Перевод искусственный интеллект. Can machines think
 Скачать 250.78 Kb.
|
|
ИИ для материалов и материалы для ИИ В предстоящем десятилетии по-прежнему будут развиваться передовые алгоритмы машинного обучения, новые методологии ИИ, основанные на данных, и интегрированные технологии для облегчения проектирования структур и прогнозирования собственности, а также для ускорения открытия, проектирования, разработки и развертывания передовых материалов в существующих и развивающихся промышленных секторах. На данный момент мы сталкиваемся с проблемами в достижении ускоренных исследований материалов путем интеграции эксперимента, вычислений и теории. Великая MGI, предлагаемая для исследований материалов высокого уровня, помогает продвигать этот процесс, особенно когда ему помогают методы ИИ. Тем не менее, предстоит пройти долгий путь для использования этих передовых функциональных материалов в электрических чипах и устройствах будущего поколения. Больше материалов и функциональных эффектов должны быть обнаружены или улучшены с помощью разрабатываемых методов ИИ. Между тем, стоит отметить, что материалы являются основными компонентами устройств и чипов, которые используются для построения компьютеров или машин для передовых систем ИИ. Быстрое развитие новых материалов, особенно появление гибких, чувствительных и интеллектуальных материалов, имеет большое значение для широкого спектра привлекательных технологий, таких как гибкие схемы, растягивающиеся тактильные датчики, многофункциональные приводы, искусственные синапсы на основе транзисторов, интегрированные сети полупроводниковых / квантовых устройств, интеллектуальная робототехника, взаимодействия человека и машины, моделируемые мышцы, биомиметические протезы и т. Д. Эти многообещающие материалы, устройства и интегрированные технологии будут в значительной степени способствовать продвижению систем ИИ к широкому применению в жизни человека. Как только физические схемы будут модернизированы передовыми функциональными или интеллектуальными материалами, методы ИИ будут в значительной степени способствовать разработкам и приложениям всех дисциплин. | |
| AI IN GEOSCIENCE AI technologies involved in a large range of geoscience fields Momentous challenges threatening current society require solutions to problems that belong to geoscience, such as evaluating the effects of climate change, assessing air quality, forecasting the effects of disaster incidences on infrastructure, by calculating the incoming consumption and availability of food, water, and soil resources, and identifying factors that are indicators for potential volcanic eruptions, tsunamis, floods, and earthquakes.82,83 It has become possible, with the emergence of advanced technology products (e.g., deep sea drilling vessels and remote sensing satellites), for enhancements in computational infrastructure that allow for processing large-scale, widerange simulations of multiple models in geoscience, and internet-based data analysis that facilitates collection, processing, and storage of data in distributed and crowd-sourced environments.84 The growing availability of massive geoscience data provides unlimited possibilities for AI—which has popularized all aspects of our daily life (e.g., entertainment, transportation, and commerce)—to significantly contribute to geoscience problems of great societal relevance. As geoscience enters the era of massive data, AI, which has been extensively successful in different fields, offers immense opportunities for settling a series of problems in Earth systems.85,86 Accompanied by diversified data, AI-enabled technologies, such as smart sensors, image visualization, and intelligent inversion, are being actively examined in a large range of geoscience fields, such as marine geoscience, rock physics, geology, ecology, seismicity, environment, hydrology, remote sensing, Arc GIS, and planetary science. | ИИ В НАУКАХ О ЗЕМЛЕ Технологии ИИ, задействованные в широком спектре областей геонаук Важные проблемы, угрожающие современному обществу, требуют решения проблем, относящихся к геонаукам, таких как оценка последствий изменения климата, оценка качества воздуха, прогнозирование последствий стихийных бедствий для инфраструктуры, расчет поступающего потребления и наличия продовольствия, воды и почвенных ресурсов и определение факторов, которые являются индикаторами потенциальных извержений вулканов, цунами, наводнения и землетрясения.82,83 Это стало возможным с появлением передовых технологических продуктов (например, глубоководных буровых судов и спутников дистанционного зондирования) для совершенствования вычислительной инфраструктуры, позволяющей обрабатывать крупномасштабные, широкомасштабные