Задачами устойчивого развития все чаще занимается искусственный интеллект
Резкое увеличение вычислительных мощностей, активное внедрение систем искусственного интеллекта и цифровизация в целом сильно увеличивают возможности решения экологических проблем. В России это уже стало распространенной практикой.
Мировой тренд
В недавно принятой резолюции по искусственному интеллекту (ИИ) Генассамблеи ООН утверждается, что «безопасные, защищенные и надежные системы искусственного интеллекта способны ускорить и стимулировать прогресс в достижении всех 17 целей в области устойчивого развития». Исследование Центра устойчивого развития Школы управления «Сколково» и компании ТеДо «ESG в цифровом мире: вызовы и возможности» подтверждает актуальность темы для российского рынка. 65% респондентов – представителей российского крупного бизнеса убеждены, что осуществить ESG-трансформацию бизнеса без применения цифровых решений невозможно, при этом технологией с наибольшим потенциалом большинство респондентов называет именно ИИ, рассказывает ведущий исследователь Центра Анастасия Опанасенко. В числе ключевых преимуществ для бизнеса от использования ИИ-решений для решения экологических и социальных задач – повышение производительности и эффективности бизнес-процессов, рост инвестиционной привлекательности и ускорение достижения целевых KPI.
И это не удивительно. Экология как наука сформировалась во второй половине XIX века и быстро превратилась в математизированную науку, говорит академический наставник магистерской программы «Управление низкоуглеродным развитием» НИУ ВШЭ Дмитрий Замолодчиков. Причина состояла в наличии множества экологических факторов, воздействующих на жизнь живых организмов, эти воздействия нужно было выявить и количественно охарактеризовать, а найденные закономерности использовать для управления. Экология активно использовала все достижения математики – дифференциальные уравнения, многомерную статистику, компьютерные имитационные модели. Когда пришла пора искусственного интеллекта, он стал активно применяться для решения самых различных задач. В качестве примера Замолодчиков приводит дистанционное зондирование. Космические и авиационные снимки могут предоставить большой объем информации об экосистемах и составляющих их популяциях, но для этого необходимо снимки распознать, то есть отнести элементы изображения к тем или иным классам. Раньше снимки приходилось распознавать визуально, сейчас они дешифрируются с применением машинного обучения.
«Сейчас мы видим, что резкий рост вычислительных мощностей и активное внедрение ИИ в условиях цифровизации экономики потенциально могут значительно расширить наши возможности по решению экологических проблем», – говорит директор группы по оказанию услуг в области устойчивого развития консалтинговой компании ДРТ Тимур Турсунов. По его словам, это влияние проявляется в нескольких ключевых областях: прогнозирование изменения климата и ликвидация последствий стихийных бедствий, сельское хозяйство в части оптимизации использования водных ресурсов, внесения удобрений и пестицидов и повышения урожайности, мониторинг состояния окружающей среды, а также регулирование и контроль деятельности компаний с точки зрения соблюдения ими экологических норм. В качестве одного из ярких проектов он упоминает Всемирный экологический ситуационный центр (WESR). Эта инициатива использует ИИ для анализа сложных массивов данных, предлагая в режиме реального времени анализ и прогнозы по различным экологическим факторам, таким как концентрация CO2, изменение массы ледников и повышение уровня моря. WESR призван стать всеобъемлющей платформой для мониторинга жизненно важных экологических показателей Земли, по сути, выступая в роли «центра управления миссией» для планеты.
ИИ – инструмент, который помогает быстро обрабатывать большой массив данных, и он, безусловно, востребован в сферах природосбережения и природопользования, и с развитием способностей нейросети ее применение по всем направлениям экологической повестки будет только расти, говорят в пресс-службе Минприроды. В качестве эффективного примера там тоже приводят обработку изображений, но несколько иного характера – анализ данных фотоловушек в особо охраняемых природных территориях (ООПТ) федерального значения. Для изучения животных в природе специалистам приходится каждый год обрабатывать около 1 млн изображений. Механический анализ 1000 фотографий занимает до 4 часов работы, при этом после 15-30 минут ручной работы точность обработки человеком снижается до 85%. Такую же задачу машина может выполнить всего за 18 минут, точность распознавания на сегодняшний день – уже выше 91%.
Российские практики
В России в последние годы активно разрабатываются и внедряются технологии на основе ИИ, предназначенные для решения экологических проблем, рассказывает Опанасенко. Это и системы контроля загрязнения воздуха, такие как City Air, позволяющие идентифицировать промышленные источники выбросов, прогнозировать экологические риски и предупреждать неблагоприятные события на предприятиях. Это и AI-решения для сортировки и переработки отходов (оптические сепараторы, установленные на мусоросортировочных станциях, предназначенные для быстрого и эффективного разделения отходов без человеческого участия). Это также проекты, направленные на сохранение биоразнообразия, системы прогнозирования природных катаклизмов с целью оперативного реагирования (в частности, в Удмуртии тестируется система использования ИИ для обнаружения и своевременного тушения лесных пожаров).
