211service.com
Kan machine learning de smog in China helpen opheffen?
Vanaf de straat, door de zware smog van Peking, kan het soms moeilijk zijn om het Chinese hoofdkantoor van IBM te onderscheiden: een torenhoog kantoorgebouw met een kenmerkende golvende architecturale bloei en een groot bedrijfslogo bovenaan.
Maar op korte afstand, aan de noordoostelijke rand van de hoofdstad, gebruiken IBM-computerwetenschappers kunstmatige intelligentie om te ontwikkelen wat volgens hen een manier zal zijn om het beruchte en chronische vervuilingsprobleem van China beter te beheersen.
Het team gebruikt complexe computermodellen en machine learning om te berekenen hoe de vervuiling zich over de stad zal verspreiden. De onderzoekers kunnen nu tot 10 dagen van tevoren vervuilingsvoorspellingen maken, met een resolutie van een vierkante kilometer.
Deze voorspellingen kunnen de overheid ook vertellen hoe ze zou kunnen handelen om de ergste scenario's te vermijden, bijvoorbeeld door bepaalde fabrieken te sluiten of door het aantal auto's op de weg te verminderen.
Wanneer MIT Technology Review bezocht de kantoren van IBM Onderzoek–China afgelopen november was de lucht bijzonder slecht. Koud weer had de vraag naar elektriciteit doen toenemen, waardoor nabijgelegen kolencentrales gedwongen werden de productie op te voeren. Dit, in combinatie met de gebruikelijke verkeerschaos, had een ware longverbrandende smog veroorzaakt. Vervuiling wordt gemeten aan de hand van de hoeveelheid fijnstof per kubieke meter. Voor een ontwikkelde stad beveelt de Wereldgezondheidsorganisatie aan dat dit aantal niet hoger is dan 25. Tijdens mijn bezoek bereikte het bijna 250. Het modelleringssysteem, Green Horizon genaamd, werd gebruikt om de verspreiding van vervuiling te voorspellen; maar het was niet duidelijk of de regering had besloten de fabrieksproductie of het aantal auto's op de weg te beperken. De behoefte aan verwarming leek op te wegen tegen de nadelige gevolgen.
Een dag van zware vervuiling in Peking, 25 december 2015.
Het Beijing-project, dat gebruikmaakt van gegevens die zijn verzameld door vervuilingssensoren in de stad, omvat complexe modellering van zowel specifieke bronnen van vervuiling als van weer en luchtbeweging om te voorspellen hoe erg de vervuiling in verschillende buurten zal zijn. Eerdere metingen worden gebruikt om voorspellingen te verfijnen met behulp van een benadering die bekend staat als machine learning. Dit maakt het mogelijk om nieuwe voorspellingen te maken van deze gecombineerde factoren, zegt Xiaowei Shen , directeur van IBM Research-China.
Iedereen heeft het over big data, maar we weten allemaal dat de traditionele IT-technologieën die we hebben ontwikkeld niet voldoende zullen zijn om met alle big data om te gaan, zegt Xiaowei.
IBM voert complexe simulaties uit van de economische impact van het sluiten van fabrieken als gevolg van vervuiling, zegt Jin Dong, een vooraanstaand ingenieur bij IBM Research-China en leider van het project. Verschillende overheidsinstanties nemen die beslissingen.
De Chinese regering moet mogelijk enkele harde beslissingen nemen met betrekking tot de energieproductie om zowel de gevolgen voor de gezondheid op korte termijn als de klimaateffecten van luchtverontreiniging op lange termijn te verzachten. Sarah Williams , een assistent-professor aan de afdeling Stedelijke Studies en Planning van het MIT en directeur van het Civic Data Design Lab, die het vervuilingsprobleem van Peking tijdens de Olympische Spelen van 2008 bestudeerde, zegt dat de inspanningen van IBM zeer waardevol kunnen zijn als het de Chinese regering laat zien hoe beperkt een impact op fijnstof kortetermijnoplossingen zoals het offline halen van fabrieken kunnen hebben - en hoe noodzakelijk uitgebreidere milieuregelgeving kan zijn.
Tenzij de overheid die data en datavisualisatie gebruikt om veranderingen door te voeren, heeft het weinig netto voordeel, zegt Williams.
Het modelleringssysteem van IBM wordt gebruikt in twee andere Chinese steden met grote vervuilingsproblemen: Baoding en Zhangjiakou. Ondertussen wordt verwante technologie die bij IBM is ontwikkeld, gebruikt om de relatie tussen verkeer en vervuiling in Delhi, India, en de effectiviteit van maatregelen ter beheersing van luchtvervuiling in Johannesburg, Zuid-Afrika, te bestuderen.