{"id":717,"date":"2022-04-20T20:20:11","date_gmt":"2022-04-20T20:20:11","guid":{"rendered":"http:\/\/architeles.pl\/ethics\/?p=717"},"modified":"2022-04-28T17:54:37","modified_gmt":"2022-04-28T17:54:37","slug":"si-i-roboty-nasi-sprzymierzency-o-zielone-jutro-wykorzystanie-technik-informatycznych-w-celach-ekologicznych","status":"publish","type":"post","link":"https:\/\/architeles.eu\/ethics\/index.php\/2022\/04\/20\/si-i-roboty-nasi-sprzymierzency-o-zielone-jutro-wykorzystanie-technik-informatycznych-w-celach-ekologicznych\/","title":{"rendered":"SI i roboty &#8211; nasi sprzymierze\u0144cy o zielone jutro. Wykorzystanie technik informatycznych w celach ekologicznych"},"content":{"rendered":"<p style=\"text-align: justify;\"><strong>Rozw\u00f3j technologii jest dzisiejszych czasach bardzo mocno odczuwalny, co roku na rynku pojawia si\u0119 wiele rozwi\u0105za\u0144 znacznie polepszaj\u0105cych komfort \u017cycia ludzi. Jedn\u0105 z najszybciej rozwijaj\u0105cych si\u0119 ga\u0142\u0119zi nauki przyczyniaj\u0105cych si\u0119 do tego jest Uczenie Maszynowe, wyniki jego dzia\u0142ania mo\u017cemy obserwowa\u0107 w systemach rekomendacji, inteligentnych urz\u0105dzeniach czy grach komputerowych. Jednak czy przy jego pomocy mo\u017cemy zatroszczy\u0107 si\u0119 o nasz\u0105 planet\u0119? Jak systemy sztucznej inteligencji mog\u0105 pom\u00f3c nam w walce o Ziemi\u0119 z takimi zagro\u017ceniami\u00a0 jak globalne ocieplenie, wymieranie zwierz\u0105t czy zanieczyszczenie \u015brodowiska?<\/strong><!--more--><\/p>\n<p style=\"text-align: justify;\">W 2017 Microsoft uruchomi\u0142 pi\u0119cioletni program AI for Earth, kt\u00f3ry planowo mia\u0142 przydzieli\u0107 200 grant\u00f3w opiewaj\u0105ce w sumie na 50 milion\u00f3w dolar\u00f3w projektom u\u017cywaj\u0105cym sztuczn\u0105 inteligencj\u0119 aby zaadresowa\u0107 problem szk\u00f3d \u015brodowiskowych. Granty te nie tylko przyznaj\u0105 dost\u0119p do narz\u0119dzi badawczych ale r\u00f3wnie\u017c umo\u017cliwiaj\u0105 kolaboracj\u0119 z innymi badaczami przez wymian\u0119 modeli oraz danych w celu usprawnienia opracowanych rozwi\u0105za\u0144. Poni\u017cej wymieniono kilka sposob\u00f3w w jaki sztuczna inteligencja przyczynia si\u0119 do poprawy naszego \u015brodowiska.<\/p>\n<p>&nbsp;<\/p>\n<p style=\"text-align: justify;\"><span style=\"font-size: 14pt;\"><strong>Przeciwdzia\u0142anie kl\u0119skom \u017cywio\u0142owym<\/strong><\/span><\/p>\n<p style=\"text-align: justify;\">Zesp\u00f3\u0142 profesor Marii Uriarte z Columbia University otrzyma\u0142 grant Microsoftu aby zbada\u0107 skutki Huraganu Maria na las El Yunque w Puerto Rico, chcieli si\u0119 oni dowiedzie\u0107 jak tropikalne burze, kt\u00f3re mog\u0105 pog\u0142\u0119bia\u0107 zmiany klimatu wp\u0142ywaj\u0105 na rozk\u0142ad gatunk\u00f3w drzew.