Uniwersytet stanowy Karoliny Północnej pomaga ograniczać wpływ zmian klimatycznych na żywność i wodę dzięki sztucznej inteligencji


Wpływ zmian klimatu można odczuć na całym świecie i na różne sposoby - od dłuższego, gorącego lata po zwiększoną kwasowość wody w oceanach i zanikanie lodu morskiego. Ale być może najważniejszą konsekwencją jest zasadniczy wpływ na globalną podaż żywności i wody. Rolnictwo odpowiada za około 70% całkowitego światowego zużycia słodkiej wody, ale wahania temperatury i opadów zwiększają potencjał suszy i powodzi na całym świecie. Nawet najmniejsze zmiany środowiskowe można odczuć w całym łańcuchu dostaw żywności i rolnictwa.

Program badawczy Uniwersytetu NCSU (North Carolina State University), prowadzony we współpracy z Lenovo, zaangażowany jest w rozwiązywanie problemów związanych ze zmianami klimatu w ekosystemie rolniczym.

Aby zminimalizować negatywny wpływ zmian na produkcję żywności, ważne jest, żeby rolnicy w określonych regionach byli w stanie przygotować się na susze (lub powodzie), które niekorzystnie wpłyną na wzrost upraw. Zespół badawczy NCSU prowadzony przez dr. Ranga Raju Vatsavaia, profesora nadzwyczajnego na wydziale informatyki i dyrektora stowarzyszonego w Centrum Analityki Geoprzestrzennej, wykorzystuje innowacyjną technologię geoprzestrzennej analizy obrazu do mapowania i monitorowania upraw, a także prewencyjnego identyfikowania lokalnych obszarów, na które będzie miała wpływ powódź lub susze.

Dr Vatsavai i jego zespół zaczynają od gromadzenia i przetwarzania wielkich zbiorów danych geoprzestrzennych pochodzących z satelitów i czujników. Obrazy o bardzo wysokiej rozdzielczości w skali globalnej to ponad 500 bilionów wielowymiarowych obserwacji (pikseli), które następnie trzeba posortować i przeanalizować, aby zespół mógł uzyskać wgląd we wzory upraw. Problem związany z obliczeniami dodatkowo pogłębia konieczność analizowania petabajtów danych klimatycznych. Jest to konieczne do zrozumienia wpływu zmian klimatycznych (np. powodzi, susz) na produkcję żywności i systemy wodne. Przepływ pracy analitycznej w zespole badawczym wymaga wysokiej klasy zasobów obliczeniowych. Wynika to ze złożoności algorytmicznej metod sztucznej inteligencji, takich jak uczenie wieloinstancyjne oraz uczenie głębokie, a także potrzeb związanych z I/O - wynikających ze specyfiki wielkich zbiorów danych.

Przykłady danych z teledetekcji - niska rozdzielczość, średnia rozdzielczość oraz wysoka rozdzielczość

Uniwersytet potrzebuje potężnej infrastruktury technicznej, by wspierać algorytmy głębokiego uczenia się, które w bardzo krótkim czasie przetwarzają ogromną ilość danych geoprzestrzennych. Brak dużej mocy obliczeniowej w Laboratorium Analityki Czasoprzestrzennej oraz Laboratorium Obliczeniowym w Centrum Analityki Geospecjalnej w NCSU ograniczał zdolności poznawcze badaczy i studentów. Nie byli oni w stanie wykorzystywać zaawansowanego uczenia maszynowego na potrzeby wielkich zbiorów danych czasoprzestrzennych.

Problem ten rozwiązało Lenovo. Firma zaoferowała Uniwersytetowi dostęp do jednego z niedawno otwartych centrów innowacji Lenovo AI w Morrisville w Północnej Karolinie. Centrum Innowacji zapewni zoptymalizowaną pod kątem sztucznej inteligencji infrastrukturę, która umożliwi przetworzenie miliardów punktów danych w czasie liczonym w godzinach, które w przeciwnym razie zajęłyby NCSU nawet rok; jednocześnie pochłonęłyby one znaczne środki finansowe na ich uruchomienie i utrzymanie.

Bez możliwości przetwarzania naszych wielkich zbiorów danych geoprzestrzennych nie jesteśmy w stanie rozwinąć naszych metod badawczych. W efekcie, nie możemy przewidzieć trendów w rolnictwie i negatywnego wpływu susz oraz innych konsekwencji zmian klimatu. Nasza partnerska współpraca z Lenovo pozwala nadać sens tym danym. Dzięki zaawansowanej mocy obliczeniowej, która pozwala nam korzystać z uczenia głębokiego, uczenia maszynowego i sztucznej inteligencji, możemy zapobiegać negatywnym wpływom na łańcuch dostaw żywności, a wszystko to bez obawy o niezawodność i wydajność sprzętu działającego w tle” - twierdzi profesor NCSU, dr Ranga Raju Vatsavai.

W ciągu najbliższych 12 miesięcy Lenovo AI Innovation Center zapewni NCSU dostęp do najlepszych na rynku zasobów obliczeniowych, a także doradztwa eksperckiego. Dzięki temu ich dane geoprzestrzenne mogą zostać przekształcone w praktyczne informacje, którymi można podzielić się z lokalnymi rolnikami i ekspertami rolnymi, aby przewidzieć okresy suszy i odpowiednio przygotować się na wszelkie zakłócenia.

Wspólnie, wykorzystując technologie takie jak geoprzestrzenna analiza obrazu do przewidywania przyszłych trendów, Lenovo i NCSU mogą pomóc ograniczyć wpływ zmian klimatycznych na nasze dostawy żywności i wody.

Więcej informacji na temat centrów innowacji AI Lenovo można znaleźć tutaj.

Zapisz się na bezpłatny newsletter. Dowiesz się o webinarach, nowych case study oraz white paperach.