симуляции нескольких моделей в геонауке, и анализа данных на основе Интернета, который облегчает сбор, обработку и хранение данных в распределенных и краудсорсинговых средах84 Растущая доступность массивных массивных моделей.84 Растущая доступность массивных моделей Геонаучные данные предоставляют неограниченные возможности для ИИ, который популяризировал все аспекты нашей повседневной жизни (например, развлечения, транспорт и коммерцию), чтобы внести значительный вклад в геонаучные проблемы, имеющие большое социальное значение. По мере того, как геонаука вступает в эру массивных данных, ИИ, который был широко успешным в различных областях, предлагает огромные возможности для решения ряда проблем в системах Земли.85,86 В сочетании с разнообразными данными технологии с поддержкой ИИ, такие как интеллектуальные датчики, визуализация изображений и интеллектуальная инверсия, активно изучаются в широком спектре областей геонаук, такие как морская геонаука, физика горных пород, геология, экология, сейсмичность, окружающая среда, гидрология, дистанционное зондирование, дуговая ГИС и планетология. |
| Multiple challenges in the development of geoscience There are some traits of geoscience development that restrict the applicability of fundamental algorithms for knowledge discovery: (1) inherent challenges of geoscience processes, (2) limitation of geoscience data collection, and (3) uncertainty in samples and ground truth.88–90 Amorphous boundaries generally exist in geoscience objects between space and time that are not as well defined as objects in other fields. Geoscience phenomena are also significantly multivariate, obey nonlinear relationships, and exhibit spatiotemporal structure and non-stationary characteristics. Except for the inherent challenges of geoscience observations, the massive data at multiple dimensions of time and space, with different levels of incompleteness, noise, and uncertainties, disturb processes in geoscience. For supervised learning approaches, there are other difficulties owing to the lack of gold standard ground truth and the “small size” of samples (e.g., a small amount of historical data with sufficient observations) in geoscience applications. | Многочисленные проблемы в развитии наук о Земле Существуют некоторые черты развития геонауки, которые ограничивают применимость фундаментальных алгоритмов для обнаружения знаний: (1) внутренние проблемы геонаучных процессов, (2) ограничение сбора геонаучных данных и (3) неопределенность в выборках и наземной истине.88-90 Аморфные границы обычно существуют в геонаучных объектах между пространством и временем, которые не так хорошо определены, как объекты в других областях. Геонаучные явления также значительно многомерны, подчиняются нелинейным отношениям и проявляют пространственно-временную структуру и нестационарные характеристики. За исключением проблем, присущих геонаучным наблюдениям, массивные данные во многих измерениях времени и пространства, с различными уровнями неполноты, шума и неопределенности, нарушают процессы в геонауке. Для подходов к контролируемому обучению существуют и другие трудности из-за отсутствия истинности золотого стандарта и «небольшого размера» выборок (например, небольшого количества исторических данных с достаточным количеством наблюдений) в геонаучных приложениях. |
| Usage of AI technologies as efficient approaches to promote the geoscience processes Geoscientists continually make every effort to develop better techniques for simulating the present status of the Earth system (e.g., how much greenhouse gases are released into the atmosphere), and the connections between and within its subsystems (e.g., how does the elevated temperature influence the ocean ecosystem). Viewed from the perspective of geoscience, newly emerging approaches, with the aid of AI, are a perfect combination for these issues in the application of geoscience: (1) characterizing objects and events91; (2) estimating geoscience variables from observations92; (3) forecasting geoscience variables according to long-term observations85; (4) exploring geoscience data relationships93; and (5) causal discovery and causal attribution.94 While characterizing geoscience objects and events using traditional methods are primarily rooted in hand-coded features, algorithms can automatically detect the data by improving the performance with pattern-mining techniques. However, due to spatiotemporal targets with vague boundaries and the related uncertainties, it can be necessary to advance pattern-mining methods that can explain the temporal and spatial characteristics of geoscience data when characterizing different events and objects. To address the non-stationary issue