<\/p>\n<figure id=\"attachment_718\" aria-describedby=\"caption-attachment-718\" style=\"width: 451px\" class=\"wp-caption aligncenter\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-718\" src=\"http:\/\/architeles.pl\/ethics\/wp-content\/uploads\/2022\/04\/1-300x199.jpg\" alt=\"\" width=\"451\" height=\"299\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/1-300x199.jpg 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/1-75x50.jpg 75w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/1.jpg 637w\" sizes=\"auto, (max-width: 451px) 100vw, 451px\" \/><figcaption id=\"caption-attachment-718\" class=\"wp-caption-text\">Drzewa w lesie El Yunque w Puerto Rico powalone przez huragan Maria<\/figcaption><\/figure>\n<p style=\"text-align: justify;\">Huragan Maria w 2017 zniszczy\u0142 tysi\u0105ce hektar\u00f3w las\u00f3w deszczowych, jedynym sposobem na okre\u015blenie kt\u00f3re gatunki drzew zosta\u0142y zniszczone a kt\u00f3re przetrwa\u0142y na tak\u0105 du\u017ca skal\u0119 jest poprzez u\u017cycie zdj\u0119\u0107. NASA dostarczy\u0142a du\u017cej rozdzielczo\u015bci zdj\u0119cia koron drzew z przelotu nad Puerto Rico. Teoretycznie jest mo\u017cliwe aby cz\u0142owiek przy ich pomocy szacowa\u0142 straty ale zaj\u0119\u0142o by to wieczno\u015b\u0107.<\/p>\n<figure id=\"attachment_719\" aria-describedby=\"caption-attachment-719\" style=\"width: 300px\" class=\"wp-caption aligncenter\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-719 size-medium\" src=\"http:\/\/architeles.pl\/ethics\/wp-content\/uploads\/2022\/04\/2-300x199.jpg\" alt=\"\" width=\"300\" height=\"199\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/2-300x199.jpg 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/2-75x50.jpg 75w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/2.jpg 303w\" sizes=\"auto, (max-width: 300px) 100vw, 300px\" \/><figcaption id=\"caption-attachment-719\" class=\"wp-caption-text\">Drzewa oetykietowane przez zesp\u00f3\u0142 Uriarte<\/figcaption><\/figure>\n<p style=\"text-align: justify;\">W tym celu zosta\u0142a u\u017cyta sztuczna inteligencja, zesp\u00f3\u0142 Uriarte w kilku miejscach lasu oetykietowa\u0142 ka\u017cde drzewo w obszarze oznaczaj\u0105c jego gatunek, w ten spos\u00f3b przygotowane systemy pozyska\u0142y informacje jak z g\u00f3ry wygl\u0105daj\u0105 korony poszczeg\u00f3lnych gatunk\u00f3w drzew. Nast\u0119pnie na podstawie tych danych wytrenowano system i wyekstrapolowano rozk\u0142ad drzew na wi\u0119kszych obszarach.<\/p>\n<p style=\"text-align: justify;\">Zrozumienie jak rozk\u0142ad i kompozycja las\u00f3w jest zale\u017cna od huragan\u00f3w jest wa\u017cna poniewa\u017c kiedy drzewa ulegaj\u0105 zniszczeniu zaczyna si\u0119 proces ich rozk\u0142adu, kt\u00f3ry emituje CO2 do atmosfery. Dodatkowo w procesie odnowy las\u00f3w, ma\u0142e drzewa kt\u00f3re dopiero rosn\u0105 poch\u0142aniaj\u0105 znacznie mniej CO2. Je\u017celi ze zmian\u0105 klimatu takie huragany b\u0119d\u0105 si\u0119 nasila\u0107 wiele las\u00f3w mo\u017ce nie przetrwa\u0107 co przyczyni si\u0119 do jeszcze wi\u0119kszego globalnego ocieplenia.