Một nhóm nhà khoa học máy tính đến từ Đại học Loughborough, Anh mới đây đã phát triển thành công hệ thống trí tuệ nhân tạo (AI) có thể dự đoán trước mức độ ô nhiễm không khí tại một khu vực, địa điểm cụ thể từ nhiều ngày trước khi tình trạng ô nhiễm thực sự diễn ra.
Dữ liệu duy nhất cần dùng tới là thông tin thu được từ hệ thống các cảm biến khí tượng lắp đặt trong thành phố hoặc bất cứ khu vực cụ thể nào. Dữ liệu này sau đó sẽ được hệ thống tự động tổng hợp, phân tích để dự đoán mức độ ô nhiễm tiềm tàng với độ chính xác khá cao.
Hệ thống AI này tỏ ra cực kỳ hiệu quả trong việc giúp các chuyên gia môi trường đánh giá sớm chất lượng không khí tại những khu vực đông dân, kịp thời đưa ra khuyến nghị sớm cho người dân ở những khu vực tình trạng ô nhiễm không khí thường xuyên xảy ra, chẳng hạn như ô nhiễm bụi mịn PM2.5. Đây là loại bụi có đường kính siêu nhỏ, chỉ khoảng 2,5 micromet hoặc thậm chí nhỏ hơn. Những hạt bụi này có thể xâm nhập vào tế bào cơ thể người, phá hủy cơ chế tự bảo vệ và miễn dịch từ bên trong tế bào gây nên một số những căn bệnh cấp tính về đường hô hấp, tim và phổi. Ở các khu vực bị ô nhiễm bụi mịn PM2.5 tầm nhìn sẽ bị giảm đáng kể và bầu trời không còn được trong xanh như bình thường. Việc phát hiện từ sớm tình trạng này có thể giúp nhà chức trách triển khai những biện pháp cần thiết để giảm thiểu tình hình, cũng như người dân có thể chủ động bảo vệ sức khỏe bản thân.
Tất nhiên việc phát triển một hệ thống như vậy không hề đơn giản. Các nhà nghiên cứu chủ yếu tập trung vào nguồn dữ liệu thụ được tại Trung Quốc, vì 145 trong số 161 thành phố lớn của Trung Quốc thường xuyên gặp phải các vấn đề liên quan đến ô nhiễm không khí tương đối nghiêm trọng. Lịch sử về tình trạng ô nhiễm không khí ở các thành phố này chính là nguồn dữ liệu dồi dào và đủ lớn để đào tạo hệ thống AI đạt hiệu quả cao.
Nhìn chung, hệ thống AI của Đại học Loughborough có thể giúp các nhà hoạch định chính sách và các nhà khoa học hiểu rõ nguyên nhân dẫn tới những hình thái ô nhiễm cũng như khám phá cách thức để ngăn ngừa hoặc giảm thiểu tác động của chúng dựa trên kết quả phân tích dữ liệu thời tiết, thời vụ và môi trường được sử dụng trong các dự đoán của AI.
Dữ liệu duy nhất cần dùng tới là thông tin thu được từ hệ thống các cảm biến khí tượng lắp đặt trong thành phố hoặc bất cứ khu vực cụ thể nào. Dữ liệu này sau đó sẽ được hệ thống tự động tổng hợp, phân tích để dự đoán mức độ ô nhiễm tiềm tàng với độ chính xác khá cao.
Hệ thống AI này tỏ ra cực kỳ hiệu quả trong việc giúp các chuyên gia môi trường đánh giá sớm chất lượng không khí tại những khu vực đông dân, kịp thời đưa ra khuyến nghị sớm cho người dân ở những khu vực tình trạng ô nhiễm không khí thường xuyên xảy ra, chẳng hạn như ô nhiễm bụi mịn PM2.5. Đây là loại bụi có đường kính siêu nhỏ, chỉ khoảng 2,5 micromet hoặc thậm chí nhỏ hơn. Những hạt bụi này có thể xâm nhập vào tế bào cơ thể người, phá hủy cơ chế tự bảo vệ và miễn dịch từ bên trong tế bào gây nên một số những căn bệnh cấp tính về đường hô hấp, tim và phổi. Ở các khu vực bị ô nhiễm bụi mịn PM2.5 tầm nhìn sẽ bị giảm đáng kể và bầu trời không còn được trong xanh như bình thường. Việc phát hiện từ sớm tình trạng này có thể giúp nhà chức trách triển khai những biện pháp cần thiết để giảm thiểu tình hình, cũng như người dân có thể chủ động bảo vệ sức khỏe bản thân.
Tất nhiên việc phát triển một hệ thống như vậy không hề đơn giản. Các nhà nghiên cứu chủ yếu tập trung vào nguồn dữ liệu thụ được tại Trung Quốc, vì 145 trong số 161 thành phố lớn của Trung Quốc thường xuyên gặp phải các vấn đề liên quan đến ô nhiễm không khí tương đối nghiêm trọng. Lịch sử về tình trạng ô nhiễm không khí ở các thành phố này chính là nguồn dữ liệu dồi dào và đủ lớn để đào tạo hệ thống AI đạt hiệu quả cao.
Nhìn chung, hệ thống AI của Đại học Loughborough có thể giúp các nhà hoạch định chính sách và các nhà khoa học hiểu rõ nguyên nhân dẫn tới những hình thái ô nhiễm cũng như khám phá cách thức để ngăn ngừa hoặc giảm thiểu tác động của chúng dựa trên kết quả phân tích dữ liệu thời tiết, thời vụ và môi trường được sử dụng trong các dự đoán của AI.
Theo Quản trị mạng
