استفاده از هوش مصنوعی برای حفظ منابع تجدیدناپذیر و ساخت اقتصاد چرخشی

هوش مصنوعی در سراسر دنیا برای تصمیم گیری آگاهانه به کاربران کمک می‌کند. با توجه به اینکه هوش مصنوعی قادر به تحلیل حجم عظیمی داده در زمانی کمتر از توان بشر است، استفاده متعهدانه از آن به حل سریع مشکلات کمک می‌کند. برخی از مشکلاتی که توسط هوش مصنوعی حل می‌شود از دل فیلم‌ها علمی تخیلی بیرون آمده‌اند. تشخیص زباله، زباله‌های فضایی و تجدیدپذیری از چالش‌هایی هستند که هوش مصنوعی برای حل آنان سودمند است. برای آشنایی بیشتر با این موارد با مجله فناوری‌های توان‌افزا و پوشیدنی همراه باشید.

استفاده از هوش مصنوعی برای حفظ منابع تجدیدناپذیر و ساخت اقتصاد چرخشی

مدیریت زباله

بسیاری از فیلم‌های آینده تاریک، زمین را به صورتی سیاره‌ای انباشته شده از زباله نشان می‌دهند. بسیاری از مردم در شهرک‌های فقیرنشین با انبوهی از زباله زندگی می‌کنند. جایی برای تلنبار کردن این زباله‌های باقی نمانده است. شرکت‌هایی مانند Greyparrot با تمرکز بر این مشکل سعی در پاک کردن این آینده وحشتناک از روی زمین دارند. Greyparrot شرکتی است که از نرم افزارهایی با قدرت دید رایانه‌ای و هوش مصنوعی برای بازیافت قوی زباله استفاده می‌کند.

با توجه به اینکه مصرف کنندگان بیش از پیش به تجدیدپذیری وسایل خود اهمیت می‌دهند، و با توجه به قوانین دولت‌ها، شرکت‌هایی در حال ابداع راه اقتصاد چرخشی هستند. اقتصاد چرخشی بستری برای اقتصاد تجدیدپذیر و پویا است. فرآیندی است که برای خروج اقتصادی زباله از سیستم است، با این هدف که محصول عمری افزوده یابد. حتی پس از اتمام وظیفه اصلی. این هدف اصلی‌ترین ایده برای زباله و صنایع تجدیدپذیر است. اما نرخ جهانی آن بسیار اندک و ۱۴ درصد است. چراکه ۶۰ زباله‌های تولید شده در هر سال روانه گودال‌های دفع زباله می‌شود.

نحوه عملکرد Greyparrot

هوش مصنوعی Greyparrot به شرکت‌ها برای مشارکت در اقتصاد چرخشی کمک می‌کند. این شرکت ناکارآمدی‌های موجود در سامانه مدیریت زباله را در شرکت شناسایی می‌کند. هوش مصنوعی و دید رایانه‌ای می‌تواند زباله‌ها را سریع‌تر از انسان روی نوارنقاله شناسایی کند. سامانه این شرکت به صورت خودکار انواع مختلف زباله را شناساسی می‌کند. سپس در مورد مواد استفاده شده در ساخت آن اطلاعاتی به کاربران می‌دهد. به این صورت شرکت‌ها نرخ بازیافت خود را بالا می‌برند. هوش مصنوعی برای تشخیص این موارد در لحظه بسیار مفید است. هوش می‌تواند یک درصدی تحلیل زباله را به ۱۰۰ درصد برساند. این کار به کمک ربات‌ها آسان‌تر نیز می‌شود. هوش مصنوعی Greyparrot می‌تواند برای استفاده از هوش مصنوعی در قسمت‌هایی غیر منتظره از شرکت مفید باشد. این استارت آپ در سال ۲۰۲۰ به عنوان استارت‌اپ فعال در زمینه فناوری‌های سبز جایزه استارت‌آپ فناوری Europas را کسب کرده است.

زباله‌های فضایی

در برخی فیلم‌های تخیلی انسان‌ها از زمینی که دیگر قابل سکونت نیست فرار می‌کنند. اما زمینی را که از زباله‌های فضایی در بیرون جو خود انباشته شده است، تصور کنید؟ اگر این زباله‌ها برای ما مشکل ساز شود، چه باید کرد؟ زباله‌های فضایی برای بسیاری از دانشمندان یک نگرانی جدی هستند. بر طبق گفته آژانس فضایی اروپا ۱۲۹ میلیون تکه از باقی‌مانده‌های تجهیزات فضایی در اطراف زمین تجمع کرده‌اند. این زباله‌ها برای فضانوردان در حال کار در فضا، شبکه ارتباطات، ماهواره‌های هواشناسی، و ماموریت‌های فضایی آینده مشکل ساز هستند.

