Sztuczna inteligencja typu open-source w służbie sprawiedliwości środowiskowej: przedstawiamy kohortę Mozilla Technology Fund 2024

Ci laureaci Mozilli tworzą oparte na sztucznej inteligencji narzędzia typu open-source, które pomagają, a nie szkodzą planecie.

(PONIEDZIAŁEK, 5 LUTEGO 2024 r.) - Najnowsza kohorta Mozilla Technology Fund będzie korzystać z narzędzi AI typu open-source do śledzenia emisji metanu, ujawniania szkodliwych operacji wydobywczych, monitorowania jakości powietrza i nie tylko.

Mozilla ogłasza dziś laureatów na rok 2024. Zwycięskie projekty obejmują sześć krajów: Indie, Francję, Kenię, Paragwaj, Ugandę i USA. Każdemu z nich Mozilla przyzna nagrodę w wysokości do 50 000 USD oraz roczne wsparcie i mentoring.

Wszystkie projekty w kohorcie z 2024 roku działają na przecięciu technologii open-source, sprawiedliwości środowiskowej i sztucznej inteligencji, wywierając pozytywny wpływ na ekosystemy i społeczności ludzi. Stanowią uzupełnienie prac Mozilli w zakresie sprawiedliwości środowiskowej, w tym na przykład naszego zobowiązania klimatycznego i udziału w Green Screen Coalition.

Uruchomiony w 2022 roku fundusz Mozilla Technology Fund wspiera technologów open-source zajmujących się najtrudniejszymi problemami Internetu; dawne kohorty zwiększyły przejrzystość i złagodziły tendencyjność w ekosystemie sztucznej inteligencji. Fundusz wzmacnia społeczność oraz trwałość projektów open-source i jest zgodny z instytucjonalnymi zasadami finansowania przez Mozillę projektów obejmujących godną zaufania sztuczną inteligencję.

Jak mówi Mehan Jayasuriya, starszy specjalista ds. programów w Mozilli: „To, jak zdecydujemy się budować i wdrażać systemy sztucznej inteligencji, ma ogromny wpływ na otaczające nas środowisko. Systemy te mogą przyczyniać się do degradacji środowiska lub pomagać w jej zapobieganiu. Mogą zaszkodzić ziemi, którą rdzenni mieszkańcy nazywają domem, lub pomóc tym społecznościom odciąć się od działalności wydobywczej oraz szkodliwych praktyk gospodarowania gruntami. Systemy sztucznej inteligencji mogą przyspieszyć zmiany klimatyczne lub pomóc w ich rozwiązaniu. Ci laureaci wskazują nam sposób, w jaki sposób sztuczna inteligencja typu open-source może być wykorzystana do pomagania, a nie szkodzenia środowisku”.

Poznaj laureatów

MethaneMapperautorstwa EyeClimate z USA

MethaneMapper rozwiązuje problem zaniżania emisji metanu. Gdy większość firm naftowych i gazowych, elektrowni węglowych oraz placówek przemysłowych ignoruje wycieki w rurociągach i prowadzi samodzielny monitoring, mierząc jak najmniejsze ilości dwutlenku węgla i metanu, rozliczanie i regulowanie emisji znaczy bardzo niewiele. MethaneMapper to oparte narzędzie AI typu open-source do obrazowania hiperspektralnego, które wykrywa emisje metanu i śledzi ich źródła. Narzędzie działa, ponieważ dane nie pochodzą z urządzeń przenośnych ani instalowanych samodzielnie urządzeń, które można łatwo oszukać. Dane wejściowe pochodzą z hiperspektralnych obrazów obszaru docelowego wykonywanych z lotu ptaka. MethaneMapper jest zatem wyraźnie dokładniejszym narzędziem i działa w znacznie szerszym regionie geograficznym niż tradycyjne systemy monitoringu.

___

Amazon Mining Watchautorstwa Rainforest Investigations Network, Earth Genome i Amazon Conservation z USA

Amazon Mining Watch (AMW) to rozwiązanie open-source będące owocem współpracy między Rainforest Investigations Network (RIN) Centrum Pulitzera, Earth Genome i Amazon Conservation, które stanowi połączenie pionierskiej technologii, przejrzystości i sprawiedliwości środowiskowej. AMW wykorzystuje sztuczną inteligencję do analizowania obrazów satelitarnych w celu identyfikacji kopalni złota, które zagrażają rdzennym społecznościom, powodują wylesianie i stanowią niebezpieczeństwo dla najważniejszych lasów deszczowych na naszej planecie. Wykryte przypadki są upubliczniane za pośrednictwem przyjaznej dla użytkownika publicznej strony internetowej i repozytorium GitHub. AMW to narzędzie, które ujawnia tajne i szkodliwe operacje wydobywcze zagrażające regionowi Amazonii oraz jego rdzennym mieszkańcom.

