia povattu tarjoavan ratkaisuja kasvihuonekaasupäästöjen hillitsemiseksi. Myös koneoppimisen uskotaan nousevan tärkeäksi työkaluksi taistelussa ilmastonmuutosta vastaan.

“Koneoppimisen uskotaan nousevan tärkeäksi työkaluksi taistelussa ilmastonmuutosta vastaan.”

Joukko tekoälytutkijoita tarkastelee aihetta laajassa artikkelissa, joka julkaistiin kesäkuussa tutkijoiden omalla sivustolla sekä tieteellisten tutkimusten ennakkojulkaisuille tarkoitetussa Arxivissa. Tutkijoiden näkemyksistä on uutisoinut muun muassa teknologiasivusto The Verge.  

Lähes 100-sivuisessa artikkelissa mainitaan 13 osa-aluetta, joissa koneoppimisen soveltamisella olisi suuri vaikutus ilmastonmuutoksen torjunnassa. Kirjoittajat kertovat keskustelleensa aiheesta eri alojen johtavien asiantuntijoiden kanssa saadakseen aikaan mahdollisimman kattavan näkemyksen.

Nykytietokoneiden laskentakapasiteetti luo pohjan tekoälyn tekemälle työlle

Koneoppimisen nousu ilmastotalkoiden työvälineeksi liittyy tietokoneiden laskentakapasiteetin kasvuun. Nykyiset tietokoneet mahdollistavat sen, että maapallon tilasta kertovien, valtavien datamassojen käsittely voidaan antaa tekoälyn tehtäväksi. Työnteosta tulee nopeampaa ja halvempaa, mikä auttaa sekä nykyisten mallien parantamisessa että uusien mallien luomisessa. Koska dataa syntyy jatkuvasti lisää, algoritmeja päästään myös opettamaan koko ajan paremmiksi.

Seuraavaksi esittelen mielestäni kiinnostavimmat koneoppimisen sovelluskohteet, jotka nousevat esille tutkijoiden ilmastonmuutosta käsittelevässä artikkelissa.

1. Sähköjärjestelmät ja energiankulutus

Noin neljännes ihmisen aiheuttamista kasvihuonekaasupäästöistä syntyy nykyisistä sähköjärjelmistä. Tutkija Priya L. Dontin mukaan koneoppimista voisi hyödyntää esimerkiksi sähköntuotannon optimoinnissa luomalla parempia lyhyen aikavälin ennusteita sähkön kulutuksesta.  

Donti muistuttaa, että monissa ekologisissa sähköntuotantotavoissa esiintyy riippuvuutta muuttuvista resursseista. Esimerkiksi odottamaton pilvialue voi pakottaa sähköntuotannon tapahtuvaksi aurinkopaneelien sijaan maakasulla. Koneoppimisen avulla näitä tilanteita pystyttäisiin ennakoimaan aiempaa paremmin.

Moderneista rakennuksista löytyy laitteita ja mittareita, jotka tuottavat päivittäin dataa. Sitä läpikäymällä voitaisiin luoda rakennuskohtaisia malleja, jotka auttaisivat tehostamaan esimerkiksi LVI-järjestelmien tai pienten kodinkoneiden energiankulutusta. 

 

Koneoppimisen avulla pystyttäisiin luomaan parempia ennusteita lyhyen aikavälin sähkönkulutukseen.

 

2. Liikenne

Artikkelissa todetaan liikenteen tuottavan noin neljänneksen energiasektorin hiilidioksidipäästöistä. 

Tutkijoiden mukaan turhien ajokilometrien määrää voidaan laskea, jos ajoreittejä optimoidaan uudelleen koneoppimisen avulla. Tekoälyä voidaan hyödyntää myös eri kulkutapojen energiavaikutusten arvioimiseen, älykkään liikenteen suunnitteluun sekä vähäpäästöisten polttomoottoreiden ja sähköautojen suunnitteluun.

 

Ajoreittien optimointi vähentäisi liikenteen hiilidioksidipäästöjä.