<\/p>\n<p>&nbsp;<\/p>\n<p style=\"text-align: justify;\"><strong><span style=\"font-size: 14pt;\">Ochrona zwierz\u0105t<\/span><\/strong><\/p>\n<p style=\"text-align: justify;\">Zr\u00f3\u017cnicowanie zwierz\u0105t ca\u0142y czas spada w zastraszaj\u0105cym tempie, aktualnie ze 120.000 gatunk\u00f3w z Czerwnoej listy gatunkow zagro\u017conych ponad 17.000 z nich ma status \u201eBrak Danych\u201d. Potrzebne s\u0105 narz\u0119dzia do szacowania populacji i zr\u00f3\u017cnicowania zwierz\u0105t na du\u017c\u0105 skal\u0119. Obecnie proces ten jest oparty o dane zbierane przez ludzi kt\u00f3rzy pracuj\u0105 w rezerwatach przyrody, \u00a0licz\u0105 zwierz\u0119ta i obserwuj\u0105 ich zachowanie. Jest to czasoch\u0142onne i drogie, a dane mog\u0105 by\u0107 zaburzone przez czynnik ludzki. Cz\u0119sto nieuniknione interakcje cz\u0142owieka mog\u0105 zagrozi\u0107 jego bezpiecze\u0144stwo a tak\u017ce wp\u0142ywa\u0107 na samo zachowanie zwierz\u0105t. Post\u0119py w rozwoju technologii czujnik\u00f3w znacz\u0105co powi\u0119kszaj\u0105 mo\u017cliwo\u015bci zbierania takich danych, zmnijeszaj\u0105c koszty i zwi\u0119kszaj\u0105c pokrycie w por\u00f3wnaniu z tradycyjnymi metodami. Wiele niedost\u0119pnych wcze\u015bniej obszar\u00f3w mo\u017ce by\u0107 teraz badanych dok\u0142adnie w spos\u00f3b nieinwazyjny przez u\u017cycie cyfrowych urz\u0105dze\u0144 jak np. kamery, czujniki akusyczne itd. Specjalne tagi z sensorami umieszczane bezpo\u015brednio na zwierz\u0119tach umo\u017cliwiaj\u0105 \u015bledzenie ich przez ca\u0142e ich \u017cycie rewolucjonizuj\u0105c nauk\u0119 o ruchu i migracjach zwierz\u0105t<\/p>\n<p>&nbsp;<\/p>\n<p style=\"text-align: justify;\"><img loading=\"lazy\" decoding=\"async\" class=\"size-medium wp-image-720 aligncenter\" src=\"http:\/\/architeles.pl\/ethics\/wp-content\/uploads\/2022\/04\/3-1-167x300.png\" alt=\"\" width=\"167\" height=\"300\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/3-1-167x300.png 167w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/3-1.png 239w\" sizes=\"auto, (max-width: 167px) 100vw, 167px\" \/><\/p>\n<p style=\"text-align: justify;\">Algorytm BirdNET zosta\u0142 u\u017cyty do wykrywania d\u017awi\u0119k\u00f3w Carolina wren w ponad 35.000 godzin nagra\u0144 z \u00a0Ithaca w Nowym Jorku, pozwalaj\u0105c naukowcom na dokumentacj\u0119 stopniowej odnowy populacji po srogiej zimie w 2015 roku<\/p>\n<p>&nbsp;<\/p>\n<p style=\"text-align: justify;\"><img loading=\"lazy\" decoding=\"async\" class=\"size-medium wp-image-721 aligncenter\" src=\"http:\/\/architeles.pl\/ethics\/wp-content\/uploads\/2022\/04\/4-1-300x125.png\" alt=\"\" width=\"300\" height=\"125\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/4-1-300x125.png 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/4-1.png 449w\" sizes=\"auto, (max-width: 300px) 100vw, 300px\" \/><\/p>\n<p style=\"text-align: left;\">Uczenie maszynowe przy pomocy danych z urz\u0105dze\u0144 bio-loguj\u0105cych umo\u017cliwi\u0142o analiz\u0119 ruch\u00f3w ro\u015blino\u017cerc\u00f3w z sawanny aby zidentyfikowa\u0107 zagro\u017cenia ze strony ludzi. Metoda ta pozwala zlokalizwanie intruz\u00f3w w zasi\u0119gu 500m I jest wykorzystywana do walki z k\u0142usownictwem.