Спутниковые системы сейчас активно используются для мониторинга природных пожаров (ИСДМ-Рослесхоз), оценки баланса углерода в лесах (система «Углерод-Э» Института космических исследований РАН), выявления нарушений лесного покрова (международный проект Glоbal forest watch), говорит Замолодчиков. Машинное обучение используется при дистанционном мониторинге углеродного обмена на исследовательских территориях карбоновых полигонов в рамках программы Минобрнауки, основным источником исходной информации здесь служат беспилотные летательные аппараты. Столь широкое распространение дистанционного зондирования произошло в последнее десятилетие, что связано с развитием как технологий летательных аппаратов и сенсоров, так и методов анализа информации, включающих ИИ. Также эксперт отмечает, что Центр ИИ НИУ ВШЭ сейчас разрабатывает «Цифровую модель для идентификации промышленных источников выбросов». Предполагается, что она будет способна интегрироваться в состав платформ экологического мониторинга.
ИИ помог посчитать белых медведей на территории заповедника «Медвежьи острова», рассказывают в Минприроды. С помощью беспилотных летательных аппаратов ученые получили более 25 000 снимков и затем при их обработке применили нейросеть. В итоге определено, что в заповеднике живет 176 белых медведей. Важно то, что ИИ смог лучше различить «белое на белом», чем человеческий глаз: заметить белого медведя на снегу довольно трудно.
Также ИИ применяется в геофизических работах – на ранних этапах геологоразведки. Беспилотные летательные аппараты снимают местность, а миллионы изображений обрабатывает нейросеть, в итоге получаются более точные карты. При этом алгоритмы ИИ способны делать анализ данных для бурения поисковых скважин и прогнозировать содержание полезных ископаемых на месторождении.
Кроме того, нейросеть помогает оценивать объемы загрязняющих выбросов в атмосферу в городах федерального проекта «Чистый воздух». 1 сентября 2023 г. проект пополнился новыми 29 городами, и сейчас для них готовятся сводные расчеты загрязнения воздуха. В том числе обследуется транспортный поток, при помощи видеофиксации изучаются наиболее загруженные участки дорог, а ИИ помогает определить тип и скорость автотранспорта, чтобы затем оценить выбросы в атмосферу.
А у Российского экологического оператора (РЭО) есть проект цифровых двойников полигонов твердых коммунальных отходов (ТКО). При помощи воздушного сканирования беспилотниками объектов размещения ТКО было получено облако точек, которое ложится в основу просчета основных параметров – накопленные отходы, остаточная вместимость. Эта работа помогает и фиксировать нарушения на полигонах, отмечают в Минприроды.
Сдержки и противоречия
Вместе с тем, по словам Опанасенко, на данный момент можно говорить о недостатке цифровых решений для решения ESG-проблем: 85% бизнесменов отмечают, что цифровые решения для ESG, включая технологии ИИ, в компаниях почти не используются или используются лишь для некоторых задач, что связано, в первую очередь, с нехваткой необходимых компетенций и недостаточным развитием ESG-практик в компаниях. Согласно исследованию «Сколково» и ТеДо, в наибольшей степени недостаток цифровых решений ощущается бизнесом в таких сферах, как адаптация к изменению климата, обращение с отходами и сохранение биоразнообразия.
«Практики использования ИИ для решения экологических задач в России скорее находятся на стадии зарождения и апробации, только малую часть из них можно назвать чисто экологическими, большая же часть – это проекты по оптимизации производства, косвенно способствующие решению экологических задач – например, за счет сокращения использования энергоресурсов», – говорит старший менеджер департамента нефинансового консультирования «Пачоли Консалтинг» Игорь Сидельников. При этом в основном используются технологии интернета вещей, машинного зрения. На производственных активах устанавливаются датчики, камеры, которые собирают большой объем информации. На ее основании принимаются управленческие решения, связанные с достижением экологических показателей и предупреждением возникновения негативных ситуаций на производстве.
Интеграция систем ИИ и цифровизации в решения экологических проблем в России находится в стадии активного развития, считает Турсунов. Применение ИИ в экологической сфере развивается благодаря как государственным инициативам, так и инновациям частного сектора. Ключевыми факторами являются национальные приоритеты в области технологического развития, охраны окружающей среды и признание потенциала ИИ для повышения эффективности и принятия решений. Такие проекты, как внедрение технологий ИИ для диагностики оборудования и проведения превентивных мероприятий, а также создание цифровых решений для учета и развития участников сообществ в сфере ИИ, являются значимыми шагами в этом направлении. Однако ускорению прогресса, по мнению эксперта, мешают такие «классические» проблемы, как препятствия в сфере регулирования, ограниченный доступ к высококачественным данным, инвестиционные ограничения и необходимость обучения персонала для работы с новыми технологиями. «Несмотря на это, стремление к устойчивому развитию и решению экологических проблем побуждает к разработке и внедрению инновационных проектов», – заключает он.
Сидельников в качестве драйверов роста использования систем ИИ в российских ESG-практиках называет задачи и обязательства, которые в рамках своих ESG-стратегий обозначают для себя компании (в основном, крупные или позиционирующие себя в качестве лидеров в области экологической повестки). Как правило, сначала выявляется необходимость ставить задачи, потом начинается проработка возможных решений, и цифровые технологии могут стать одни из таких решений в тех местах, где человеческий фактор не приведет к нужным результатам, поясняет он. Что касается тормозящих факторов, то он выделяет сворачивание сотрудничества с большим количеством западных провайдеров ИТ-технологий. Поиск и разработка аналогичных решений в России или дружественных ей странах требует времени и усилий. Кроме того, в связи с переориентацией на новые рынки ряд компаний столкнулся с падением выручки и вынужден был урезать экологические бюджеты, в связи с чем внедрение новых прорывных технологий, которые требовали бы больших вложений, в последние годы либо отменяется, либо откладывается.