網站更新隱私權聲明
本網站使用 cookie 及其他相關技術分析以確保使用者獲得最佳體驗,通過我們的網站,您確認並同意本網站的隱私權政策更新,了解最新隱私權政策

0

0
0

文字

分享

0
0
0

人工智慧能幫助中國對抗霧霾嗎?

機器之心_96
・2017/02/01 ・1515字 ・閱讀時間約 3 分鐘 ・SR值 531 ・七年級
585b6f3717a62
2016 年 11 月北京霧霾彌漫的一天,而 IBM 和微軟在此前已經對此進行了預測。圖/機器之心提供

本文轉載自機器之心〈抗擊霧霾的戰鬥中,人工智慧的身影〉,原文來自 IEEE,作者 Lucas Laursen

北京和中國很多其他城市都正籠罩在厚重的霧霾之下。在霧霾嚴重的時候,到達這些城市的飛機都需要備降其他機場。2016 年 12 月 14 日,北京發布了今年第一次霧霾「紅色預警」。據報道,北京地區 1200 家工廠被下令關閉或是減少生產量。

2016 年冬天,中國政府已經開始使用 IBM 和微軟的預測工具,而這些工具在去年已經進行過了測試。各市政府使用的 IBM 預測工具能夠結合傳統來源的數據,例如北京 35 個檢測多種污染物的空氣測量站,另外還有一些成本更低但是卻更廣泛的數據來源,如環境監測站、交通系統、氣象衛星、地形圖、經濟數據,甚至是社交媒體。微軟的系統能夠運用全中國超過 3000 個站點的數據。IBM 和微軟的工具結合了傳統的大氣化學物理模型和基於數據的統計工具如機器學習相結合,以便可以在更短時間內做出更準確的預測。

IBM 中國研究院「綠色地平線」計劃項目經理黃瑾說:「我們的優勢或者說是不同之處就在於我們將這些都結合在了一起。」IBM 提前三天預測空氣狀況的準確率高達 80%,提前 7-10 天預測準確率可達 75% 左右。目前,微軟為中國環保部提供 48 小時的空氣預測支持。2015 年在北京進行測試時,微軟的預測工具在提前 6 小時預測時,準確率達到 75%,提前 12 小時預測準確率達 60%。

怎麼將物理模型和機器學習結合在一起從而實現最好的空氣品質預測,「這是目前一個很活躍的研究領域」氣體科學家 Vincent-Henri Peuch 說,他是英國歐洲哥白尼大氣監測服務的主管。他補充說融合是一個正確的解決問題思路:兩種類型的模型都可以發揮作用且不會互相阻礙。目前的市場情形似乎也印證了這點。IBM 目前在新德里和約翰內斯堡發布了自己的融合模型,北京的初創公司 AirVisual 也提供私人商業應用的機器學習增強型空氣預測解決方案。

北京政府已宣稱在降低可吸入顆粒物污染的努力中取得了一些成果:他們的報導裡表明 2015 年的污染程度比 2014 年降低 6%。北京政府處於減輕空氣污染的壓力之下,同時也面臨防止經濟增長下滑的雙重壓力。IBM 的預測工具包含一個模擬裝置來估量類似關閉一到兩天城市中逆風工廠或者限制一兩天的汽機車所產生的作用。「這個工具逐一估計所建議調解措施下氣體排放引起的後果和經濟影響,」Huang 說道。

AirVisual、 IBM 和微軟都正在針對不同的工作地點對他們的軟體進行泛化,這不但需要集成不同城市的物理模型,還需要對不同類型的輸入數據和變化參數進行調整。例如,在南非約翰尼斯堡(Johannesburg)有 8 個北京空氣品質的監測站。IBM 約翰尼斯堡研究室的電腦工程師 Tapiwa M. Chiwewe 說道:「目前我們仍然可以對南非的一些數據重新進行利用。」

加拿大英屬哥倫比亞大學(University of British Columbia)的一個研究團隊在 2016 年中的報告稱,每一個不同的環境都需要有自己的機器學習模式。在他們的研究中發現,不同的學習方式的成本取決於其包含的數據量以及在運算期間程式中的數據量。對於像北京這樣的城市來說,其累積的空氣品質數據很少,這和那些有著多年歷史數據的城市不同,也為政府提出了挑戰,所以最好的解決辦法就是需要北京政府為當地選擇正確的系統。Peuch 說,「如果不在同一個地方使用相同的數據集,我們很難對不同的模型進行比較。」

