人工智能
¡Explora nuestros artículos exclusivos!
人工智能在东南极大卫冰川下发现500多次隐藏地震
一项揭示性研究通过使用人工智能，在南极冰层下发现了超过500 地震。这一发现是在东南极的大卫冰川下进行的，可能会改变我们对全球地质学的理解。人工智能揭示南极隐藏的地震国际科学家团队使用先进算法在背景噪声中检测到微妙的地震模式，在该地区识别出超过一千个事件。尽管这些震动不构成重大威胁，但它们为地球最南端大陆的地质行为提供了新的视角。研究小组表示，东南极的冷岩石圈与西部较温暖的岩石圈之间的相互作用，加上冰层的重量，产生了导致这些深层地震的应力。本研究中部署的机器学习系统有潜力应用于世界其他地区，处理未分析的大量地震数据，开启发现更多隐藏地震活动的道路。在阿拉巴马大学的领导下，科学家们通过深度学习技术重新审视了历史地震数据，揭示了这些以前无法检测到的地震。2001-2004年和2012-2015年间收集的49个站点的数据对这一分析至关重要。阿拉巴马大学的地质学家Long Ho强调，地震发生在东南极的刚性地壳与西部较软的岩石相遇的地方。根据Ho的说法，如果机器学习继续发展，可能会揭示出比我们目前所知更多的深层地震频率。这项发表在《科学》杂志上的研究不仅揭示了隐藏的地震，还强调了人工智能在利用新技术工具重新利用旧科学记录方面的潜力。
尽管被指控排放5300吨氮氧化物，美国政府仍支持埃隆·马斯克的xAI
xAI 获得美国政府的支持，尽管其人工智能中心被指控污染环境。这一举措在技术支持者和民间组织之间引发了争议。尽管有污染指控，政府仍支持xAI由埃隆·马斯克领导的xAI数据中心位于密西西比州的Southaven，被环保团体指责其有害排放。然而，美国司法部已介入支持该公司，理由是国家安全。政府辩称，该综合体开发的人工智能系统对国家的经济和安全至关重要，因此在环境诉讼中需要保护。包括全国有色人种协进会在内的民间组织已提起诉讼，指控该中心违反清洁空气法并在没有必要许可的情况下运营。他们声称这些设施每年排放超过5,300吨氮氧化物，以及其他有害物质如细颗粒物和甲醛。xAI的支持者认为，人工智能的进步需要大型基础设施，其潜在的好处可以弥补环境影响，这一论点在相关部门之间引发了分歧。这一争议反映了数字时代日益增长的困境：在技术创新与环境可持续性之间取得平衡。美国数据中心的激增，占全国4%的电力消耗，提出了新的监管挑战。研究预测，到2030年，这一数字可能增加到9%。根据麻省理工学院的数据，一个大型数据中心的能源消耗可与50,000个家庭相当，这凸显了挑战的规模。环保社区担心政府对xAI的支持会成为一个先例，使大型科技公司规避环境法规，削弱受影响社区的权利。总之，xAI案例突显了技术进步与可持续性之间的紧张关系，这种平衡被视为未来十年主要挑战之一。
人工智能以92%的准确率检测海马走私：打击非法贸易的进展
非法贩运海洋生物每年涉及数十亿美元，并对濒危物种构成直接威胁。在最常被贩运的物品中，有鲨鱼鳍、海马和海参，这些通常被隐藏在行李或包裹中，跨越边界而不被发现。
澳大利亚麦考瑞大学的Vanessa Pirotta博士是发表在Frontiers in Ocean Sustainability上的研究的主要作者，她表示：“野生动物贸易是残忍且不道德的。我们利用这个世界海洋日来提高对这一问题的认识。”
人工智能作为检测工具
为了解决这一问题，麦考瑞大学的科学家们开发了一种人工智能算法，能够以92%的准确率检测这些物种的样本。
该系统重新利用了机场现有的CT X射线扫描仪，这些扫描仪可以生成行李内容的3D图像。通过用数百个扫描训练的神经网络，该算法可以自动识别可疑物品并标记行李以供检查。
算法的训练方式
研究人员对20个海参样本、30个海马样本和18个鲨鱼鳍样本进行了298次扫描，其中许多样本来自真实的查获。
模拟走私策略，如将样本包裹在衣物、罐头或玩具中。
通过威胁图像投影技术，将图像添加到没有非法货物的扫描行李中。
使用从未见过的图像子集对算法进行测试。
结果非常显著：
95%的准确率检测鲨鱼鳍。
96%检测海马。
86%检测海参。假阳性率为13%，因物种而异。
限制和挑战
尽管准确率很高，但该系统并不是最终解决方案：
假阳性需要人工检查。
并非所有机场都配备3D CT扫描仪，因为它们成本高昂；许多机场仍依赖于2D扫描仪。
该算法需要与人工检测和嗅探犬的使用相结合。
“人工智能不是检测的最终解决方案，也不能替代人工检测”，Pirotta总结道。
全球影响
在打击海洋生物贩运中应用人工智能开辟了新的可能性：
拦截非法运输。
切断供应人类消费、药用和观赏市场的商业路线。
保护脆弱物种，减少对处于不稳定平衡状态的种群的压力。
防止入侵物种，避免走私活体动物逃逸并改变生态系统。
该算法的开发在保护海洋生物多样性方面代表了一个重要的进步。虽然不能替代传统方法，但确实提供了一个强有力的工具来加强机场和边境的控制。
在非法贩运威胁整个物种生存的背景下，技术、国际合作和公民意识的结合将是应对这一全球挑战的关键。
到2030年，人工智能的环境足迹将导致巨大的水消耗
根据联合国大学水资源研究所（UNU-INWEH）的一份报告，到2030年，与人工智能使用相关的水消耗将相当于13亿撒哈拉以南非洲人口的用水量。
这一计算包括用于冷却数据中心系统的水以及用于发电的水。
影响的规模如此之大，以至于为AI供电的数据中心已经消耗了448 TWh的电力，相当于法国的能源消耗。
能源和排放
报告警告称，AI将需要几乎是巴基斯坦、孟加拉国和尼日利亚总和（6.5亿人口）年能源消耗的三倍。至于排放量，可能达到4亿吨二氧化碳当量，类似于英国的总排放量。
此外，所需的基础设施将占用14,500平方公里，是雅加达大都市区的两倍或墨西哥城的十倍。
超越碳：多重足迹
研究人员强调，AI的环境成本被低估，因为大多数分析集中在碳排放上。然而，每消耗一千瓦时还意味着：
水足迹：冷却和发电。
土地足迹：基础设施和供应链。
一个例子：从煤炭转向生物能源减少了排放，但水足迹增加了30倍，土地影响增加了100倍。
训练与推理
直到最近，人们认为最大的能源消耗发生在模型训练期间。研究表明，推理过程（每当用户与模型交互时）占总消耗的80%到90%。
数据令人震惊：
与聊天机器人进行标准对话消耗的能量是基本功能（如垃圾邮件分类）的200倍。
生成合成图像消耗的能量是1,400倍。
创建短视频可能需要200,000倍的能量。
利益和成本的不平等
报告还指出分配不均：
只有16%的国家拥有计算AI的专业基础设施。
美国和中国集中了90%的已安装容量。
环境成本（水、排放、电子垃圾）在全球分布，而收益集中在少数国家。
例子：
在爱尔兰，数据中心在2023年已经占据了全国能源消耗的21%，导致都柏林实施了暂停措施。
在乌拉圭，一个大型数据中心的建设与蒙得维的亚的干旱同时发生，导致饮用水短缺。
电子垃圾和透明度
到2030年，AI基础设施可能每年产生250万吨电子垃圾，主要是过时的处理器，这些垃圾将堆积在资源较少的国家。
此外，专家指出该行业的缺乏透明度：大部分数据来自旧模型，如GPT-4，这限制了估计的准确性。
联合国的建议
报告提出了减轻影响的措施：
要求运营商提供标准化的环境足迹报告。
通过设计促进效率，避免使用大型模型来完成简单任务。
增加资源消耗的透明度。
AI不仅仅是算法和模型：背后还有一个涉及水、电、土地和废物消耗的真实物理和环境影响。
挑战在于确保这场技术革命在地球的界限内发展，平衡创新与可持续性和全球公正。
从科幻到现实：人工智能与解读动物语言的可能性
以前看似不可能的梦想，如今成为一个具体的研究领域：理解动物在说什么。
借助于人工智能 (AI)，全球的科学家们正在分析海豚、鲸鱼、鸟类、黑猩猩、倭黑猩猩甚至啮齿动物的数百万种发声，寻找其声音中的模式和意义。
如此庞大的声学数据量是无法手动处理的。因此，研究人员借助于机器学习算法来检测发声中的隐藏关系和语法结构。
近期技术进展
最突出的项目包括：
地球物种项目：开发类似于ChatGPT的语言模型，以分析多种物种的交流模式。
CETI项目（鲸类）：研究抹香鲸的点击声，并已识别出一种水下“音标字母”。
灵长类语法：在科特迪瓦的研究表明，黑猩猩结合基本发声来创造复杂的意义。
宠物和牲畜监测：应用如MeowTalk分类猫叫声，而由AI驱动的生物识别系统分析农场动物的健康和压力。
关于动物在说什么的研究正在推进，AI帮助理解其发声。
实际应用
更好地理解动物交流可以改变多个领域：
物种保护：检测警报或压力信号有助于保护濒危种群。
动物福利：解释痛苦或幸福的发声改善宠物和野生动物的照料。
兽医医学：通过声学和生物识别信号进行更精确的诊断。
生态系统监测：通过歌声识别物种的存在、年龄或行为。
挑战和伦理考量
专家警告说，我们距离与其他物种进行对话还有很长的路要走，但进展是显著的。主要挑战包括：
拟人化：将人类情感投射到动物身上的风险。
伦理框架：在自然栖息地重现歌声或呼唤可能改变行为并造成压力。
因此，建议制定特定的伦理协议来规范这些技术的使用，确保研究不会对所研究的物种产生负面影响。
人工智能正在打开一扇迷人的大门：学习动物的语言，而不是教它们我们的语言。每一个发现都使人类更接近理解动物如何感知世界以及如何表达它们的需求和情感。
最终目标是建立一种更具同理心和可持续性的共存关系，让科学和技术能够保护生物多样性并改善动物福利。