3. Tuotehävikin pienentäminen

Tutkija Anna Waldman-Brown toteaa, että teollisuusyritykset käyttävät vuosittain miljardeja dollareja tehtaista ja toimitusketjuista tapahtuvaan tiedon keräämiseen. Teollisuudella onkin loistavat lähtökohdat pienentää ilmastovaikutuksiaan koneoppimisen avulla.

Myymättä jäävien tuotteiden tuotanto, varastointi ja kuljetus aiheuttaa teollisuusaloilla valtavasti kasvihuonekaasupäästöjä. Waldman-Brown kirjoittaa, että vuonna 2011 globaalin ylijäämävaraston arvoksi arvioitiin 8 biljoonaa dollaria. 

Toimitusketjujen kasvihuonekaasupäästöjä voitaisiin vähentää tarjonnan ja kysynnän paremmalla mallintamisella, tunnistamalla vähäpäästöiset tuotteet ja optimoimalla kuljetusreittejä sekä maalla että merellä.

 

Myymättä jäävien tuotteiden tuotanto, varastointi ja kuljetus aiheuttaa vuosittain valtavasti kasvihuonekaasupäästöjä. Koneoppimisesta toivotaan osaratkaisua ongelmaan.

 

4. Maa- ja metsätalous

Metsät, suot ja maaperä toimivat hiilinieluina, mutta tehomaatalous ja hakkuut vapauttavat niiden sitomaa hiilidioksidia takaisin ilmakehään. Kestämätöntä maankäyttöä esiintyy ympäri maailmaa.

Koneoppimisen avulla satelliittikuvista voidaan tehokkaammin kartoittaa ne alueet, joilla maa- ja metsätalous tuottaa eniten kasvihuonekaasupäästöjä. Näin resursseja pystytään kohdentamaan alueille, joilla on suurin tarve ilmastomyönteisiin tekoihin kannustamiselle. 

 

Koneoppimista hyödyntämällä satelliitti- ja ilmakuvista saataisiin entistä nopeammin kartoitettua alueet, joilla harjoitetaan ilmaston kannalta kestämätöntä metsätaloutta.

 

Tulevaisuudessa tekoäly voi ennustaa satoisuutta ja auttaa viljelijää päättämään viljeltävät kasvilajikkeet. Lisäksi sen avulla automaattisten kastelujärjestelmien toimintaa voitaisiin tehostaa vedenkulutuksen vähentämiseksi. 

“Tekoäly voi ennustaa satoisuutta ja auttaa viljelijää päättämään viljeltävät kasvilajikkeet.”

Artikkelin mukaan droneja hyödynnetään maa- ja metsätaloudessa tulevaisuudessa entistä enemmän. Niiden tuottamista ilmakuvista voidaan koneoppimista hyödyntämällä löytää parhaimmat kasvupaikat sekä seurata kasvien terveyttä ja rikkakasvien määrää. Myös metsäpaloriskin arviointi helpottuu. 

5. Säätilojen ennustaminen

Tutkijat uskovat, että koneoppimisen avulla monien nykyisten ilmastomallien puute, pilvien vaikutuksen uupuminen, saadaan viimein korjattua. Myös jäätiköiden sulamista ja merenpinnan nousua kuvaavia malleja voidaan tarkentaa.

 

Ympäri maailmaa on käynnissä tutkimushankkeita, joissa selvitetään sään ääri-ilmiöiden ja niiden aiheuttamien tuhojen ennustamista koneoppimista hyödyntämällä.

 

Lisäksi koneoppimista hyödyntämällä sään ääri-ilmiöiden ja niiden aiheuttamien tuhojen ennustaminen helpottuu. Suomessakin tehdään parhaillaan tutkimusta aiheen tiimoilta. Ilmatieteen laitoksen ja Aalto yliopiston yhteistyössä koneoppimista hyödynnetään myrskyjen aiheuttamien sähkökatkojen ennustamiseen.

 

Lähde: Rolnick, D. ym. Tackling Climate Change with Machine Learning. Arxiv. Kesäkuu 2019.