要想把空氣品質控制在世界衛生組織建議標準下,全世界的各個城市都需要為之努力。根據 2015 年全球疾病負擔研究的報告顯示,2015 年,空氣懸浮微粒(不包括煙草煙霧)共帶來了 1.031 億失能調整生命年(disability-adjusted life years,一種衡量人類生命品質和長度的單位),它已成為第六大疾病風險因素。這也成為了各國政府和公司工作的重點。據估計,在未來 5 年內,檢測空氣品質的市場每年都將增長 8.5%,有望達到 56.4 億美元。所以也可以預見,空氣品質預測的市場也將會隨之增長。

 

文章難易度
機器之心_96
2 篇文章 ・ 0 位粉絲
機器之心是中國領先的前沿科技垂直媒體,關注人工智能、機器人、神經認知科學等前沿科技以及深度科技思考,旨在通過高質量內容讓用戶更好地了解即將到來的下一次技術變革,同時啟發大家對人與科技的哲學思考。


0

4
0

文字

分享

0
4
0

如何從茫茫大海中,找到戰爭遺留的深水炸彈?——海底掃雷行動

Else Production
・2022/01/19 ・2597字 ・閱讀時間約 5 分鐘

對於年輕人來說,我相信「深水炸彈」一詞並不會陌生,因為這近乎是每一個狂歡派對裡的必需品。但對於埋藏在深海裡的炸彈,大家又有沒有想過我們如何找出來?

這些未爆炸的軍備,我們稱之為 Unexploded Ordnance(簡稱 UXO),有可能是水雷,有可能是深水炸彈,也有可能是導彈。它們多數是第一次或第二次世界大戰遺留下來的產品,受到多年來沉積(即水流在流速減慢時,所挾帶的砂石、塵土等沉淀堆積起來)的影響,令它們埋藏在海床以下的地方。跟據 Euronews 的估計,單單在波羅的海亦有超過 30 萬的 UXO 埋在那裡。

二戰期間,桑德蘭水上飛機掛載的深水炸彈,圖/維基百科

你也許會問,既然都已經埋藏了,何況我們仍然要處理他們?這是因為我們會在海底裡鋪設電欖、水管、天然氣輸送管等輸送系統,假如鑽探過程中不小心觸碰了它們已產生意外,或是在完成工程某一天突然爆炸而令輸電系統中斷,後果可真是不堪設想。因此,最理想的方法便是把他們全部找出來並繞道而行,或是安排專家把他們處理。

真正的大海撈針:用磁場把 UXO 吸出來!

要找到這些 UXO,最容易的方法便是使用金屬探測的方法,但由於普遍的金屬探測器的探測範圍是不超過 2 公尺的,我們很難把探測器貼近凹凸不平的水底前行(這大大增加了磨損探測器的風險),因此我們會選擇較間接的方法:磁強計(Magnetometer)。由於大部份的彈藥外層是用鐵形成的,而鐵是對磁非常敏感的,因此我們能夠在較遠的範圍便能察覺他們的存在。當在外勤工作,我們會以兩個磁強計為一組去作探測,令我們更準備知道其實際位置及大小。讓我們看看以下例子:

圖 1:磁強計的探測結果

在圖 1 裡,假設我們知道標記「1」是一個 UXO 的位置,上圖的平行線為磁強計由左至右的移動路線,下圖為磁場沿路的變化。我們可以看見,當若果沒有任何金屬物件存在的話,兩個磁強計量度的數是相近的,亦即是該環境本身的磁場。但在 UXO 的附近,我們可以看到明顯的變化。藍色線代表航行路線的左方磁強計的量度值,燈色線代表右方,由於磁場強度會隨著距離而減少,因此很明顯這一個 UXO 的位置更接近藍色線,亦即是航線的上方。

我們可以透過兩者的差距估計其位置及大小,但為了確保其真實性,我們亦會在附近再次航行,假如也有磁場變異,這便是一個不會移動的金屬物品(撇除了船、飄浮中的海洋垃圾等的可能性)。

排除法:用側掃聲納窺探看不見的海底!