<\/p>\n<p>&nbsp;<\/p>\n<p style=\"text-align: center;\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-medium wp-image-722\" src=\"http:\/\/architeles.pl\/ethics\/wp-content\/uploads\/2022\/04\/5-1-300x222.png\" alt=\"\" width=\"300\" height=\"222\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/5-1-300x222.png 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/5-1.png 441w\" sizes=\"auto, (max-width: 300px) 100vw, 300px\" \/><\/p>\n<p style=\"text-align: justify;\">TRex &#8211; bazuj\u0105ce na obrazach oprogramowanie umo\u017cliwia \u015bledzenie ruchu setek osobno rozpoznanych zwierz\u0105t w czasie rzeczywistym, na zdj\u0119ciu u\u017cyty do zwizualizowania formacji kolonii termit\u00f3w.<\/p>\n<p>&nbsp;<\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"alignnone wp-image-724 aligncenter\" src=\"http:\/\/architeles.pl\/ethics\/wp-content\/uploads\/2022\/04\/7-1-300x108.png\" alt=\"\" width=\"367\" height=\"132\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/7-1-300x108.png 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/7-1.png 431w\" sizes=\"auto, (max-width: 367px) 100vw, 367px\" \/><\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"size-full wp-image-723 aligncenter\" src=\"http:\/\/architeles.pl\/ethics\/wp-content\/uploads\/2022\/04\/6-1.png\" alt=\"\" width=\"241\" height=\"246\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/6-1.png 241w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/6-1-70x70.png 70w\" sizes=\"auto, (max-width: 241px) 100vw, 241px\" \/><\/p>\n<p style=\"text-align: justify;\">Oszacowanie pozy przy pomocy DeepPoseKit i \u00a0DeepLabCut pozwala na \u015bledzenie pozycji cia\u0142a zwierz\u0105t z nagra\u0144 video np. z drona i nauk\u0119 ich zachowa\u0144.<\/p>\n<p>&nbsp;<\/p>\n<p style=\"text-align: justify;\"><span style=\"font-size: 14pt;\"><strong>Oczyszczanie \u015brodowiska<\/strong><\/span><\/p>\n<p style=\"text-align: justify;\">Brytyjska firma Greyparrot wzi\u0119\u0142a sobie za cel usprawnienie zarz\u0105dzania odpadami. Przy pomocy \u00a0widzenia maszynowego modernizuj\u0105 sortowanie na r\u00f3\u017cnych etapach \u0142a\u0144cucha przetwarzania odpad\u00f3w.\u00a0Firma wykorzystuje uczenie maszynowe by rozpoznawa\u0107 r\u00f3\u017cne rodzaje odpadk\u00f3w, a nast\u0119pnie sortowa\u0107 je we w\u0142a\u015bciwy spos\u00f3b. System rozpoznaje szk\u0142o, papier, karton, gazety, puszki i r\u00f3\u017cne rodzaje tworzyw sztucznych (czarne, PET, HDPE).<\/p>\n<p><iframe loading=\"lazy\" title=\"Greyparrot Waste Recognition Demo - 29 June 2019\" width=\"600\" height=\"338\" src=\"https:\/\/www.youtube.com\/embed\/71XTDf4YVIY?start=30&#038;feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe><\/p>\n<p style=\"text-align: justify;\">Aktualnie w sortowniach u\u017cywa si\u0119 wielu maszyn np. do oddzielania plastiku i metalu oraz ma\u0142ych i du\u017cych obiekt\u00f3w ale na ko\u0144cu procesu i tak stoi cz\u0142owiek. Przy pomocy prostej kamery i komputera w przysz\u0142oci obecno\u015b\u0107 cz\u0142owieka w tym procesie powinna stawa\u0107 si\u0119 coraz mniej potrzebna, w szczeg\u00f3lno\u015bci \u017ce sortowanie wszystkiego ze 100% dok\u0142adno\u015bci\u0105 nigdy nie jest mo\u017cliwe. Greyparrot stara si\u0119 pom\u00f3c\u00a0 tak\u017ce w ostatnim etapie sortowania czyli ocenie czy wytworzone z tworzyw kostki PET spe\u0142niaj\u0105 wymogi czysto\u015bci aby mog\u0142y ulec dalszemu przetworzeniu. System ma r\u00f3wnie\u017c mo\u017cliwo\u015b\u0107 identyfikacji problematycznych obiekt\u00f3w i podawa\u0107 wsp\u00f3\u0142rz\u0119dne robotowi sortuj\u0105cemu, aby ten m\u00f3g\u0142 automatycznie zbiera\u0107 zanieczyszczenia.