of geoscience data, AI-aided algorithms have been expanded to integrate the holistic results of professional predictors and engender robust estimations of climate variables (e.g., humidity and temperature). Furthermore, forecasting long-term trends of the current situation in the Earth system using AI-enabled technologies can simulate future scenarios and formulate early resource planning and adaptation policies. Mining geoscience data relationships can help us seize vital signs of the Earth system and promote our understanding of geoscience developments. Of great interest is the advancement of AI-decision methodology with uncertain prediction probabilities, engendering vague risks with poorly resolved tails, signifying the most extreme, transient, and rare events formulated by model sets, which supports various cases to improve accuracy and effectiveness. | Использование технологий ИИ в качестве эффективных подходов к продвижению геонаучных процессов Геологи постоянно прилагают все усилия для разработки более совершенных методов моделирования нынешнего состояния системы Земли (например, сколько парниковых газов выбрасывается в атмосферу) и связей между ее подсистемами и внутри нее (например, как повышенная температура влияет на экосистему океана). С точки зрения геонауки новые подходы с помощью ИИ представляют собой идеальное сочетание этих вопросов в применении наук о Земле: (1) характеристика объектов и событий91; 2) оценка геонаучных переменных на основе наблюдений92; 3) прогнозирование геонаучных переменных в соответствии с долгосрочными наблюдениями85; 4) изучение взаимосвязей геонаучных данных93; и (5) причинно-следственное обнаружение и причинно-следственная атрибуция.94 Хотя характеристика геонаучных объектов и событий с использованием традиционных методов в основном коренится в вручную закодированных признаках, алгоритмы могут автоматически обнаруживать данные, улучшая производительность с помощью методов интеллектуального анализа шаблонов. Однако из-за пространственно-временных целей с расплывчатыми границами и связанными с ними неопределенностями может потребоваться продвижение методов моделирования, которые могут объяснить временные и пространственные характеристики геонаучных данных при характеристике различных событий и объектов. Для решения нестационарной проблемы геонаучных данных алгоритмы с помощью ИИ были расширены для интеграции целостных результатов профессиональных предикторов и создания надежных оценок климатических переменных (например, влажности и температуры). Кроме того, прогнозирование долгосрочных тенденций текущей ситуации в системе Земли с использованием технологий на основе ИИ позволяет моделировать будущие сценарии и формулировать политику раннего планирования ресурсов и адаптации. Отношения данных горных наук о Земле могут помочь нам уловить жизненно важные признаки системы Земли и способствовать нашему пониманию развития наук о Земле. Большой интерес представляет продвижение методологии принятия решений ИИ с неопределенными вероятностями прогнозирования, порождающей расплывчатые риски с плохо разрешенными хвостами, означающей самые экстремальные, преходящие и редкие события, сформулированные наборами моделей, которые поддерживают различные случаи для повышения точности и эффективности. |
| AI technologies for optimizing the resource management in geoscience Currently, AI can perform better than humans in some well-defined tasks. For example, AI techniques have been used in urban water resource planning, mainly due to their remarkable capacity for modeling, flexibility, reasoning, and forecasting the water demand and capacity. Design and application of an Adaptive Intelligent Dynamic Water Resource Planning system, the subset of AI for sustainable water resource management in urban regions, largely prompted the optimization of water resource allocation, will finally minimize the operation costs and improve the sustainability of environmental management95 (Figure 6). Also, meteorology requires collecting tremendous amounts of data on many different variables, such as humidity, altitude, and temperature; however, dealing with such a huge dataset is a big challenge.96 An AI-based technique is being utilized to analyze shallow-water reef images, recognize the coral color—to track the effects of climate change, and to collect humidity, temperature, and CO2 data—to grasp the health of our ecological environment.97 Beyond AI’s capabilities for meteorology, it can also play a critical role in decreasing greenhouse gas emissions originating from the electric-power sector. Comprised of production, transportation, allocation, and consumption of electricity, many opportunities exist in the electric-power