___

CodeCarbonz Francji

CodeCarbon narodziło się w 2020 roku w odpowiedzi na proste pytanie: Jak mogę zmierzyć ślad węglowy mojego programu komputerowego? Zespół znalazł pewne globalne dane, takie jak „komputery odpowiadają obecnie za około 0,5% światowego zużycia energii”, ale nic na temat wpływu poszczególnych osób/organizacji oraz jego źródła. CodeCarbon bierze sobie do serca słowa Nielsa Bohra, mówiące że „nic nie istnieje, dopóki nie zostanie zmierzone”. Zespół znalazł więc sposób na oszacowanie, ile dwutlenku węgla produkują, uruchamiając nasz kod. Zrobili to, tworząc pakiet Python szacujący zużycie energii elektrycznej przez sprzęt (GPU + CPU + RAM) i wiążący go z intensywnością emisji dwutlenku węgla w regionie, w którym wykonywane są obliczenia, aby automatycznie obliczyć zużycie energii i emisję dwutlenku węgla dla dowolnego fragmentu kodu.

___

Sand Mining Watchautorstwa Uniwersytetu Kalifornijskiego w Berkeley w USA i Indiach

Sand Mining Watch to internetowy system monitorowania wydobycia i zasobów piasku, początkowo koncentrujący się na systemach rzecznych Indii. Celem projektu jest zbudowanie opartych na sztucznej inteligencji narzędzi open-source wykrywających kopalnie piasku i umożliwiające tworzenie w czasie rzeczywistym wysokorozdzielczych map aktywności wydobycia piasku w dorzeczach rzek na całym świecie. Te narzędzia i dane mogą wspomagać działania ustawodawcze, usprawniać procesy monitorowania i prawnego regulowania nielegalnej działalności wydobywczej oraz pomagać nam analizowaniu i lepszym zrozumieniu społeczno-ekonomicznych i środowiskowych skutków wydobycia piasku.

___

Zeus: Deep Learning Energy Measurement and Optimizationautorstwa Jae-Won Chung z USA

Zeus to najnowocześniejszy system pomiaru i optymalizacji zużycia energii w systemach głębokiego uczenia. Korzysta z komponentów monitorujących, które pozwalają użytkownikom mierzyć zużycie energii przez kartę graficzną, oraz komponentów do automatycznej optymalizacji parametrów DNN i GPU na podstawie pomiarów z komponentów monitorujących. Celem zespołu jest pomiar, zrozumienie, optymalizacja i wykazanie zużycia energii przez nowoczesne systemy uczenia maszynowego. Twórcy uważają zużycie energii za emergentny, pierwszorzędny miernik w systemach komputerowych, który do tej pory był w dużej mierze pomijany.

___

Public Utility Data Liberationautorstwa Catalyst Cooperative z USA

Projekt Public Utility Data Liberation (PUDL) to otwarte centrum danych dostarczające bezpłatne, aktualne, kontrolowane pod względem wersji i gotowe do analizy pakiety danych energetycznych bazujące na informacjach zgłaszanych agencjom federalnym na przestrzeni trzech dekadach. Jego długoterminowym założeniem jest pełnienie funkcji ekosystemu PUDL typu open-source, który: 1) zapewnia równy dostęp do wysokiej jakości danych energetycznych; 2) służy jako wspólnotowe repozytorium dobrze udokumentowanych, powtarzalnych procesów oczyszczania i analizy danych niezbędnych do badań i wspierania systemów energetycznych; 3) jest dostępny dla użytkowników pracujących z różnymi narzędziami (np. Excel); oraz 4) jest środowiskiem otwartym i przyjaznym dla użytkowników oraz innych osób zaangażowanych.