<\/p>\n<p>&nbsp;<\/p>\n<p class=\"has-text-color\"><strong><span style=\"font-size: 14pt; color: #000000;\">\u015aledzenie inwazyjnych gatunk\u00f3w ro\u015blin<\/span><\/strong><\/p>\n<p>Naukowcy z brytyjskiego Centre for Ecology and Hydrology (UKCEH) i firmy Keen AI z Birmingham opracowuj\u0105 nowy system sztucznej inteligencji do szybkiego badania obszar\u00f3w, takich jak pobocza dr\u00f3g, pod k\u0105tem inwazyjnych gatunk\u00f3w ro\u015blin. Niekt\u00f3re z nich (np. rdestowiec japo\u0144ski) mog\u0105 powodowa\u0107 spore szkody w Wielkiej Brytanii, ale znalezienie i \u015bledzenie ich rozprzestrzeniania si\u0119 by\u0142oby kosztowne i czasoch\u0142onne. Nowy projekt b\u0119dzie wykorzystywa\u0142 szybkobie\u017cn\u0105 kamer\u0119 umieszczon\u0105 na dachu pojazdu, aby codziennie bada\u0107 do 200 km ro\u015blinno\u015bci przydro\u017cnej. Zdj\u0119cia zostan\u0105 otagowane lokalizacj\u0105 GPS i przes\u0142ane na platform\u0119 internetow\u0105, gdzie ekolodzy UKCEH zidentyfikuj\u0105 ro\u015bliny na zdj\u0119ciach.<\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-739 size-full\" src=\"http:\/\/architeles.pl\/ethics\/wp-content\/uploads\/2022\/04\/8-1.png\" alt=\"\" width=\"657\" height=\"650\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/8-1.png 657w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/8-1-300x297.png 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/8-1-70x70.png 70w\" sizes=\"auto, (max-width: 657px) 100vw, 657px\" \/><\/p>\n<p>W ten spos\u00f3b zesp\u00f3\u0142 zamierza nauczy\u0107 sztuczn\u0105 inteligencj\u0119 jak prawid\u0142owo identyfikowa\u0107 gatunki inwazyjne, takie jak: rdestowiec japo\u0144ski, rododendrony, balsam himalajski i laur wi\u015bniowy. Gdy\u00a0sztuczna inteligencja nauczy si\u0119 rozpoznawa\u0107 okre\u015blone gatunki, b\u0119dzie w\u00a0stanie szybko analizowa\u0107 du\u017c\u0105 liczb\u0119 obraz\u00f3w, a\u00a0tym samym przyspieszy i\u00a0obni\u017cy koszty bada\u0144 inwazyjnych oraz\u00a0potencjalnie szkodliwych ro\u015blin<strong>.<\/strong><\/p>\n<p>&nbsp;<\/p>\n<p><strong><span style=\"font-size: 14pt;\">Optymalizacja zu\u017cycia energii<\/span><\/strong><\/p>\n<p>Du\u017cy wp\u0142yw na \u015brodowisko mo\u017cna zauwa\u017cy\u0107 przy okazji rewolucji cyfrowej, centra danych w kt\u00f3rych znajduj\u0105 si\u0119 serwery oraz urz\u0105dzenia sieciowe konieczne do przechowywania, transferowania i procesowania danych w internecie poch\u0142aniaj\u0105 ogromne ilo\u015bci energii a ich ilo\u015b\u0107 z biegiem czasu b\u0119dzie tylko ros\u0142a. W 2010 roku konsumpcja energii centr danych stanowi\u0142a 1.1 \u2013 1.5% ca\u0142ego \u015bwiatowego zu\u017cycia. Wed\u0142ug niekt\u00f3rych raport\u00f3w do 2030 warto\u015b\u0107 ma wzrosn\u0105\u0107 do 13%. Oczywistym jest, \u017ce nale\u017cy ograniczy\u0107 to zapotrzebowanie, w tym mo\u017ce pom\u00f3c machine learning.