在氣候、環(huán)境保護、災(zāi)害監(jiān)測和資源回收方面，NVIDIA AI 正在賦能各類應(yīng)用來保護地球。

長期以來，保護地球一直是一項緩慢的工作：研究人員涉水穿過荒野來統(tǒng)計瀕危類人猿的數(shù)量，氣象預(yù)報員推算天氣的物理特性，垃圾分流設(shè)施從準備填埋的垃圾中分揀出可回收材料。

AI 和加速計算正在為這項事業(yè)按下加速鍵。

今年的地球日，NVIDIA 重點介紹了五個推動氣候科學(xué)和可持續(xù)發(fā)展的項目。包括：

使用 NVIDIA Earth-2 進行氣候模擬

猩猩研究與瀕危物種保護

AMP 利用 AI 和機器人對可回收物進行分類

戈登?貝爾獎獲獎?wù)叩脑缙诤[預(yù)警研究

Planet 基于地球觀測數(shù)據(jù)的 AI 洞察

NVIDIA Earth-2 推進氣候模擬

NVIDIA 通過 Earth-2 開放 AI 模型、庫和框架系列 – 這是全球首個完全開放、加速的氣象 AI 軟件堆棧。

從處理初始觀測數(shù)據(jù)到生成 15 天的全球預(yù)報或局部風暴預(yù)報，Earth-2 加速了天氣預(yù)報的全流程。其中包括 Earth-2 Nowcasting 模型，該模型利用生成式 AI 技術(shù)在短短幾分鐘內(nèi)就能將覆蓋全國范圍的預(yù)報轉(zhuǎn)化為公里級分辨率、0 到 6 小時的局部風暴及災(zāi)害性天氣預(yù)測。

NVIDIA 氣候模擬研究總監(jiān) Mike Pritchard 在近期的 NVIDIA GTC 大會上討論了該技術(shù)。

另一個模型 Earth-2 Global Data Assimilation 現(xiàn)可從 Earth2Studio 和 Hugging Face 平臺下載。對于預(yù)報員來說，數(shù)據(jù)同化是一項艱巨的任務(wù)：美國國家氣象局用于預(yù)測的計算資源中，有近一半消耗在預(yù)處理原始觀測結(jié)果。而 Earth-2 Global Data Assimilation 能夠在單個 GPU 上運行，只需幾分鐘即可將這些原始數(shù)據(jù)轉(zhuǎn)換為當前大氣的全局快照，包括溫度、風速、濕度和氣壓。

美國國家海洋和大氣管理局及 MITRE (一家非營利組織) 合作開發(fā)了 Earth-2 Global Data Assimilation (HealDA) 的模型架構(gòu)。

AI 幫助靈長類動物學(xué)家保護瀕危猩猩

AI 正在將野生動物保護從勞動密集型且成本高昂的流程轉(zhuǎn)變?yōu)楦咝У淖詣踊到y(tǒng)，幫助類人猿生存和繁衍。

最近，來自婆羅洲和蘇門答臘雨林的兩項開創(chuàng)性研究表明，GPU 加速的 AI 能夠通過航空圖像自動探測猩猩巢穴，從而大幅減少種群監(jiān)測所需的時間和成本，從而更好地了解瀕危猩猩的物種密度和分布情況。

傳統(tǒng)的猩猩測巢工作需要團隊沿著樣帶 (用于系統(tǒng)測量一個區(qū)域的直線路徑) 穿過茂密的森林、泥炭沼澤和山地，這種方法的測巢速度大約為每小時 1 公里。

相比之下，基于無人機的勘測可以在相同時間內(nèi)捕獲 18 公里范圍內(nèi)的圖像。但是，手動圖像分析一直是瓶頸所在，訓(xùn)練有素的專家識別一張圖像需要約 1 分鐘，這意味著無人機飛行一小時就能完成長達 30 小時的繁瑣人工審查工作。

GPU 加速的深度學(xué)習(xí)有助于解決這一難題。

利物浦約翰摩爾斯大學(xué)應(yīng)用 AI 教授 Paul Fergus 表示：“這些視頻的信噪比極低，想要從中捕捉到有效信號，無異于大海撈針 —— 而 GPU 恰好解決了這一難題。對于海量視頻處理工作而言，這項技術(shù)堪稱顛覆性突破。”

根據(jù)由 Fergus 參與合著、發(fā)表于 American Journal of Primatology (《美國靈長類動物學(xué)雜志》) 的一項研究，研究人員訓(xùn)練了一款用于巢穴自動探測的 AI 模型，該模型可在單塊 GPU 上，實現(xiàn)五分鐘內(nèi)處理 1800 張圖像。該模型使用 8 塊 NVIDIA GPU，在包含 800 張高分辨率圖像的數(shù)據(jù)集上進行訓(xùn)練。

發(fā)表在 PeerJ 雜志的另一項研究中，研究人員在一塊 NVIDIA GPU 上訓(xùn)練了四個 AI 模型。其中一個基于 InceptionV3 架構(gòu)，在將航拍圖像分為包含或不包含巢穴兩類時，準確率和精度超過 99%。