正如上文提要,磁場變異所告訴我們的,只是金屬物品的位置,但它亦有可能不是炸彈,也有可能不是埋在海床下,因此我們也會使用其他科學方法去驗證。其中一個便是側掃聲納(Side Scan Sonar) ,透過聲波反射的原理,我們可以看到海床的影像。假如海床是乾淨的,聲波傳送及接收的時間是一樣的,因此我們可以看到連續的晝面。但假如有異物在水中間或海床上,聲波便會被折射而形成黑影。讓我們看看以下例子:

圖2: 側掃聲納 圖片,紅色箭咀範圍代表沒有反射的區域,綠色箭頭範圖代表船與海底的距離 (圖片來源:Grothues et al., 2017)

看看圖 2。燈色的部份是海床的晝面,中間白色的部份是船的航道,亦是側掃聲納的盲點,而黑色的部份則是有物件在海床上方而形成的聲波折射,讓我們能夠清楚看見它們的形狀。有時候我們亦會看到一些海洋垃圾,如車胎、單車等,而在上圖的左上方,我們相信是一些棄置的工業廢料。

當然你也可以爭論,在圖左上方的物件有機會不是死物,而是一種未知海洋生物,因此我們也會進行多次的側掃聲納,如果在同一位置並不能再看到它,那麼這是生物的機率便很高。假如在磁場異變的位置側掃聲納沒有探測到任何物件,這進一步證明其 UXO 的可能性。但假如有黑影在上方,我們也會透過黑影分析其大小是否吻合,並會憑經驗分析該物品會否存在金屬。

此外,在看側掃聲納,我們也很重視在磁場異變的位置附近有沒有刮痕,因為形成刮痕的原因多數是船上作業頻繁的地方,有機會是漁船拖網的地點,也有機會是大船拋錨起錨的地方,而這些動作均有機會接觸或移動了這些潛在的 UXO,產生危機。因此,這些地方都會是我們首要處理的地方。

筆者按:假如大家想看看其他用側掃聲納發現的東西,如沉船、飛機等,可以到這裡觀看

萬無一失:Mission Completed !

當然,在取得數據時,我們也要儘可能減低人為因素而形成的影響。舉個例子,我們要確保磁強計遠離測量船,以免船上的儀器影響了磁強計。因此,我們並不會把磁強計綁在船底,而是把它們用纜索綁在船尾數十米以外的地方拖行。

另外,我們也要確保測量船要以均速航行,以確保所有數據都是一致的。最後,我們也要確保船上的 GPS 系統準確無誤,否則所有有可能是 UXO 的位置都是錯誤的。

完成以上的工序後,我們便會製作磁梯度圖(Magnetic Gradient Map),把剩餘下來的磁場變置點用其強度及大小表示出來,正如圖 3,再交給拆彈專家們處理。他們便會跟據他們的專業知識,加上該海岸的戰爭歷史,對比當時有可能參戰的國家、使用的武器及其金屬含量以找出存在的炸彈來處理。

要知道這些 UXO,單單在 2015 年在世界各地亦奪去了超過 6000 人的性命,因此這個科學命題可真是不容忽視!

圖 3:磁梯度圖。左邊是潛在 UXO 的位置而右邊則是它們的磁場強度的改變。(圖片來源:Salem et al., 2005)

延伸閱讀:

參考資料:

  1. Salem, A., Hamada, T., Asahina, J. K., & Ushijima, K. (2005). Detection of unexploded ordnance (UXO) using marine magnetic gradiometer data. Exploration Geophysics, 36(1), 97–103.  
  2. Han, S., Rong, X., Bian, L., Zhong, M., & Zhang, L. (2019). The application of magnetometers and electromagnetic induction sensors in UXO detection. E3S Web of Conferences, 131, 01045.
  3. Image scans gallery. EdgeTech. (n.d.). Retrieved January 5, 2022, from https://www.edgetech.com/underwater-technology-gallery/ 
  4. Grothues, T. M., Newhall, A. E., Lynch, J. F., Vogel, K. S., & Gawarkiewicz, G. G. (2017). High-frequency side-scan sonar fish reconnaissance by autonomous underwater vehicles. Canadian Journal of Fisheries and Aquatic Sciences, 74(2), 240–255.

本文亦刊載於作者部落格 Else Production ,歡迎查閱及留言

 

Else Production
141 篇文章 ・ 21 位粉絲
馬朗生,見習地球物理工程師,英國材料與礦冶學會成員,主力擔任海上測量工作,包括海床勘探、泥土分析、聲波探測等。