IA de código aberto para justiça ambiental: apresentando o 2024 Mozilla Technology Fund Cohort

Estes premiados da Mozilla estão construindo ferramentas de IA de código aberto que realmente ajudam o planeta

(SEGUNDA-FEIRA, 5 DE FEVEREIRO DE 2024) - O mais novo grupo do Mozilla Technology Fund (MTF) usará ferramentas de IA de código aberto para rastrear as emissões de metano, expor operações de mineração prejudiciais, monitorar a qualidade do ar e muito mais.

A Mozilla está anunciando seus premiados de 2024 hoje. Os projetos vencedores abrangem seis países: Índia, França, Quênia, Paraguai, Uganda e EUA. A Mozilla está fornecendo prêmios de até US$ 50.000 cada e um ano de orientação e apoio a esses premiados.

Todos os projetos da coorte de 2024 trabalham na interseção de código aberto, justiça ambiental e IA, causando um impacto positivo nos ecossistemas e nas comunidades humanas. Eles complementam o trabalho mais amplo da Mozilla em justiça ambiental, como nossos Compromissos Climáticos e a participação na Green Screen Coalition.

Lançado em 2022, o Mozilla Technology Fund (MTF) apoia tecnólogos de código aberto que abordam os problemas mais controversos da Internet; as coortes anteriores aumentaram a transparência e mitigaram o preconceito no ecossistema de IA. O fundo fortalece a comunidade e a sustentabilidade desses projetos de código aberto e está alinhado com os princípios de financiamento de IA confiável de toda a instituição da Mozilla.

Diz Mehan Jayasuriya, Diretor Sênior de Programas da Mozilla: “A forma como escolhemos construir e implantar sistemas de IA tem um impacto descomunal no ambiente ao nosso redor. Esses sistemas podem contribuir para a degradação ambiental — ou ajudar a preveni-la. Eles podem prejudicar a terra que os povos indígenas chamam de lar — ou ajudar essas comunidades a repelir a extração de recursos e as práticas prejudiciais de manejo da terra. E os sistemas de IA podem acelerar as mudanças climáticas — ou ajudar a resolvê-las. Esses premiados estão liderando o caminho para demonstrar como a IA de código aberto pode ser usada para ajudar, e não prejudicar, o meio ambiente.”

Conheça os premiados

MethaneMapper, da EyeClimate, nos EUA

O MethaneMapper resolve o problema das emissões de metano subnotificadas. Quando a maioria das empresas de petróleo e gás, usinas de carvão e fazendas industriais ignora vazamentos em tubos e monitora seus campos para medir o mínimo possível de carbono e metano, a contabilidade e a regulamentação das emissões significam muito pouco. O MethaneMapper é uma ferramenta de imagem hiperespectral de código aberto alimentada por IA para detectar emissões de metano e rastreá-las até suas fontes. A ferramenta funciona porque os dados não vêm de dispositivos portáteis ou mesmo de dispositivos instalados individualmente que podem ser facilmente enganados. Os dados de entrada são imagens hiperespectrais aéreas da área alvo. O MethaneMapper é, portanto, muito mais preciso e funciona em uma região geográfica muito mais ampla do que o monitoramento tradicional.

___

Amazon Mining Watch, da Rainforest Investigations Network, do Earth Genome e da Amazon Conservation, nos EUA

O Amazon Mining Watch (AMW) é uma colaboração de código aberto entre a Rainforest Investigations Network (RIN) do Pulitzer Center, o Earth Genome e a Amazon Conservation, que está no nexo da tecnologia pioneira, transparência e justiça ambiental. A AMW usa IA para pesquisar imagens de satélite, identificando minas de ouro que ameaçam comunidades indígenas, causam desmatamento e ameaçam a floresta tropical mais crucial do nosso planeta. Essas detecções são expostas ao público por meio de um site público fácil de usar e do repositório do GitHub. A AMW é um farol que expõe as operações de mineração encobertas e prejudiciais que ameaçam a Amazônia e seus povos indígenas.

___

CodeCarbon, na França

A CodeCarbon começou em 2020 com uma pergunta simples: Como posso medir a pegada de carbono do meu programa de computador? A equipe encontrou alguns dados globais, como "a computação atualmente representa cerca de 0,5% do consumo mundial de energia", mas nada sobre os impactos em nível individual ou organizacional e de onde eles se originam. Na CodeCarbon, a equipe acredita, como disse Niels Bohr, que "Nada existe até que seja medido". Então, eles encontraram uma maneira de estimar a quantidade de carbono que produzem enquanto executam nosso código. Eles fizeram isso criando um pacote Python que estima o consumo de energia elétrica do hardware (GPU + CPU + RAM) e o aplica à intensidade de carbono da região onde a computação é feita para calcular automaticamente o consumo de energia e as emissões de carbono de qualquer parte do código.

___

Sand Mining Watch, da Universidade da Califórnia, Berkeley, nos EUA e na Índia

O Sand Mining Watch é um sistema de monitoramento de mineração de areia e recursos de areia baseado na web, inicialmente com foco nos sistemas fluviais da Índia. O objetivo do projeto é construir ferramentas de detecção de minas de areia de código aberto e baseadas em IA que possibilitem a produção de mapas de alta resolução e em tempo real da atividade de mineração de areia em bacias hidrográficas em todo o mundo. Essas ferramentas e dados podem catalisar ações políticas, melhorar o monitoramento e a regulamentação da atividade de mineração ilegal e nos ajudar a caracterizar e entender melhor os impactos socioeconômicos e ambientais da mineração de areia.

___

Zeus: medição e otimização de energia de aprendizagem profunda, de Jae-Won Chung, nos EUA

O Zeus é o atual estado da arte em medição e otimização de energia de aprendizagem profunda. Possui componentes de monitoramento que permitem aos usuários medir o consumo de energia da GPU e componentes otimizadores que aprimoram automaticamente os ajustes de DNN ou GPU com base nas medições do componente de monitoramento. O objetivo da equipe é medir, entender, otimizar e expor o consumo de energia dos sistemas modernos de aprendizado de máquina (machine learning). Eles veem o consumo de energia como uma métrica emergente e de primeira classe em sistemas de computador — e que tem sido amplamente negligenciada até agora.

___

Public Utility Data Liberation, da Catalyst Cooperative, nos EUA

O projeto Public Utility Data Liberation (PUDL) é um pipeline de dados de código aberto que fornece produtos de dados energéticos gratuitos, atualizados, controlados por versão e prontos para análise com base em três décadas de dados relatados a agências federais. Sua visão de longo prazo é um ecossistema PUDL de código aberto que: 1) fornece acesso equitativo a dados de energia de alta qualidade; 2) serve como um repositório comunitário de pipelines de limpeza e análise de dados bem documentados e reproduzíveis, essenciais para a pesquisa e defesa de sistemas de energia; 3) é acessível aos usuários que trabalham com uma variedade de ferramentas diferentes (por exemplo, Excel); e 4) é um ambiente inclusivo e acolhedor para usuários e colaboradores.

___

Previsão de qualidade do ar baseada em IA para Assunção, no Paraguai, por Fernanda Carlés

Desde 2022, Fernanda Carlés trabalha em conjunto com a Universidade Nacional de Assunção para desenvolver modelos de aprendizado de máquina para prever os níveis de AQI para as dez estações de monitoramento da UNA. Esse esforço resultou em modelos de aprendizado de máquina de alto desempenho que oferecem previsões de qualidade do ar para horizontes de seis e 12 horas com taxas de precisão impressionantes de 91% e 86%, respectivamente. O objetivo deste projeto é trazer o poder preditivo desses modelos de aprendizado de máquina para o público. Para isso, o projeto propõe o desenvolvimento de um aplicativo web amigável que ofereça previsões de qualidade do ar em tempo real com visualizações e alertas interativos. O aplicativo utilizará dados em tempo real de estações de monitoramento existentes na área de Gran Asunción, combinados com modelos validados de aprendizado de máquina.

___

Aproveitando a IA para justiça ambiental e avaliação de impacto ambiental para defesa sobre energia nuclear e políticas, pelo Centro de Governança da Justiça e Meio Ambiente (ACTI), no Quênia

Esta equipe desenvolveu anteriormente produtos de software baseados em IA para projetos separados no Oceano Pacífico (CCZ) e no Atlântico Norte tropical (classificação de habitats no fundo do mar e detecção e classificação de espécies). Para este projeto, eles irão reestruturar os dois fluxos de trabalho em uma base de código aberto adaptada para uma área de trabalho no Oceano Índico, onde o desenvolvimento de um novo reator nuclear foi proposto. O projeto busca utilizar a IA e a comunidade de conservação para produzir um mapeamento ecológico abrangente que ajudará a comunidade de Uyombo a proteger seu ambiente limpo e saudável, seus direitos socioeconômicos e seus direitos culturais.

___

SMS via AIG para a justiça ambiental entre a Comunidade Indígena Mau, de L. Lusike Mukhongo, nos EUA e no Quênia

Os Textos de Mensagens Curtas (SMS) gerados por IA (AIG) para justiça ambiental entre o projeto da Comunidade Indígena mau são um esforço inovador para abordar questões ambientais urgentes enfrentadas pela Comunidade Indígena Mau, no Quênia. A Floresta Mau, uma das maiores áreas de captação de água da África Oriental, está sob ameaça de desmatamento e assentamentos agrícolas ilegais, agravados pelas mudanças climáticas, impactando diretamente os meios de subsistência e o bem-estar da comunidade indígena Ogiek e da grande comunidade Mau. O objetivo do projeto é promover os princípios da justiça ambiental, adotando Mensagens de Texto Curtas geradas por IA entre a comunidade indígena na floresta de Mau, que se baseiam em seus conhecimentos tradicionais sobre a conservação das florestas e a preservação de fontes de água vitais. O sistema de IA também terá prompts baseados em texto que permitem aos usuários consultá-lo e obter resultados sobre um tópico de interesse.

___

Estimativa e validação dos níveis de PM2.5 usando observações por satélite e terrestres em cidades africanas selecionadas para justiça ambiental, pela AirQo, em Uganda

Este projeto estimará os níveis de material particulado (PM2.5) a partir de observações de satélite com base na Profundidade Óptica do Aerossol (AOD) para sete cidades, em sete países africanos: Lagos, Acra, Nairóbi, Yaoundé, Bujumbura, Kisumu e Gulu. Ele empregará diferentes resoluções de monitoramento terrestre usando algoritmos de aprendizado de máquina e usará observações terrestres disponíveis nas cidades selecionadas para validar as estimativas de satélite. Os resultados dos modelos de IA desenvolvidos serão implementados por meio de plataformas digitais fáceis de usar e um aplicativo móvel que democratiza e capacita as comunidades a acessar informações cruciais sobre a qualidade do ar. Isso promoverá a tomada de decisões e intervenções estratégicas baseadas em evidências, informadas e inclusivas para enfrentar os desafios locais de poluição e, ao mesmo tempo, alcançar a justiça ambiental.