تعلم الآلة للمساعدة في الرصد البيئي, نشرت من قبل الطلاب ستانفورد
المنظمين البيئية التي تعاني ضائقة مالية لديها قوية ورخيصة سلاح جديد. يمكن أن أساليب التعلم الجهاز أكثر من ضعف عدد الانتهاكات الكشف عن, وفقا للباحثين ستانفورد.
كما الاعصار فلورنسا الأرض في طريقها من خلال ولاية كارولينا الشمالية, أنه صدر ما يمكن أن يسمى بأدب عاصفة البراز. تغسل حمامات السماد خنزير مزرعة ضخمة الحساء من البكتيريا الخطيرة والمعادن الثقيلة في المجاري المائية القريبة.
صور الأقمار الصناعية تدفقات النهر إلى المحيط الأطلسي في أعقاب إعصار فلورنسا عرض المياه مشوه عن الحطام والملوثات. (الصورة الائتمان: NASA)
أكثر كفاءة الرقابة قد منعت بعض من أسوأ الآثار, ولكن حتى في أفضل الأوقات, ومبالغة في توسعها الدولة الاتحادية والمنظمين البيئية ونقص التمويل. مساعدة في متناول اليد, ومع ذلك, في شكل التعلم الآلي - تدريب أجهزة الكمبيوتر للكشف عن أنماط في البيانات تلقائيا - وفقا للباحثين ستانفورد.
هم دراسة, نشرت في طبيعة الاستدامة, يرى أن تقنيات التعلم الآلي قد قبض 2-7 مرات عديدة كما المخالفات مع اقتراب الحالية, ويقترح التطبيقات بعيدة المدى للاستثمارات العامة.
"خصوصا في عصر الميزانيات انخفاض, تحديد طرق فعالة من حيث التكلفة لحماية الصحة العامة والبيئة أمر بالغ الأهمية,"قال المؤلف المشارك الدراسة إلينور بينامي, طالب دراسات عليا في برنامج متعدد التخصصات ايميت على البيئة والموارد (E-IPER) في مدرسة ستانفورد الأرض, طاقة & العلوم البيئية.
الاستخدام الأمثل للموارد
كما أن مصلحة الضرائب لا يمكن مراجعة كل دافع ضرائب, يجب أن معظم الجهات الحكومية جعل باستمرار القرارات حول كيفية تخصيص الموارد. يمكن أن أساليب التعلم آلة تساعد على تحسين تلك العملية من خلال التنبؤ حيث يمكن لصناديق تسفر عن أكبر قدر من الفائدة. وركز الباحثون على قانون المياه النظيفة, والتي بموجبها الامريكى. وكالة حماية البيئة وحكومات الولايات هي المسؤولة عن تنظيم أكثر من 300,000 مرافق ولكنها قادرة على تفقد أقل من 10 في المئة من الذين في سنة معينة.
بحيرة النفايات مزرعة الخنازير ولاية كارولينا الشمالية (الصورة الائتمان: ستيف / فليكر)
وباستخدام بيانات من عمليات التفتيش الماضية, نشر الباحثون سلسلة من النماذج للتنبؤ احتمال عدم تفتيش, على أساس الخصائص منشأة, مثل الموقع, الصناعة والتفتيش التاريخ. ثم, ركضوا نماذجها على جميع المرافق, بما في ذلك تلك التي لم يتم بعد تفتيشها.
ولدت هذه التقنية على درجة المخاطر لكل منشأة, مشيرا إلى مدى احتمال أنها كانت تفشل عملية تفتيش. ثم إنشاء مجموعة أربعة سيناريوهات التفتيش يعكس القيود المؤسسية المختلفة - الميزانيات التفتيش والترددات التفتيش متفاوتة, على سبيل المثال - واستخدامها لتصبح النتيجة أولويات التفتيش والتنبؤ الانتهاكات.
في ظل السيناريو مع أقل عدد من القيود - من المستبعد في العالم الحقيقي - الباحثون تنبأ اللحاق بالركب إلى سبعة أضعاف عدد الانتهاكات بالمقارنة مع الوضع الراهن. عندما شكلت لمزيد من القيود, بلغ عدد الانتهاكات الكشف يزال يتضاعف الوضع الراهن.
حدود الخوارزميات
وعلى الرغم من إمكاناتها, تعلم الآلة لديها عيوب لحراسة ضد, ويحذر الباحثون. "الخوارزميات هي ناقصة, أنها يمكن أن تديم التحيز في بعض الأحيان، وأنها يمكن أن يتصور,"قال دراسة المؤلف الرئيسي ميوكي هينو, كما طالب دراسات عليا في E-IPER.
فمثلا, عملاء, هذا أصحاب خنزير مزرعة, قد التعامل مع البيانات التي أبلغت عنها إلى التأثير على احتمال تلقي فوائد أو تجنب العقوبات. قد يغير الآخرين سلوكهم - معايير الاسترخاء عندما خطر الوقوع منخفض - إذا كانوا يعرفون احتمال تعرضهم لليختارهم خوارزمية. المؤسسي, القيود السياسية والمالية قد تحد من القدرة على التعلم الجهاز إلى تحسين الممارسات القائمة. ويمكن للنهج يحتمل أن تؤدي إلى تفاقم المخاوف العدالة البيئية إذا كان توجه منهجي الرقابة بعيدا عن المرافق الموجودة في البلدان المنخفضة الدخل أو مناطق الأقليات. أيضا, لا يأخذ في الحسبان نهج التعلم الآلي لإجراء تغييرات محتملة على مر الزمن, كما هو الحال في أولويات السياسة العامة وتقنيات التحكم في تلوث.
ويشير الباحثون علاجات لبعض هذه التحديات. اختيار بعض المرافق عشوائيا, بغض النظر عن عشرات خطر, وأحيانا النموذج لتعكس ما يصل إلى تاريخ عوامل الخطر يمكن أن تساعد على الحفاظ على مرافق منخفضة المخاطر على أصابع قدميه حول الامتثال إعادة تدريب. يمكن أن يبنى المخاوف العدالة البيئية في ممارسات التفتيش التي تستهدف. دراسة قيمة والمقايضات لاستخدام البيانات المبلغ عنها ذاتيا يمكن أن تساعد إدارة المخاوف بشأن السلوك الاستراتيجي والتلاعب من قبل مرافق.
ويشير الباحثون إلى العمل في المستقبل يمكن أن تدرس تعقيدات إضافية لدمج نهج التعلم الآلي في جهود إنفاذ أوسع وكالة حماية البيئة, مثل دمج أولويات إنفاذ معينة أو تحديد التقنية, محدودية الموارد المالية والبشرية. بالاضافة, يمكن تطبيق هذه الأساليب في سياقات أخرى داخل الامريكى. وما وراءها حيث المنظمين يسعون إلى الاستفادة المثلى من الموارد المحدودة.
"هذا النموذج هو نقطة الانطلاق التي يمكن أن تضاف بمزيد من التفاصيل عن التكاليف والفوائد المترتبة على عمليات التفتيش المختلفة, انتهاكات وتدابير إنفاذ,"قال المؤلف المشارك وزميل E-IPER طالب دراسات عليا نينا بروكس.
روب الأردن.
مصدر:
إضافة تعليق
يجب عليك تسجيل الدخول او التسجيل لتستطيع اضافه تعليق .