“借助由 NVIDIA 提供支持的深度學(xué)習(xí)，我們現(xiàn)在可以訓(xùn)練模型，根據(jù)航拍圖像有效地檢測和統(tǒng)計猩猩巢穴，”馬來西亞沙巴大學(xué)熱帶生物學(xué)和保護研究所的計算生態(tài)學(xué)家 Song-Quan Ong 表示，“這大大減少了監(jiān)測所需的時間和成本，同時還實現(xiàn)了更廣泛、更一致的覆蓋?！?/p>

三種猩猩都被歸類為瀕危物種，在過去 75 年中，其數(shù)量減少了 80% 以上。它們所面臨的威脅日益加劇：大片森林棲息地已被砍伐，用于種植棕櫚油、發(fā)展紙漿造紙業(yè)，以及農(nóng)業(yè)擴張。森林碎片化將種群隔離開來，降低了遺傳多樣性，并使生存狀況愈發(fā)岌岌可危。

野生動物交易、狩獵以及農(nóng)業(yè)活動導(dǎo)致的非法捕殺進一步加劇了種群數(shù)量下降。雪上加霜的是，猩猩的生命史特別脆弱：雌性每 6 到 9 年才會生產(chǎn)一次，這是所有哺乳動物中最長的生育間隔，這意味著種群無法迅速從損失中恢復(fù)。

這些挑戰(zhàn)使得快速、可擴展的監(jiān)測對于指導(dǎo)保護干預(yù)措施和評估其有效性至關(guān)重要。

利物浦約翰摩爾斯大學(xué)靈長類生物學(xué)教授 Serge Wich 的任務(wù)是將大量數(shù)據(jù)轉(zhuǎn)化為有意義的實際行動，他表示：“我們需要更快地找出發(fā)生改變的地方，這 (AI) 確實有助于實現(xiàn)變化。這將使那些通常需要花費大量時間篩選圖像的人員，能夠真正投入到實際工作中，例如與當?shù)厣鐓^(qū)合作，解決實際的生態(tài)保護難題?！?/p>

智能分揀：AMP 借助 NVIDIA 物理 AI，從垃圾填埋場分流數(shù)十億磅的可回收物

回收面臨成本問題。傳統(tǒng)的分揀設(shè)施可能需要高達 2500 萬美元才能建造完畢，但仍然會遺漏四分之一的可回收材料。

作為 NVIDIA 初創(chuàng)加速計劃的可持續(xù)未來倡議 (Sustainable Futures initiative) 的成員企業(yè)，AMP 正在利用 AI 和機器人技術(shù)來改變這一局面，并幫助地球。

除了數(shù)百個已經(jīng)在現(xiàn)有回收點部署數(shù)百臺機器人協(xié)助分揀材料之外，該公司現(xiàn)在還在從頭開始構(gòu)建 AI 原生回收設(shè)施，包括在丹佛建造一個全自動工廠，以及在弗吉尼亞州開展一個直接從垃圾中分離出可回收物和有機物的垃圾分流項目。

這些努力使得垃圾變成了寶藏。

迄今為止，AMP 已將超過 20 億磅的材料從垃圾填埋場中分流，從而避免了約 73.9 萬公噸的二氧化碳當量排放量，這一數(shù)字已扣除其訓(xùn)練和運行 AI 技術(shù)所產(chǎn)生的成本。

AMP 的設(shè)施具有成本效益，并實現(xiàn)了 90% 的回收率 (指通過回收、堆肥或能源回收成功從填埋場分流出的廢物占總產(chǎn)生量的百分比)，而傳統(tǒng)工廠的回收率約為 75%。

AMP 軟件總監(jiān) Joe Castagneri 表示：“如果我們肆意揮霍有限資源，必將對地球造成傷害。如果沒有塑料回收，就只能使用石油衍生的原生塑料。如果不從垃圾填埋場分流有機物，它就會在厭氧條件下分解為甲烷。AI 和自動化帶來了高效的方法，讓我們能夠分類和重復(fù)使用有限資源，并充分挖掘其價值。”

通過使用 NVIDIA Hopper GPU，該公司已將 AI 推理能耗減半。此外，得益于 AI 和機器人技術(shù)使分揀速度更快、更高效，AMP 使用的傳送帶數(shù)量僅為同等規(guī)模傳統(tǒng)工廠的三分之二，這意味著更少的鋼材消耗、更低的能耗、更小的能源足跡。

AMP 在 NVIDIA GPU 上訓(xùn)練其 AI 模型，并使用開源軟件在邊緣運行推理 NVIDIA TensorRT 庫和 Triton 推理服務(wù)器。該公司還在探索 NVIDIA Isaac Sim 在現(xiàn)實世界中構(gòu)建之前，先在仿真環(huán)境中開發(fā)和優(yōu)化其設(shè)施。

