كيف يمكن للذكاء الاصطناعى تحديد المنازل المهدرة للطاقة؟.. دراسة تكشف

طور باحثان من جامعة كامبريدج خوارزمية للتعلم العميق يمكن أن تجعل من الأسهل والأسرع والأرخص تحديد المنازل التي تهدر الطاقة - وهو مصدر مهم لانبعاثات الغازات الدفيئة.

ومن خلال تدريبه على البيانات مفتوحة المصدر، بما في ذلك شهادات أداء الطاقة وصور الأقمار الصناعية، تمكن الذكاء الاصطناعي من تصنيف ما يسمى بالمنازل "التي يصعب إزالة الكربون منها" بدقة تصل إلى 90%.

ووفقًا للدراسة، يمكن للنموذج تحديد أجزاء معينة من المبنى - مثل السقف والنوافذ - التي تفقد معظم الحرارة، وما إذا كان المنزل قديمًا أم حديثًا، ومع ذلك فإن الباحثين واثقون من قدرتهم على زيادة تفاصيل النموذج ودقته بشكل كبير بمرور الوقت وفقا لما أوردته TheNextWeb.

وتهدف المملكة المتحدة إلى إزالة الكربون من جميع المنازل، حتى تلك المعرضة للتيارات الهوائية، بحلول عام 2050، ولكن من دون وسيلة لتحديد "الخصائص ذات الأولوية العالية"، يمكن لواضعي السياسات أن يكافحوا من أجل تحقيق هذه الأهداف.

وقالت الدكتورة رونيتا باردان، رئيسة مجموعة التصميم المستدام في كامبريدج والمؤلفة المشاركة في الدراسة: "هذه هي المرة الأولى التي يتم فيها تدريب الذكاء الاصطناعي على تحديد المباني التي يصعب إزالة الكربون منها باستخدام بيانات مفتوحة المصدر".

وأضافت: "يحتاج صناع السياسات إلى معرفة عدد المنازل التي يتعين عليهم إزالة الكربون منها، لكنهم غالبًا ما يفتقرون إلى الموارد اللازمة لإجراء عمليات تدقيق تفصيلية لكل منزل.

وتابعت: "يمكن لنموذجنا أن يوجههم إلى المنازل ذات الأولوية القصوى، مما يوفر لهم الوقت والموارد الثمينة".

يقول باردان والمؤلف الآخر للدراسة، ماوران صن، إنهما يعملان على إطار أكثر تقدمًا سيجلب طبقات بيانات إضافية مثل استخدام الطاقة ومستويات الفقر والصور الحرارية لواجهات المباني، ويتوقعون أن يؤدي هذا إلى زيادة دقة النموذج ولكن أيضًا إلى توفير معلومات أكثر تفصيلاً.

وقال الباحثون، إن قرارات سياسة إزالة الكربون كانت مبنية على أدلة مستمدة من مجموعات بيانات محدودة، متفائلين بقدرة الذكاء الاصطناعي على تغيير هذا الوضع، مشيرين أن قدرة خوارزميات الذكاء الاصطناعي على استخلاص القيمة من كميات هائلة من البيانات ستغير قواعد اللعبة في حل المشكلات المعقدة.

خارج المجال الأكاديمي، هناك عدد لا يحصى من الشركات التي تضع الذكاء الاصطناعي في مهمة حل مشكلة تغير المناخ، على سبيل المثال شركة Dryad Networks، ومقرها برلين، والتي تستفيد من التعلم الآلي لتسريع أوقات الكشف عن حرائق الغابات، أو شركة 7Analytics النرويجية التي تستخدم الذكاء الاصطناعي للتنبؤ بشكل أفضل بالفيضانات وتقليل الأضرار التي تلحق بالبنية التحتية.