研究人員利用人工智能和物聯(lián)網(wǎng)技術(shù)遠(yuǎn)程監(jiān)測南極惡劣環(huán)境中的苔蘚生長情況。通過LoRaWAN遠(yuǎn)程傳輸和AIoT，該系統(tǒng)可以收集溫度、濕度等關(guān)鍵數(shù)據(jù)，而無需進(jìn)行過多的數(shù)據(jù)處理。這一突破展示了人工智能和物聯(lián)網(wǎng)結(jié)合在改進(jìn)微氣候模型和幫助氣候變化研究方面的潛力。氣候模型帶來了什么挑戰(zhàn)，研究人員做了什么，以及這如何證明人工智能和物聯(lián)網(wǎng)的力量?

氣候模型帶來了什么挑戰(zhàn)?

在氣候科學(xué)領(lǐng)域，創(chuàng)建精確的氣候模型并確定支持氣候變化理論的證據(jù)給科學(xué)家們帶來了諸多挑戰(zhàn)。盡管有大量證據(jù)表明，自工業(yè)革命以來，全球氣溫和二氧化碳水平一直在持續(xù)上升，但由于地球氣候的極端復(fù)雜性，以及不同環(huán)境因素之間難以置信的復(fù)雜相互作用，很難準(zhǔn)備地創(chuàng)建將海平面、大氣成分和全球二氧化碳排放聯(lián)系在一起的模型。

例如，二氧化碳的上升會使溫度升高，但從歷史上看，溫度在二氧化碳水平上升之前就已經(jīng)上升了。因此，認(rèn)為二氧化碳不會導(dǎo)致氣溫上升是可以理解的。然而，仔細(xì)觀察就會發(fā)現(xiàn)，二氧化碳水平的上升會導(dǎo)致全球氣溫上升，而二氧化碳之所以滯后于溫度上升，是因為正反饋效應(yīng)，即溫度略有上升會導(dǎo)致海洋釋放更多的二氧化碳，從而導(dǎo)致溫度升高。

為了創(chuàng)建準(zhǔn)確的氣候模型，研究人員需要盡可能多的數(shù)據(jù)，而這些數(shù)據(jù)需要包括從全球溫度到當(dāng)?shù)乜諝馕廴疚锖惋L(fēng)速的所有數(shù)據(jù)。然而，訪問大量數(shù)據(jù)也可能是一把雙刃劍，因為找到相關(guān)的數(shù)據(jù)模式可能非常困難。

最后，從偏遠(yuǎn)地區(qū)獲取數(shù)據(jù)，如北極，考慮到當(dāng)?shù)鼗ヂ?lián)網(wǎng)訪問經(jīng)常不可用，傳感器需要能夠長時間運行，并且很少有人能夠主動監(jiān)控傳感器安裝。這是難以置信的挑戰(zhàn)。

南極研究人員利用人工智能和物聯(lián)網(wǎng)對苔蘚進(jìn)行氣候監(jiān)測

一組南極研究人員認(rèn)識到在偏遠(yuǎn)地區(qū)需要更好的氣候監(jiān)測，最近將人工智能和物聯(lián)網(wǎng)技術(shù)結(jié)合起來，創(chuàng)造了能夠遠(yuǎn)程監(jiān)測苔蘚的無線設(shè)備。據(jù)研究人員稱，苔蘚是“南極森林”，在零度以下的條件下發(fā)揮著重要的生態(tài)系統(tǒng)作用。

就像樹木為野生動物提供了豐富的生態(tài)系統(tǒng)一樣，苔蘚通過幫助隔絕南極無冰地區(qū)的永久凍土層，為包括細(xì)菌、緩步動物和真菌在內(nèi)的小型生命形式提供了繁榮的生態(tài)系統(tǒng)。與此同時，苔蘚有助于減少大氣中的二氧化碳，使苔蘚成為重要的二氧化碳匯。因此，監(jiān)測南極苔蘚的狀態(tài)可以幫助研究人員了解氣候變化是如何影響南極的生物多樣性和整體環(huán)境的。

然而，在遠(yuǎn)離社會的地方監(jiān)測苔蘚會帶來一些挑戰(zhàn)，包括數(shù)據(jù)收集、處理和傳輸。因此，研究人員轉(zhuǎn)向人工智能和物聯(lián)網(wǎng)進(jìn)行數(shù)據(jù)處理，同時利用LoRaWAN進(jìn)行遠(yuǎn)程傳輸。

LoRaWAN的低帶寬特性意味著并非所有從傳感器收集的數(shù)據(jù)都可以傳輸，因此本地化人工智能和邊緣計算允許監(jiān)控設(shè)備決定應(yīng)該發(fā)送什么。該系統(tǒng)被稱為物聯(lián)網(wǎng)人工智能(AIoT)，使研究人員能夠收集最相關(guān)的數(shù)據(jù)，包括溫度、濕度和圖像，而無需處理大量數(shù)據(jù)，從而幫助研究人員創(chuàng)建更好的微氣候模型。

這如何證明人工智能和物聯(lián)網(wǎng)的力量?

幾乎任何物聯(lián)網(wǎng)設(shè)備都可以被設(shè)計成實時傳輸大量數(shù)據(jù)，以供某些遠(yuǎn)程服務(wù)器處理，雖然這在過去可能是可以接受的，但隨著越來越多的數(shù)據(jù)被收集起來，使得這變得不切實際。使用人工智能對數(shù)據(jù)進(jìn)行預(yù)處理、確定相關(guān)內(nèi)容并有選擇地發(fā)送數(shù)據(jù)，不僅有助于改善未來的物聯(lián)網(wǎng)服務(wù)，且有助于改善整個互聯(lián)網(wǎng)。這種設(shè)備模式也將有助于鼓勵安裝更大的設(shè)備網(wǎng)絡(luò)，因為現(xiàn)有的互聯(lián)網(wǎng)基礎(chǔ)設(shè)施將承受更小的壓力。

對于研究人員而言，使用人工智能過濾掉最關(guān)鍵的數(shù)據(jù)有助于創(chuàng)建更準(zhǔn)確的模型。然而，人工智能好壞取決于其所訓(xùn)練的模型，這意味著人工智能所犯的任何錯誤或假設(shè)都會影響到由人工智能過濾和處理的數(shù)據(jù)所創(chuàng)建的研究模型。