Artificial intelligence (AI)

我和我的同事开发了一种人工智能系统，可以帮助建筑物将能源使用转移到电网更清洁的时期。 我是一名工程师 研究和开发智能建筑. 。我的实验室创造了 Merlin，它可以学习 人们如何在家中使用能源 并调整恒温器等能源控制装置以满足他们的需求，同时尽量减少对电网的影响。该系统可以学习一组建筑物和居住者，并可用于具有不同控制和能源使用模式的建筑物。 我们以亚瑟王传奇魔术师的名字将其命名为“梅林”，以反映该系统的神奇本质：它自动收集人们如何在家中使用能源的数据，并识别对家庭电池存储进行充电和放电的机会。它的实现方式是让您始终有能力满足您的任何需求。因此，您的空调始终可用，但同时也减少了电网压力 - 例如，在下午高峰期间。 如果需求超过可用发电量，公用事业公司通常会要求客户调整恒温器，或者减少负载。如果这还不够，可能会停电。这就是梅林登场的地方。通过更智能地管理家庭能源使用，Merlin 有助于平衡能源供应，使电网更加稳定可靠。Merlin 管理电网对家庭电池的使用，同时维持家庭的正常能源消耗。 为什么这很重要 为了应对气候变化，社会需要过渡到仅使用太阳能、风能和核能等非化石燃料来源发电。此外，所有家用电器或最终用途——取...

棉花是美国种植的最有价值的农作物之一，收获价值为 每年约70亿美元. 。它在 17 个州的新月形地区种植 从弗吉尼亚州到加利福尼亚州 并用于 几乎所有类型的服装, 以及医疗用品和室内装潢等家居用品。 棉花生长在称为棉铃的坚硬纤维质外壳内。种植后约 100 天，棉铃成熟并裂开，露出里面数千根蓬松的白色纤维。每个棉铃含有 20 至 40 颗种子，种子上附着纤维，这就是为什么棉花植物的果实被称为籽棉。 手工采摘棉花，有些地方仍在这样做 主要生产国, ，是一项细致的工作。工人们必须弯腰才能够到棉桃，而且可能会伤到手。 植物坚硬、干燥的部分. 。为了收获籽棉，他们必须抓住并扭转它，将其与棉铃分开，而不留下纤维。 从 20 世纪 30 年代开始，美国棉农从体力劳动转变为 大型、重型收割机. 。现在，该行业正在进入一个有望更加高效和精确的新阶段。 我是一名工程师并拥有 近20年的研究经验 从事农业机械工作。我目前的重点是农业机器人和自动化。在我攻读博士学位期间我在密西西比州立大学的项目中工作过 亚历克斯托马森, ，谁领导 农业与生物工程系 和 农业自治研究所, ，开发一个 机器人棉花收割机 采摘棉花时对产品及其生长土壤的损害较小。...

人类正在竞相利用海洋的巨大潜力来推动全球经济增长。在世界范围内，渔业、航运和能源生产等海洋产业至少产生 1.5万亿美元 每年的经济活动和支持 3100万个就业岗位. 。该值已 呈指数增长 过去 50 年，预计到 2030 年将翻一番。 监控这种“蓝色加速”的透明度对于防止 环境恶化, 过度开发 渔业和海洋资源，以及 不法行为 例如非法捕鱼和人口贩运。开放信息还将使各国能够更好地有效管理重要的海洋资源。但到目前为止，海洋的巨大规模使得大规模追踪工业活动变得不切实际。 《自然》杂志上最新发表的一项研究结合了卫星图像、船舶 GPS 数据和人工智能， 揭示人类跨洋工业活动 五年内。研究人员在 全球渔业观察, 是一个致力于通过提高人类海上活动透明度来推进海洋治理的非营利组织，与以下机构合作领导了这项研究 我 以及我们在杜克大学、加州大学圣塔芭芭拉分校的同事 天空真相. 我们发现大量活动发生在公共监控系统之外。我们的新地图和数据提供了有关海洋工业用途的最全面的公共图片。 数据分析显示，世界上约 75% 的工业渔船没有被公开追踪，其中大部分捕捞活动发生在非洲和南亚周围。 全球渔业观察, CC BY...

尽管人们对 ChatGPT 等华丽的新型人工智能工具、监管人工智能的挑战以及超级智能机器的末日场景的关注，人工智能在许多领域都是一个有用的工具。事实上，它具有造福人类的巨大潜力。 在农业领域，农民越来越多地使用人工智能驱动的工具来应对威胁人类健康、环境和粮食安全的挑战。研究人员预测这些工具的市场 到2032年将达到120亿美元. 作为一名研究员 研究农业农村政策, ，我看到农业人工智能的三个有前景的发展：联邦学习、病虫害检测和价格预测。 汇集数据而不共享数据 机器人、传感器和信息技术越来越多地应用于农业。这些工具旨在帮助农民提高效率并减少化学品的使用。此外，这些工具收集的数据可用于使用机器学习来改进管理系统和决策的软件。然而，这些应用程序通常需要利益相关者之间共享数据。 美国的一项调查农民发现超过一半的受访者表示他们 不要信任联邦机构或私营公司的数据. 。这种信任的缺乏与对敏感信息遭到泄露或被利用的担忧有关。 操纵市场和监管. 。机器学习可以减少这些担忧。 联邦学习是一种根据多方数据训练机器学习算法的技术 双方无需互相透露数据. 。通过联合学习，农民将数据放在算法可以访问的本地计算机上，而不是在中央服务器...

野火烟雾来自 加拿大极端火灾季节 让很多人开始思考空气质量，并想知道未来几天会发生什么。 所有空气都含有气态化合物和小颗粒。但随着空气质量变得更糟，这些气体和颗粒物会 引发哮喘 和 加剧心脏和呼吸系统问题 当它们进入鼻子、喉咙和肺部，甚至在血液中循环时。2023 年 6 月上旬，当野火烟雾将纽约市的天空变成橙色时， 急诊室就诊 哮喘增加一倍。 在 大多数城市, ，很容易找到每日 空气质量指数得分 它会告诉您空气何时被认为不健康甚至危险。然而，预测未来几天的空气质量并不是那么简单。 我从事空气质量预测工作 土木与环境工程教授. 。人工智能改进了这些预测，但研究表明，与传统技术结合使用时，它的用处要大得多。原因如下： 科学家如何预测空气质量 为了预测不久的将来（提前几天或更长时间）的空气质量，科学家通常依赖于两个因素 主要方法:一个 化学品运输模型 或机器学习模型。这两个模型以完全不同的方式产生结果。 化学传输模型使用大量已知的化学和物理公式来计算空气污染物的存在和产生。他们使用当地机构报告的排放清单中的数据，其中列出了已知来源的污染物，例如野火、交通 或工厂, ，以及提供大气信息的气象数据，例如风、降水、温度和太...