sector for Al applications, including speeding up the development of new clean energy, enhancing system optimization and management, improving electricity-demand forecasts and distribution, and advancing system monitoring.98 New materials may even be found, with the auxiliary of AI, for batteries to store energy or materials and absorb CO2 from the atmosphere.99 Although traditional fossil fuel operations have been widely used for thousands of years, AI techniques are being used to help explore the development of more potential sustainable energy sources for the development (e.g., fusion technology). In addition to the adjustment of energy structures due to climate change (a core part of geoscience systems), a second, less-obvious step could also be taken to reduce greenhouse gas emission: using AI to target inefficiencies. A related statistical report by the Lawrence Livermore National Laboratory pointed out that around 68% of energy produced in the US could be better used for purposeful activities, such as electricity generation or transportation, but is instead contributing to environmental burdens.101 AI is primed to reduce these inefficiencies of current nuclear power plants and fossil fuel operations, as well as improve the efficiency of renewable grid resources.102 For example, AI can be instrumental in the operation and optimization of solar and wind farms to make these utility-scale renewable-energy systems far more efficient in the production of electricity.103 AI can also assist in reducing energy losses in electricity transportation and allocation.104A distribution system operator in Europe used AI to analyze load, voltage, and network distribution data, to help “operators assess available capacity on the system and plan for future needs.” 105 AI allowed the distribution system operator to employ existing and new resources to make the distribution of energy assets more readily available and flexible. The International Energy Agency has proposed that energy efficiency is core to the reform of energy systems and will play a key role in reducing the growth of global energy demand to one-third of the current level by 2040. | Технологии ИИ для оптимизации управления ресурсами в геонауках В настоящее время ИИ может работать лучше, чем люди, в некоторых четко определенных задачах. Например, методы ИИ использовались при планировании городских водных ресурсов, главным образом из-за их замечательной способности к моделированию, гибкости, рассуждениям и прогнозированию спроса и мощности на воду. Разработка и применение адаптивной интеллектуальной системы динамического планирования водных ресурсов, подмножества ИИ для устойчивого управления водными ресурсами в городских регионах, в значительной степени побудило к оптимизации распределения водных ресурсов, позволит, наконец, минимизировать эксплуатационные расходы и повысить устойчивость управления окружающей средой95 (рисунок 6). Кроме того, метеорология требует сбора огромных объемов данных по многим различным переменным, таким как влажность, высота и температура; Однако работа с таким огромным набором данных является большой проблемой.96 Метод на основе ИИ используется для анализа изображений мелководных рифов, распознавания цвета кораллов — для отслеживания последствий изменения климата и сбора данных о влажности, температуре и CO2 — для понимания состояния нашей экологической среды.97 Помимо возможностей ИИ для метеорологии, он также может играть решающую роль в сокращении выбросов парниковых газов, происходящих из электроэнергетического сектора. Благодаря производству, транспортировке, распределению и потреблению электроэнергии в электроэнергетическом секторе существует множество возможностей для применения Al, включая ускорение разработки новой чистой энергии, улучшение оптимизации и управления системами, улучшение прогнозов и распределения спроса на электроэнергию и улучшение мониторинга системы.98 Новые материалы могут быть даже найдены, с помощью вспомогательного ИИ, для батарей для хранения энергии или материалов и поглощения CO2 из атмосферы.99 Хотя традиционные операции с ископаемым топливом широко используются в течение тысяч лет, методы ИИ используются, чтобы помочь изучить разработку более потенциальных устойчивых источников энергии для развития (например, технологии синтеза). В дополнение к корректировке энергетических структур из-за изменения климата (основная часть геонаучных систем), можно было бы также предпринять второй, менее очевидный шаг для сокращения выбросов парниковых газов: использование ИИ для устранения неэффективности. В соответствующем статистическом отчете Ливерморской национальной лаборатории им. Лоуренса отмечается, что около 