Новий інструмент штучного інтелекту використовує комбінацію машинного навчання, супутникових зображень і даних про погоду, щоб самостійно знаходити місця з сильним забрудненням повітря аж до кварталу міста.
Вчені з Університету Дьюка розробили інструмент штучного інтелекту, який допоможе дослідникам виявляти й скорочувати джерела небезпечних викидів. Крім того, він стане в нагоді у вивченні впливу викидів на здоров’я людини в конкретному місці міста.
Автори нового інструменту ШІ особливо зацікавлені у виявленні рівнів частинок PM2,5.
PM2.5 – це тверді частинки розміром менш як 2,5 мікрон. Їх діаметр в 30 разів менше, ніж діаметр людської волосини. До них відноситься суміш частинок пилу, золи, сажі, а також сульфатів і нітратів, які перебувають в підвішеному стані в повітрі. Саме ці речовини викликають помутніння повітря, типове для центрів найбільших мегаполісів.
Частинки PM2.5 здатні забиратися глибоко в дихальні шляхи й осідати в легенях. Вдихання цих частинок може викликати подразнення очей, носа, горла та легень, а також напади кашлю, нежиті та задухи. Але цим не вичерпується небезпека їх впливу. Норма концентрації частинок PM2.5, встановлена Всесвітньою організацією охорони здоров’я – 25 мікрограмів на кубічний метр. Перевищення цієї норми може порушити нормальну роботу легенів і викликати розвиток багатьох небезпечних захворювань, таких як рак легенів, інфекції дихальних шляхів і серцево-судинні захворювання.
У звіті Global Burden of Diseases за 2020 рік повідомляється, що 90% населення планети проживає в місцях, де кількість PM2,5 небезпечно для здоров’я. При цьому в більшості міст немає наземних станцій моніторингу повітря через високу вартість.
Крім того, вони дають лише загальне уявлення про умови забруднення повітря в певному регіоні, але для жителів різних районів міста ці дані марні. Щоб розв’язати проблему, вчені створили інструмент для вимірювання PM2,5 в діапазоні 300 метрів (міського кварталу).
Використовуючи супутникові дані, показники погоди й машинне навчання дослідники навчили алгоритм автоматично знаходити гарячі й прохолодні точки забруднення повітря. Розробники використовували техніку залишкового навчання. Алгоритм спочатку оцінює рівні PM2,5, використовуючи тільки дані про погоду. Потім він вимірює різницю між цими оцінками й фактичними рівнями частинок. В результаті алгоритм вчиться використовувати супутникові зображення, щоб покращувати прогнози.
Натхнення: hightech.fm