迄今为止,第26届联合国气候变化大会(COP26)最大的成就之一,是承诺到2030年停止并扭转全球林木砍伐活动。
上周各国100多位领导人共同达成协议,将筹集近140亿英镑(约合192亿美元)的公共与私人资金支持这项计划。
森林砍伐与气候变化间的联系已经得到证明。
森林每年吸收全球化石燃料燃烧所产生的二氧化碳中的约三分之一,但巨大的环境贡献并没有放缓我们砍伐林地的脚步。
每分钟,都有一片面积相当于27个足球场的林地彻底消失。
虽然以自然调节为本的解决方案非常重要,但技术在保护林地方面同样发挥着不可替代的作用。
很多朋友可能想象不到,区块链正是这套森林保护技术体系中的关键一员,有望解决供应链中的非法木材流通问题。
非法采伐正威胁着世界上众多极具价值的森林,其分布从亚马逊一路延伸至俄罗斯远东地区。
为此,技术厂商iov42正与欧盟合作开发“区块链式”基础设施,计划利用区块链技术提高政府及各类组织的跨境服务标准。此外,欧盟委员会对使用区块链改善森林可持续实践也表现出浓厚兴趣。
为了应对挑战,iov42公司今年推出了Timber Chain。这是一款应用程序,能够为供应链内的各环节相关方提供区块链数字身份,并将木材表示为数字资产的形式。
这款应用程序由iov42公司与非营利性环保组织Preferred by Nature合作设计,旨在改善并保护从森到大陆架等各个环境层面中全体利益相关方间的交互行为。
据称目前全球非法木材贸易总值在500亿至1500亿美元之间,联合国环境规划署估计整体市场上约有15%至30%的木材来源非法。
另据估算,非法木材占亚马逊、中非以及东南亚木材采伐量的50%至90%。
iov24公司首席执行官Dominic von Trotha Taylor解释道:“木材的整个生产周期到处存在浪费现象。从被装上集装箱船开始、到进口商接手、再到被实际制作成一张桌子,期间各个环节都有浪费比例。”
Tayler还提到,“iov42公司希望跟踪流程中的各个阶段,争取将生产过程中带来的种种废物转化为新的资产。例如,如果某一环节会生成木浆,我们就设计出能够利用这部分木浆的业务体系。”他补充道,“我们目前正与欧盟保持合作,不只是在按之前提到的方式跟踪并优化整个生产流程,同时还要设计出新的可持续经济循环。例如,探索资源回收或再利用后能够带来哪些新的可能性。”
“虽然目前才刚刚起步,但我们的业务已经大获成功。我们正与非营利组织Preferred by Nature开展合作,他们是目前世界上最大的木材认证机构。”他还强调,区块链技术对于木材行业中这种涉及多种资产及多方参与者的数据库来说无疑是“完美”方案。
此外还有更多其他用途,例如监控锂矿产供应链。随着人们越来越多选择电动汽车,锂矿产供应将在未来几年内迅猛增长。
“我们还与几家希望保证化妆品成分具有可持续性的化妆品厂商及服装销售商进行了沟通,帮助他们确保原材料的真实来源与声明来源切实相符。”
欧盟委员会还着力探索区块链在改善可持续性与资源获取能力方面的潜在空间。欧洲区块链服务基础设施(简称EBSI)将于今年年底进入第二阶段,启动后每分钟有望处理多达150亿笔交易,这也将创下区块链技术领域的新纪录。
毁灭森林的不只是人,还有自然界的无情野火。近年来美国就饱受野火的摧残。
之前,曾有多起重大野火源自供电线路的故障或磨损。不少专家警告称,未来更多极端天气的出现将使基础电网承受更大压力。
Gridware公司联合创始人兼CEO Timothy Barat表示:“我们的基础设施趋于老化,而且正快速落后于时代。我们的劳动力也不断萎缩、设备压力持续增长,电气化普及、气候变化以及极端天气出现频率的提升已经成为现实挑战。”
Barat还提到,目前美国不少电路与电线杆仍然保持着每十年检查一次的传统,导致电力企业很难在灾难发生前预先发现问题。他解释道,“公共事业公司仍在用锤子敲击电线杆来检查结构强度。工人们会用听声方法断定杆体是否坚固,但这种方式明显容易引发错误判断。”
为了确保定期监控电力线路并发现早期问题,Gridware公司开发出Gridscope。它采用AI算法在本地处理传感器数据,从而大大降低通信功耗。
“AI技术的优势在于识别模式并做出质量判断。随着时间的推移,AI技术能够建立起一套理解库,将故障前兆与实际故障匹配起来。以此为基础,它能够对设备传递的一切小信号保持高度敏感,及时提醒哪些位置可能发生问题。”他表示。
ClimateAi公司CEO Himanshu Gupta则提到,气候变化的本质属于“大数据问题”,因为每天各地气象站、卫星与地面传感器都会传来数以TB计的数据。
“上世纪九十年代诞生的传统算法和系统,显然不足以处理如此庞大的数据规模。这就需要AI伸出援手,帮助我们做出可靠的预测与优化。”
他还引用了食品与农业供应链的现实案例。
“我们正与澳大利亚一家名为Pacific Seeds的公司密切合作,共同解决澳大利亚过去十年来持续面对的干旱问题。通过对气候的预判,他们开始向农民提供种子建议,并结合每年生长季末的产出成果持续学习。事实证明,这种方式的起效速度要远远高于通常耗费十年甚至更久的新种子研发推广。”
“我们这样的AI方案能够立足各类小规模气候条件评估新型种子品种的种植适应性,并大大缩短产品上市时间。它能够分析以往种子产出数据、天气数据、土壤数据及未来气候数据,借此定位哪些种子最适合在哪些区域内种植。”
他还提到,AI还能通过中期天气预报帮助人类应对气候变化。作为现实难题,大部分原有天气系统在将海洋数据纳入模型时都会遇到严重瓶颈。“我们使用的是与自动驾驶汽车行业相同的算法。这种算法会检查输入汽车的1000张图像、检测其中行人,而后对行人向左和向右移动的概率做出判断。”
“既然模型在自动驾驶领域表现良好,我们为什么不用它处理气候数据试试看呢?为此,我们把温度、降水和风速设定为基本问题,尝试将气候数据与可视化图像映射起来。这样,行人检测问题就快速转化为对厄尔尼诺/拉尼娜等海洋气候模式的预测问题,甚至能够进一步转化为地面热浪预测问题。通过该算法,我们能够预测出两周之后将要出现的极端天气事件,而且性能较传统天气模型高出10%到150%。”
我们当然不可能对全球各地的森林区域开展物理监控,而森林又切实关系着整个人类社会乃至这颗蔚蓝星球的生态稳定。如果区块链和AI等应用技术能够提供帮助,并在某些特定情况下防止环境危害的进一步扩散,我们当然应该着力加以推广。所以跟很多“环保原教旨主义者”不同,技术并不是破坏环境的元凶、反而可能成为维持全球生态稳定的大救星。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。