68% энергии, производимой в США, может быть лучше использовано для целенаправленной деятельности, такой как производство электроэнергии или транспортировка, но вместо этого способствует экологическому бремени.101 ИИ предназначен для снижения этой неэффективности нынешних атомных электростанций и операций с ископаемым топливом. а также повысить эффективность возобновляемых сетевых ресурсов.102 Например, ИИ может сыграть важную роль в эксплуатации и оптимизации солнечных и ветряных электростанций, чтобы сделать эти системы возобновляемой энергии коммунального масштаба гораздо более эффективными в производстве электроэнергии.103 ИИ также может помочь в снижении потерь энергии при транспортировке и распределении электроэнергии.104А оператор системы распределения в Европе использовал ИИ для анализа нагрузки, данные о напряжении и распределении сети, чтобы помочь «операторам оценить доступную мощность системы и спланировать будущие потребности». 105 ИИ позволил оператору системы распределения использовать существующие и новые ресурсы, чтобы сделать распределение энергетических активов более доступным и гибким. Международное энергетическое агентство высказало предположение о том, что энергоэффективность является основой реформы энергетических систем и будет играть ключевую роль в сокращении роста мирового спроса на энергию до одной трети нынешнего уровня к 2040 году. |
| AI as a building block to promote development in geoscience The Earth’s system is of significant scientific interest, and affects all aspects of life.106 The challenges, problems, and promising directions provided by AI are definitely not exhaustive, but rather, serve to illustrate that there is great potential for future AI research in this important field. Prosperity, development, and popularization of AI approaches in the geosciences is commonly driven by a posed scientific question, and the best way to succeed is that AI researchers work closely with geoscientists at all stages of research. That is because the geoscientists can better understand which scientific question is important and novel, which sample collection process can reasonably exhibit the inherent strengths, which datasets and parameters can be used to answer that question, and which pre-processing operations are conducted, such as removing seasonal cycles or smoothing. Similarly, AI researchers are better suited to decide which data analysis approaches are appropriate and available for the data, the advantages and disadvantages of these approaches, and what the approaches actually acquire. Interpretability is also an important goal in geoscience because, if we can understand the basic reasoning behind the models, patterns, or relationships extracted from the data, they can be used as building blocks in scientific knowledge discovery. Hence, frequent communication between the researchers avoids long detours and ensures that analysis results are indeed beneficial to both geoscientists and AI researchers. | ИИ как строительный блок для содействия развитию наук о Земле Система Земли представляет значительный научный интерес и затрагивает все аспекты жизни.106 Вызовы, проблемы и перспективные направления, предоставляемые ИИ, определенно не являются исчерпывающими, а скорее служат иллюстрацией того, что существует большой потенциал для будущих исследований ИИ в этой важной области. Процветание, развитие и популяризация подходов ИИ в науках о Земле обычно обусловлены поставленным научным вопросом, и лучший способ добиться успеха заключается в том, чтобы исследователи ИИ тесно сотрудничали с геологами на всех этапах исследований. Это связано с тем, что геологи могут лучше понять, какой научный вопрос является важным и новым, какой процесс сбора образцов может разумно продемонстрировать присущие им сильные стороны, какие наборы данных и параметры могут быть использованы для ответа на этот вопрос и какие операции предварительной обработки проводятся, такие как удаление сезонных циклов или сглаживание. Аналогичным образом, исследователи ИИ лучше подходят для того, чтобы решить, какие подходы к анализу данных являются подходящими и доступными для данных, преимуществами и недостатками этих подходов и тем, что эти подходы на самом деле приобретают. Интерпретируемость также является важной целью в геонауке, потому что, если мы сможем понять основные причины, лежащие в основе моделей, шаблонов или отношений, извлеченных из данных, они могут быть использованы в качестве строительных блоков в открытии научных знаний. Следовательно, частое общение между исследователями позволяет избежать длительных обходных путей и гарантирует, что результаты анализа действительно полезны как для геологов, так и для исследователей ИИ. |