كيف يمكن للذكاء الاصطناعى تحديد المنازل المهدرة للطاقة؟.. دراسة تكشف

طور باحثان من جامعة كامبريدج خوارزمية تعلم عميقة يمكن أن تجعل من الأسهل والأسرع والأرخص تحديد المنازل التي تهدر الطاقة – وهو مصدر مهم لانبعاثات الغازات الدفيئة.

ومن خلال تدريبه على بيانات مفتوحة المصدر، بما في ذلك شهادات أداء الطاقة وصور الأقمار الصناعية، تمكن الذكاء الاصطناعي من تصنيف ما يسمى بالمنازل “التي يصعب إزالة الكربون منها” بدقة تصل إلى 90%.

ووفقا للدراسة، يمكن للنموذج تحديد الأجزاء المحددة من المبنى – مثل السقف والنوافذ – التي تفقد أكبر قدر من الحرارة، وما إذا كان المنزل قديما أم حديثا. ومع ذلك، فإن الباحثين واثقون من قدرتهم على زيادة تفاصيل النموذج ودقته بشكل كبير بمرور الوقت، وفقًا لما ذكره TheNextWeb.

تهدف المملكة المتحدة إلى إزالة الكربون من جميع المنازل، حتى تلك المعرضة لتيارات الهواء، بحلول عام 2050، ولكن من دون وسيلة لتحديد “الخصائص ذات الأولوية العالية”، يمكن أن يكافح صناع السياسات لتحقيق هذه الأهداف.

وقالت الدكتورة رونيتا باردان، رئيسة مجموعة التصميم المستدام في كامبريدج والمؤلفة المشاركة في الدراسة: “هذه هي المرة الأولى التي يتم فيها تدريب الذكاء الاصطناعي على تحديد المباني التي يصعب إزالة الكربون منها باستخدام بيانات مفتوحة المصدر”.

وأضافت: “يحتاج صناع السياسات إلى معرفة عدد المنازل التي يحتاجون إلى إزالة الكربون منها، لكنهم غالبًا ما يفتقرون إلى الموارد اللازمة لإجراء عمليات تدقيق تفصيلية لكل منزل”.

وتابعت: “يمكن لنموذجنا أن يوجههم إلى المنازل ذات الأولوية القصوى، مما يوفر لهم الوقت والموارد الثمينة”.

يقول باردان والمؤلف الآخر للدراسة، ماوران صن، إنهما يعملان على إطار أكثر تقدمًا من شأنه أن يجلب طبقات بيانات إضافية مثل استخدام الطاقة، ومستويات الفقر، والصور الحرارية لواجهات المباني. ويتوقعون أن يؤدي هذا إلى زيادة دقة النموذج ولكنه يوفر أيضًا معلومات أكثر تفصيلاً.

وقال الباحثون إن قرارات سياسة إزالة الكربون استندت إلى أدلة مستمدة من مجموعات بيانات محدودة، وأنهم متفائلون بقدرة الذكاء الاصطناعي على تغيير هذا الوضع، مشيرين إلى أن قدرة خوارزميات الذكاء الاصطناعي على استخلاص القيمة من كميات هائلة من البيانات ستتغير قواعد اللعبة في حل المشكلات المعقدة.

خارج المجال الأكاديمي، هناك عدد لا يحصى من الشركات التي تضع الذكاء الاصطناعي في مهمة حل تغير المناخ، على سبيل المثال شركة Dryad Networks ومقرها برلين، والتي تستفيد من التعلم الآلي لتسريع أوقات الكشف عن حرائق الغابات، أو الشركة النرويجية 7Analytics، التي تستخدم الذكاء الاصطناعي للذكاء الاصطناعي لتحسين الأداء. التنبؤ بالفيضانات والحد من الأضرار التي تلحق بالبنية التحتية.