نموذج الذكاء الاصطناعي يهدف إلى إحداث ثورة في جهود إزالة الكربون

طور باحثون من قسم العمارة في جامعة كامبريدج نموذج ذكاء اصطناعي مبتكر يمكنه تحديد وترتيب أولويات المنازل «صعبة إزالة الكربون» (HtD) للتجديد وإجراءات أخرى لإزالة الكربون. هذا النهج المبتكر لديه القدرة على لعب دور محوري في تحقيق صافي الانبعاثات الصفرية من خلال معالجة مصدر كبير لانبعاثات الإسكان غالباً ما يتجاهله صانعو السياسات.

المنازل صعبة إزالة الكربون: عائق أمام صافي الصفر

تمثل المنازل HtD، التي تشكل أكثر من ربع إجمالي انبعاثات الإسكان المباشرة، عقبة رئيسية في الطريق نحو تحقيق صافي الانبعاثات الصفرية. تشمل العوامل التي تسهم في صعوبة إزالة الكربون من هذه المنازل عمرها، وخصائصها الهيكلية، وموقعها، والعوائق الاجتماعية والاقتصادية، وتوفر البيانات ذات الصلة. تقليدياً، ركز صانعو السياسات على المباني العامة أو تقنيات إزالة الكربون المحددة، متجاهلين المنازل HtD.

يحدد نموذج الذكاء الاصطناعي المنازل HtD بدقة 90٪

قام باحثو كامبريدج، بقيادة الدكتورة رونيتا باردشان والباحثة الحضرية وعالمة البيانات ماوران صن، بتدريب نموذج ذكاء اصطناعي للتعلم العميق لتصنيف المنازل HtD بمعدل دقة مذهل يبلغ 90%. من المتوقع أن تتحسن هذه الدقة أكثر مع دمج المزيد من البيانات في النموذج، وهي عملية قيد التنفيذ بالفعل.

أكدت الدكتورة باردشان: «هذا يمثل المرة الأولى التي يتم فيها استخدام الذكاء الاصطناعي لتحديد المباني صعبة إزالة الكربون باستخدام بيانات مفتوحة المصدر. غالباً ما يفتقر صانعو السياسات إلى الموارد لإجراء تدقيقات مفصلة لكل منزل، لكن نموذجنا يمكن أن يساعدهم في توجيه جهودهم نحو المنازل ذات الأولوية العالية، مما يوفر لهم وقتاً وموارد قيمة.»

رؤى حول التوزيع الجغرافي

لا يحدد نموذج الذكاء الاصطناعي المنازل HtD فحسب، بل يوفر أيضاً رؤى حول توزيعها الجغرافي. يمكّن هذه المعلومات السلطات من استهداف وتنفيذ التدخلات بكفاءة حيث تكون أكثر حاجة.

استخدام مصادر بيانات متعددة

قام الباحثون بتدريب نموذج الذكاء الاصطناعي الخاص بهم باستخدام مجموعة متنوعة من مصادر البيانات، بما في ذلك شهادات أداء الطاقة (EPCs)، وصور عرض الشارع، وصور العرض الجوي، وبيانات درجة حرارة سطح الأرض، وبيانات مخزون المباني. حددوا 700 منزل HtD و635 منزلاً غير HtD في مدينتهم الأصلية كامبريدج، باستخدام جميع البيانات المتاحة للجمهور.

سلطت ماوران صن الضوء على قابلية تكيف النموذج، قائلة: «قمنا بتدريب نموذجنا باستخدام بيانات EPC المحدودة المتاحة. الآن يمكن للنموذج التنبؤ لباقي منازل المدينة دون الحاجة إلى أي بيانات EPC.» علاوة على ذلك، يمكن تطبيق هذا النهج في البلدان ذات مجموعات البيانات المحدودة أو غير المكتملة، مما يجعله متاحاً على مستوى العالم.

تطورات في طبقات البيانات

يواصل الباحثون تعزيز نموذجهم بنشاط من خلال إضافة طبقات بيانات إضافية تتعلق بعوامل مثل استهلاك الطاقة، ومستويات الفقر، والصور الحرارية لواجهات المباني. من المتوقع أن تعزز هذه التحسينات دقة النموذج أكثر وتوفر معلومات أكثر تفصيلاً حول ميزات المباني المحددة التي تتطلب الانتباه.

التوسع خارج كامبريدج

بينما تم تطوير النموذج الأولي باستخدام كامبريدج كموقع للدراسة، يقوم الباحثون بالفعل بتوسيع تطبيقه على مدن بريطانية أخرى. هم أيضاً يتعاونون مع منظمة قائمة على منتجات الفضاء للوصول إلى صور حرارية ذات دقة أعلى من الأقمار الصناعية الجديدة. شاركت الدكتورة باردشان في برنامج NSIP - وكالة الفضاء البريطانية، حيث عملت على استخدام التلسكوبات الفضائية الحرارية تحت الحمراء عالية الدقة لمراقبة كفاءة الطاقة للمباني عالمياً.

تحويل سياسة إزالة الكربون

لدى هذا النموذج المبتكر للذكاء الاصطناعي القدرة على تحويل قرارات سياسة إزالة الكربون. من خلال الاستفادة من قدرات الذكاء الاصطناعي والتعامل مع مجموعات بيانات أكبر، يمكن لصانعي السياسات اتخاذ قرارات أكثر استنارة بناءً على الأدلة، مما يدفع استراتيجيات التكيف الفعالة مع تغير المناخ.

أكدت الدكتورة باردشان: «تمكين الناس من بياناتهم الخاصة يجعل من الأسهل بكثير عليهم التفاوض للحصول على الدعم.» وأضافت: «هذه مجموعات بيانات بسيطة، ويمكننا جعل هذا النموذج سهل الاستخدام ومتاحاً للسلطات والسكان الأفراد.»

التحديات الفريدة في كامبريدج

تقدم كامبريدج، رغم أنها غنية نسبياً، مجموعة خاصة بها من التحديات لإزالة الكربون. يقيد مخزون المنازل التاريخية في المدينة ولوائح البناء التجديد واستخدام المواد الحديثة في بعض الخصائص ذات الأهمية التاريخية. تجعل هذه التحديات الفريدة من كامبريدج موقعاً مفيداً لصقل نموذج الذكاء الاصطناعي وتقييم قابليته للتطبيق في البيئات الحضرية المتنوعة.

التعاون المستقبلي وبناء الإجماع

يخطط الباحثون لمناقشة نتائجهم مع مجلس مدينة كامبريدج والاستمرار في العمل مع الزملاء في كامبريدج زيرو وشبكة إزالة الكربون في الجامعة. من خلال جعل البيانات أكثر وضوحاً وسهولة الوصول إليها للجمهور، يعتقد الباحثون أن بناء الإجماع حول الجهود لتحقيق صافي الصفر سيصبح أكثر قابلية للتحقيق.

يمثل هذا النموذج المبتكر للذكاء الاصطناعي خطوة كبيرة إلى الأمام في معالجة تحدي المنازل صعبة إزالة الكربون، مما قد يسرع التقدم نحو تحقيق صافي الانبعاثات الصفرية في قطاع الإسكان. تجعل قابليته للتكيف، ودقته، وإمكاناته للاستخدام الواسع منه أداة قوية لصانعي السياسات والأفراد الملتزمين بمستقبل مستدام وخالي من الكربون.