Castagneri 表示：“在垃圾處理行業(yè)，AI 和自動化技術(shù)可以降低從垃圾中回收有價值物料的成本。這反過來又提高了我們首輪回收的垃圾總量，以及可以從中盈利的數(shù)量。如果能更高效地利用資源，就能改善環(huán)境?！?/p>

NVIDIA 初創(chuàng)加速計劃“可持續(xù)未來倡議”計劃中的其他公司，同樣正在綠色計算、可持續(xù)基礎(chǔ)設(shè)施和野生動物保護等領(lǐng)域開拓創(chuàng)新。

海嘯到來之前：研究人員開發(fā)海嘯早期預(yù)警系統(tǒng)

本作品為基于海底法向速度源數(shù)據(jù)與聲重力模型輸出結(jié)果創(chuàng)作的藝術(shù)化渲染圖，入選 SC25“Art of HPC”參展作品。論文發(fā)表鏈接：https://doi.org/10.1145/3712285.3771787

在太平洋海底，胡安?德富卡板塊 (Juan de Fuca plate) 俯沖到北美板塊下方形成了一條長達 1000 公里的斷層帶，即卡斯凱迪亞斷層 (Cascadia fault)。自 1700 年 1 月 26 日該斷層上次破裂以來，這里的地應(yīng)力一直在不斷積累。古地震學(xué)證據(jù)表明，該斷層的平均復(fù)發(fā)間隔約為 250 年。這一數(shù)字令人擔憂。

一旦災(zāi)害發(fā)生，高達 30 米的海嘯，將在短短 15 分鐘內(nèi)，抵達俄勒岡州和華盛頓州的海岸?，F(xiàn)有的海嘯早期預(yù)警系統(tǒng)基于簡化的假設(shè)，可能會導(dǎo)致警報延遲、錯誤或遺漏。

通過解決所謂的反向問題，可以實現(xiàn)更準確的預(yù)測：從海底傳感器的壓力讀數(shù)中反推導(dǎo)致其發(fā)生的海底運動，然后再次正演預(yù)測海嘯波的路徑和波浪高度。

多年來，德克薩斯大學(xué)奧斯汀分校的教授 Omar Ghattas 及其合作者 Stefan Henneking 一直在研究這個問題。他們的團隊 (包括德克薩斯大學(xué)奧斯汀分校、加州大學(xué)圣地亞哥分校和勞倫斯利弗莫爾國家實驗室) 憑借其足夠快的計算速度，榮獲 ACM 戈登?貝爾獎。

這個解決方案打開了一個巧妙的數(shù)學(xué)原理：卡斯凱迪亞斷層斷裂的物理特性不會因其發(fā)生的時間而改變。這種時移不變性可以預(yù)先計算困難部分，即每個傳感器提前運行一次全物理波方程，這樣，當傳感器探測到真正的斷裂時，只需進行快速計算。在 GPU 上運行時，只需不到 0.2 秒，比現(xiàn)有方法提速 100 億倍，并且不僅能返回預(yù)測結(jié)果，還可以給出預(yù)測結(jié)果的不確定性評估。

這樣一來，人們只需在斷層破裂后幾分鐘就能收到警告，有近 10 分鐘的時間撤離到地勢較高處。計算能力不再限制預(yù)警速度。

Ghattas 在上個月的 GTC 大會上表示：“我們沒有 50 年的時間來解決傳統(tǒng)算法所面臨的反向問題，我們只有不到 15 分鐘的時間?！?/p>

所見即所得：Planet 將 AI 應(yīng)用于地球觀測

Planet 運行著世界上最大的地球觀測衛(wèi)星群。該公司的使命是每天對整個地球進行成像，讓變化清晰可見、并具備可操作性。Planet 團隊已成功發(fā)射了近 650 顆衛(wèi)星，為全球客戶提供了超過 3000 億平方公里的圖像、50PB 的地球數(shù)據(jù)和大量有價值的洞察。

然而，許多人可能不知道，原始衛(wèi)星圖像實際上并不是圖像，而是一個壓縮的字節(jié)數(shù)組，必須解壓縮、正射校正 (即精確映射到地球表面，并校正傳感器物理特性與軌道幾何帶來的影響)，然后進行處理。當人們看到圖像時，它們可能已經(jīng)是數(shù)小時前的了。

在上個月的 NVIDIA GTC 大會上，Planet 公司的航天器副總裁 Kiruthika Devaraj 以這種方式描述了這一問題：地球觀測以天文學(xué)為模型，其重點是窺探遙遠的過去。而她認為，地球觀測需要變得更像生物學(xué)：將計算的“大腦”盡可能靠近傳感器的“眼睛”，從而使洞察速度更接近采集速度。

在此次大會上展示了 Planet 與 NVIDIA 歷時三個月的合作成果，旨在彌合這一差距。該團隊使用原生 GPU 構(gòu)建了一個管線，直接處理壓縮的原始衛(wèi)星數(shù)據(jù)。相比之下，在計算成本高昂、存儲成本低廉的情況下構(gòu)建的傳統(tǒng)架構(gòu)可能需要長達 100 – 300 倍的時間才能完成同樣的工作。