<\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-751 aligncenter\" src=\"http:\/\/architeles.pl\/ethics\/wp-content\/uploads\/2022\/04\/9.png\" alt=\"\" width=\"600\" height=\"337\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/9.png 950w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/9-300x169.png 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2022\/04\/9-768x432.png 768w\" sizes=\"auto, (max-width: 600px) 100vw, 600px\" \/><\/p>\n<p>W 2016 badacze z DeepMind zmierzyli si\u0119 z tym problemem przygotowuj\u0105c framework stosuj\u0105cy uczenie maszynowe dla centr danych Google\u2019a. Zbiera on dane ze z\u0142o\u017conego uk\u0142adu czujnik\u00f3w ch\u0142odzeniowych i przygotowuje optymalne scenariusze dzia\u0142ania. Po zastosowaniu tego rozwi\u0105zania zredukowano o 40% energi\u0119 zu\u017cywan\u0105 na ch\u0142odzenie i o 15% og\u00f3lne zu\u017cycie energii w centrach danych, a przewidywanie wydajno\u015bci zu\u017cycia energii by\u0142o na poziomie b\u0142\u0119du 0.4% Jest to bardzo dobry wynik i daje nadziej\u0119 \u017ce inne firmy o podobnej dzia\u0142alno\u015bci r\u00f3wnie\u017c b\u0119d\u0105 chcia\u0142y obni\u017cy\u0107 swoje koszty operacyjne i za t\u0105 spraw\u0105 obni\u017c\u0105 sw\u00f3j wk\u0142ad w\u0119glowy.<\/p>\n<p>&nbsp;<\/p>\n<p><strong><span style=\"font-size: 14pt;\">Niebezpiecze\u0144stwa<\/span><\/strong><\/p>\n<p style=\"text-align: justify;\">W 2018 roku na World Economic Forum opublikowano raport, kt\u00f3ry pokaza\u0142 \u017ce mimo \u017ce sztuczna inteligencja mo\u017ce rozwi\u0105zywa\u0107 wiele problem\u00f3w \u015brodowiskowych to wa\u017cne jest aby rozwa\u017cnie si\u0119 ni\u0105 pos\u0142ugiwa\u0107. Wed\u0142ug ekspert\u00f3w w tym temacie SI mo\u017ce przyczynia\u0107 si\u0119 r\u00f3wnie\u017c do niszczenia \u015brodowiska. U\u017cytkowanie energoch\u0142onnych kart graficznych aby trenowa\u0107 modele uczenia maszynowego zosta\u0142o podane jako wnosz\u0105ce wk\u0142ad do zwi\u0119kszonej emisji dwutlenku w\u0119gla. WEF zaproponowa\u0142 firmom \u015brodki \u2018bezpiecznej\u2019 SI aby upewni\u0107 si\u0119 \u017ce nie rozwijaj\u0105 one system\u00f3w kt\u00f3re by\u0142oby szkodliwe dla otoczenia. Dotyczy to na przyk\u0142ad modeli kt\u00f3rych konsumpcja energii lub innych surowc\u00f3w naturalnych jest znacznie wi\u0119ksza ni\u017c by\u0142oby to uzasadnione.<\/p>\n<p>&nbsp;<\/p>\n<p style=\"text-align: left;\"><strong><span style=\"font-size: 14pt;\">\u0179r\u00f3d\u0142a<\/span><\/strong><\/p>\n<p style=\"text-align: left;\">[1] Artificial Intelligence\u2014A Game Changer for Climate Change and the Environment. Columbia Climate School. Link: <a href=\"https:\/\/news.climate.columbia.edu\/2018\/06\/05\/artificial-intelligence-climate-environment\/\">https:\/\/news.climate.columbia.edu\/2018\/06\/05\/artificial-intelligence-climate-environment\/<\/a><\/p>\n<p