AI Optimaliseert Beleidsvoering voor Grondgebruik en Ontdekt Verborgen Sleutels voor Betere Grondbenutting
Onderzoek naar Duurzame Beleidsoplossingen met AI
Onderzoekers van de Universiteit van Texas in Austin en Cognizant AI Labs hebben een kunstmatige intelligentiesysteem ontwikkeld dat gebruik maakt van wereldwijde gegevens over landgebruik en koolstofopslag van de afgelopen 175 jaar. Dit systeem heeft als doel optimale beleidsoplossingen te creëren die de wereldwijde duurzaamheidsinitiatieven van de Verenigde Naties kunnen bevorderen.
Volgens een vandaag gepubliceerde studie in het tijdschrift Environmental Data Science, is de AI-tool in staat om complexe afwegingen effectief in balans te brengen. Het doet aanbevelingen om koolstofopslag te maximaliseren, economische verstoringen te minimaliseren en de leefomgeving van mensen te verbeteren.
Dit project is een van de eerste toepassingen van het door de VN gesteunde Project Resilience, dat zich richt op het aanpakken van wereldwijde besluitvormingsproblemen, waaronder ambitieuze duurzame ontwikkelingsdoelen voor dit decennium, als onderdeel van de bredere inspanning genaamd AI for Good.
Risto Miikkulainen, computerwetenschapper aan de Universiteit van Texas, die hielp bij de lancering van Project Resilience, gelooft dat deze nieuwe AI-aanpak, aanvankelijk gericht op landgebruik, in staat is om een nog grotere reeks uitdagingen aan te pakken, van infectieziekten tot voedselonzekerheid.
“Er is altijd een uitkomst die je wilt optimaliseren, maar er zijn altijd kosten aan verbonden,” zegt hij. Te midden van de afwegingen kan AI onverwachte paden naar wenselijke uitkomsten ontdekken, wat leiders helpt om strategische keuzes te maken en betere resultaten te behalen.
Het geheim van het systeem van de onderzoekers is evolutionaire AI. Deze benadering, geïnspireerd door natuurlijke selectie, begint met een aantal beleidscenario’s en voorspelt hoe elk scenario verschillende economische en ecologische kosten zal beïnvloeden. Slechte beleidscombinaties worden verworpen terwijl de beste combinaties zich voortplanten, wat leidt tot nieuwe hybride oplossingen.
Het team heeft gebruik gemaakt van twee tools: een recent vrijgegeven set globale gegevens over landgebruik en een model dat landgebruik met koolstoffluxen correleert. Eerst hebben ze deze gegevens gebruikt om een voorspellingsmodel te trainen dat locatie, landgebruik en koolstof in de tijd met elkaar verbindt. Vervolgens ontwikkelden ze een model dat besluitvormers helpt bij het vinden van optimale strategieën voor landgebruik om klimaatverandering te verminderen.
De aanbevelingen van het AI-systeem verrasten het team soms. Hoewel bekend is dat bossen goed zijn in het opslaan van koolstof, bleek het AI-model een genuanceerdere benadering aan te bevelen dan simpelweg zoveel mogelijk land in te richten als bos, ongeacht de locatie. Bijvoorbeeld, het vervangen van landbouwgrond door bos is veel effectiever dan het vervangen van grasland.
De onderzoekers hebben hun model omgevormd tot een interactieve tool die wetgevers kan helpen onderzoeken hoe stimulansen, zoals belastingvoordelen voor landeigenaren, waarschijnlijk het landgebruik en de koolstofuitstoot kunnen beïnvloeden.
Activiteiten met landgebruik, waaronder landbouw en bosbouw, zijn verantwoordelijk voor bijna een kwart van alle door de mens veroorzaakte broeikasgasemissies. Deskundigen geloven dat slimme veranderingen in landgebruik nodig zijn om de hoeveelheid koolstof in de lucht te verminderen en zo de klimaatverandering te vertragen.
Dit document kan auteursrechtelijk beschermd zijn. Het is bedoeld voor informatieve doeleinden en mag niet zonder toestemming worden gereproduceerd.