___

Prognozowanie jakości powietrza z wykorzystaniem sztucznej inteligencji dla Asunciónautorstwa Fernandy Carlés z Paragwaju

Od 2022 roku Fernanda Carlés współpracuje z Narodowym Uniwersytetem Asunción nad modelem uczenia maszynowego do przewidywania poziomów jakości powietrza obejmującym dziesięć uniwersyteckich stacji monitorujących. Prace te zaowocowały wysokowydajnymi modelami uczenia maszynowego, które oferują sześcio- i dwunastogodzinnych prognozy jakości powietrza z imponującą dokładnością wynoszącą odpowiednio 91% i 86%. Celem tego projektu jest umożliwienie publicznego wykorzystania mocy predykcyjnej tych modeli uczenia maszynowego. Aby to osiągnąć, projekt proponuje opracowanie przyjaznej dla użytkownika aplikacji internetowej oferującej prognozy jakości powietrza w czasie rzeczywistym z interaktywnymi wizualizacjami i alertami. Aplikacja ta będzie wykorzystywać dane w czasie rzeczywistym z istniejących stacji monitorujących w obszarze Gran Asunción w połączeniu z zatwierdzonymi modelami uczenia maszynowego.

___

Wykorzystanie sztucznej inteligencji w ramach sprawiedliwości środowiskowej i oceny wpływu na środowisko dla rzecznictwa w zakresie energii jądrowej i polityki jądrowej autorstwa Center for Justice Governance & Environmental (ACTI) w Kenii

Zespół ten opracował wcześniej oprogramowanie oparte na sztucznej inteligencji dla innych projektów w regionie Pacyfiku (CCZ) i tropikalnych północnych regionów Oceanu Atlantyckiego (klasyfikacja siedlisk na dnie morza oraz wykrywanie i klasyfikacja gatunków). W ramach tego projektu zespół zrefaktoryzuje oba procesy w jedną bazę kodu open-source dostosowaną do obszaru roboczego na Oceanie Indyjskim, gdzie zaproponowano budowę nowego reaktora jądrowego. Projekt ma na celu wykorzystanie sztucznej inteligencji oraz społeczności zajmującej się ochroną przyrody do stworzenia kompleksowego mapowania ekologicznego, które pomoże społeczności Uyombo chronić ich czyste i zdrowe środowisko, prawa społeczno-ekonomiczne oraz prawa kulturowe.

___

Wiadomości SMS AIG na rzecz sprawiedliwości środowiskowej w rdzennej społeczności Mau autorstwa L. Lusike Mukhongo z USA i Kenii

Projekt krótkich wiadomości SMS generowanych przez AI (AIG) to przełomowa inicjatywa mająca na celu rozwiązanie palących problemów sprawiedliwości środowiskowej, z którymi boryka się rdzenna społeczność Mau w Kenii. Las Mau, jeden z największych obszarów zlewisk Afryki Wschodniej, jest zagrożony wylesianiem oraz nielegalnymi osadami rolniczymi, co jest dodatkowo potęgowane przez zmiany klimatyczne i ma bezpośredni wpływ na źródła utrzymania oraz dobrostan rdzennej społeczności Ogiek i większej społeczności Mau. Celem projektu jest rozwój zasad sprawiedliwości środowiskowej poprzez wykorzystanie wiadomości SMS generowanych przez AI wśród rdzennej społeczności lasu Mau, które czerpią z ich tradycyjnej wiedzy na temat ochrony lasów i zabezpieczenia kluczowych wież wodnych. System sztucznej inteligencji będzie również obejmował komunikaty tekstowe, które pozwolą użytkownikom zadawać pytania na temat interesujących ich tematów.

___

Szacowanie i walidacja poziomów PM2,5 na podstawie obserwacji satelitarnych i naziemnych w wybranych miastach afrykańskich na rzecz sprawiedliwości środowiskowejautorstwa AirQo z Ugandy

W ramach tego projektu zostaną oszacowane poziomy pyłu zawieszonego (PM2,5) na podstawie obserwacji satelitarnych opartych na pomiarze Aerosol Optical Depth (AOD) dla siedmiu miast w siedmiu krajach afrykańskich: Lagos, Akry, Nairobi, Jaunde, Bużumbury, Kisumu i Gulu. Wykorzysta różne rozdzielczości monitoringu naziemnego za pomocą algorytmów uczenia maszynowego oraz dostępne obserwacje naziemne w wybranych miastach do walidacji szacunków satelitarnych. Wyniki opracowanych modeli sztucznej inteligencji zostaną wdrożone za pośrednictwem przyjaznych dla użytkownika platform cyfrowych i aplikacji mobilnej, które demokratyzują społeczności i umożliwiają im dostęp do kluczowych informacji o jakości powietrza. Będzie to sprzyjać podejmowaniu świadomych, inkluzywnych i opartych na dowodach decyzji oraz strategicznych interwencji, które pomogą sprostać lokalnym wyzwaniom związanym z zanieczyszczeniem powietrza przy jednoczesnym osiągnięciu sprawiedliwości środowiskowej.