style=\"text-align: justify;\">[2] Perspectives in machine learning for wildlife conservation. Nature. Link: <a href=\"https:\/\/www.nature.com\/articles\/s41467-022-27980-y#ref-CR9\">https:\/\/www.nature.com\/articles\/s41467-022-27980-y#ref-CR9<\/a><\/p>\n<p style=\"text-align: left;\">[3] AI and climate change: The mixed impact of machine learning. Techtarget. Link: <a href=\"https:\/\/www.techtarget.com\/searchenterpriseai\/feature\/AI-and-climate-change-The-mixed-impact-of-machine-learning\">https:\/\/www.techtarget.com\/searchenterpriseai\/feature\/AI-and-climate-change-The-mixed-impact-of-machine-learning<\/a><\/p>\n<p>[4] Sztuczna inteligencja w s\u0142u\u017cbie ekologii. Greyparrot wykorzystuje widzenie maszynowe do zarz\u0105dzania odpadami. ITReseller. Link:\u00a0<a href=\"https:\/\/itreseller.com.pl\/sztuczna-inteligencja-w-sluzbie-ekologii-greyparrot-wykorzystuje-widzenie-maszynowe-do-zarzadzania-odpadami\/?fbclid=IwAR16TiB0kLc2DVSn5dahIWoCOMMbcubetAyssWC6_VIjrlarS0gfESX_mcs\">https:\/\/itreseller.com.pl\/sztuczna-inteligencja-w-sluzbie-ekologii-greyparrot-wykorzystuje-widzenie-maszynowe-do-zarzadzania-odpadami\/?fbclid=IwAR16TiB0kLc2DVSn5dahIWoCOMMbcubetAyssWC6_VIjrlarS0gfESX_mcs<\/a><\/p>\n<p>[5] How DeepMind&#8217;s AI Framework made Google Energy Efficient. Nural Research. Link: <a href=\"https:\/\/www.nural.cc\/deepmind-ai-framework\/\">https:\/\/www.nural.cc\/deepmind-ai-framework\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Rozw\u00f3j technologii jest dzisiejszych czasach bardzo mocno odczuwalny, co roku na rynku pojawia si\u0119 wiele rozwi\u0105za\u0144 znacznie polepszaj\u0105cych komfort \u017cycia ludzi. Jedn\u0105 z najszybciej rozwijaj\u0105cych si\u0119 ga\u0142\u0119zi nauki przyczyniaj\u0105cych si\u0119 do tego jest Uczenie Maszynowe, wyniki jego dzia\u0142ania mo\u017cemy obserwowa\u0107 w systemach rekomendacji, inteligentnych urz\u0105dzeniach czy grach komputerowych. Jednak czy przy jego pomocy mo\u017cemy zatroszczy\u0107 [&hellip;]<\/p>\n","protected":false},"author":30,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[1],"tags":[123,125,79,124,20],"class_list":["post-717","post","type-post","status-publish","format-standard","hentry","category-uncategorized","tag-ekologia","tag-energia","tag-machine-learning","tag-ochrona-zwierzat","tag-sztuczna-inteligencja"],"jetpack_featured_media_url":"","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/717","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/users\/30"}],"replies":[{"embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/comments?post=717"}],"version-history":[{"count":8,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/717\/revisions"}],"predecessor-version":[{"id":1111,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/717\/revisions\/1111"}],"wp:attachment":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/media?parent=717"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/categories?post=717"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/tags?post=717"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}