برای رفع این مشکل شرکت‌های هوش مصنوعی وارد عرصه زباله‌های فضایی شده‌اند. ناسا با ایجاد چالش Deep Asteroid از دانشمندان دعوت می‌کند برای دچار نشدن به سرنوشت دایناسورها از یادگیری ماشین استفاده کنند. شهاب‌سنگ‌ها تنها تکه‌ها متحرکت در فضا نیستند که ممکن است به زمین برخورد کنند. در حدود ۱۰۰۰ ستاره دنباله دار و باقی‌مانده تجهزات ماشینی هم ممکن است به زمین برخورد کنند.

آشکارسازی زباله‌های فضایی یک مقوله است، و نابودی این زباله‌ها مقوله‌ای دیگر. استارت‌آپ StartRocket به دنبال از بین بردن این خرده ریزها در مدار زمین است. StartRocket برای این کار از یک ماهواره به نام Foam Debris Catcher استفاده می‌کند. زمانی‌که این ماهواره به توده‌ای خرده‌ریز فضایی نزدیک شود یک سری بازوی پلیمری فومی از خود متصاعد می‌کند. این شبکه ایجاد شده می‌تواند یک تن زباله فضایی را جمع‌آوری کند. سپس این انبوه زباله به سمت جو فرستاده می‌شود تا سوزانده شود.

زباله های خوراکی

هوش مصنوعی می‌تواند تا سال ۲۰۳۰ تا ۱۲۷ میلیارد دلار در صنایع غذایی سودآفرین باشد. زباله‌های خوراکی حتی پیش از رسیدن به یخچال مشتریان نیز مشکل ساز هستند. سالیانه یک سوم خوراکی‌ها( بیش از ۱.۳ میلیارد تن ماده غذایی) پیش از رسیدن به دست مصرف کننده از بین می‌رود.

شرکتی به نام Winnow Solutions از هوش مصنوعی برای وزن کردن و تشخیص زباله‌های خوراکی استفاده می‌کند. در آشپزخانه‌ها اقتصادی، هوش مصنوعی این شرکت میزان یک دلار برای هر بشقاب اضافی غذا که در سطل هوشمند ریخته شود در نظر می‌گیرد. هوش مصنوعی Winnow Solutions با دقت ۸۰ درصد زباله‌های خوراکی را شناسایی می‌کند. این میزان برای کارمندان آشپزخانه ۱۰ درصد است. این افراد معمولا مشغله زیادی در هنگام کار دارند.

شرکتی به نام Wasteless الگوریتمی برای مواد فاسد شدنی دارد. هوش مصنوعی Wasteless می‌تواند قیمت مواد خوراکی بر اساس فاصله تا تاریخ انقضا تغییر دهد. بنابراین با ادغام آن در سامانه مدیریت فروشگاه‌ها موادی که عمری کمتر از زمان لازم برای انتظار در قفسه دارند، جداسازی می‌شود. با استفاده از این الگوریتم می‌توان تا ۳۹ درصد زباله‌های خوراکی را کاهش داد.

مدیریت زباله با هوش مصنوعی

هدر رفت آب

آب یک منبع محدود و در عین حال تجدیدپذیر است. متاسفانه در ساختمان‌های اداری بیش از ۲۵ آب در دسترس ما به دلیل نشت به هدر می‌رود. شرکتی به نام WINT یک هوش مصنوعی برای تشخیص نشت آب ساخته است. این هوش مصنوعی به صورت مداوم با الگوی مصرف شرکت خود را به روز می‌کند. در یکی از شرکت‌هایی که از WINT استفاده کرده بود، مصرف آب تا ۲۴ درصد با تشخیص تشتی آب کاهش یافت. این فناوری برای منابع مالی شرکت و منابع زمین، هر دو سودمند است.


بیشتر بخوانیم:
خالکوبی هوشمند و عینک واقعیت افزوده : نسل جدید فناوری های پوشیدنی شرکت گوگل

توسعه ایمپلنت مغزی بی سیم با توان مصرفی پایین؛ گامی موثر در پیشرفت پروتزهای کنترل شونده با ذهن


منبع: forbes

«استفاده و بازنشر مطالب تنها با ذکر لینک منبع و نام (مجله فناوریهای توان افزا و پوشیدنی) مجاز است.»

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *