سیستم ماهواره‌ای سازمان ملل با هوش مصنوعی، نشت‌های بزرگ متان را در لحظه شناسایی می‌کند

در سال ۲۰۲۴، یک شیر معیوب در حوضه مرکزی دریای خزر، هر ساعت ۱.۷۹ تن متریک متان را به آرامی در جو منتشر می‌کرد. برای ماه‌ها، این توده نامرئی از دید خدمه زمینی و بازرسی‌های معمول تأسیسات پنهان مانده بود. در نهایت، این نشت نه توسط یک فرد در محل، بلکه توسط یک مدل هوش مصنوعی که تصاویر چندطیفی را از فضا اسکن می‌کرد، کشف شد. پس از اطلاع‌رسانی سازمان ملل به اپراتور و نمایندگان دولت، بازرسی در محل نشت را تأیید کرد، شیر تعویض شد و گذر بعدی ماهواره‌ها تأیید کرد که انتشار گسترده متان به طور کامل متوقف شده است.[6]

این مداخله موفق یکی از بیش از ۴۰ اقدام تأیید شده برای کاهش انتشار است که توسط سیستم هشدار و واکنش متان (MARS)، یک طرح نظارتی جهانی که توسط رصدخانه بین‌المللی انتشار متان برنامه محیط زیست سازمان ملل (UNEP) اداره می‌شود، هدایت شده است. بر اساس گزارش جدید UNEP با عنوان «فرصت برجسته»، ادغام هوش مصنوعی در جریان کار MARS، مقیاسی را که دانشمندان و تنظیم‌کنندگان می‌توانند این گاز گلخانه‌ای قوی را ردیابی کنند، به طور اساسی تغییر داده است. این سیستم با خودکارسازی دشوارترین بخش‌های خط لوله داده، سیل عظیمی از نویز محیطی خام را به هشدارهای عملی و بسیار دقیق تبدیل می‌کند.[1][2][6]

مکانیسم شناسایی متکی بر مجموعه‌ای رو به رشد از بیش از ۳۰ ماهواره دیده‌بانی زمین است که به طور مداوم نحوه جذب طول موج‌های خاص نور خورشید توسط جو را نقشه‌برداری می‌کنند. از آنجایی که متان نور را متفاوت از سایر گازهای جوی جذب می‌کند، این ابزارهای تخصصی فراطیفی و چندطیفی می‌توانند توده‌های متمرکز متان را که از تأسیسات نفت و گاز، محل‌های دفن زباله و معادن زغال سنگ بالا می‌آیند، شناسایی کنند. این ماهواره‌ها اساساً به عنوان یک دوربین جهانی ردیاب حرارت برای گاز هدر رفته عمل می‌کنند و تصاویری با وضوح بالا از انتشاراتی را ثبت می‌کنند که کاملاً برای چشم غیرمسلح انسان نامرئی هستند.[3][6]

با این حال، حجم بالای داده‌های تولید شده توسط این ماهواره‌ها یک گلوگاه تحلیلی عظیم ایجاد می‌کند. سیستم MARS از زمان عملیاتی شدن کامل در سال ۲۰۲۴، بیش از ۱.۳ میلیون مشاهده ماهواره‌ای را که ۳۰۲ میلیون کیلومتر مربع از سطح زمین را پوشش می‌دهد، دریافت و تجزیه و تحلیل کرده است. تحلیلگران انسانی به سادگی نمی‌توانند این حجم از تصاویر را به اندازه کافی سریع بررسی کنند تا هشدارهای به موقع را برای اپراتورها صادر کنند. بدون یک روش خودکار برای پردازش داده‌های ورودی، این اطلاعات مدت‌ها پس از آنکه نشت‌های مخرب آسیب‌های جوی خود را وارد کرده‌اند، در سرورها محبوس می‌ماندند.[1][5][6]

برای حل این بحران پردازش، رصدخانه مدل‌های یادگیری ماشینی سبک و کم‌مصرفی را به کار گرفت که به طور خاص برای فیلتر کردن نویز طراحی شده‌اند. هوش مصنوعی به عنوان یک ابزار پیشرفته غربالگری و اولویت‌بندی عمل می‌کند و مجموعه داده‌های جهانی را برای شناسایی رویدادهای احتمالی انتشار اسکن می‌کند. در حال حاضر، ۸۰ تا ۸۵ درصد از نشت‌های تأیید شده متان را قبل از اینکه یک متخصص انسانی به صفحه نگاه کند، علامت‌گذاری می‌کند. با رسیدگی به ارزیابی اولیه، هوش مصنوعی به سیستم اجازه می‌دهد تا در مقیاس سیاره‌ای و بدون نیاز به زیرساخت محاسباتی عظیم و پرمصرف از نظر کربن، عمل کند.[1][3][5][6]

این رویکرد «انسان در حلقه» به تحلیلگران رصدخانه اجازه می‌دهد تا ۱۲ تا ۱۵ برابر بیشتر داده‌های ماهواره‌ای را بدون قربانی کردن دقت علمی پردازش کنند. هنگامی که هوش مصنوعی یک نقطه داغ بالقوه را برجسته می‌کند، کارشناسان انسانی وارد عمل می‌شوند تا یافته را تأیید کنند، نرخ دقیق انتشار را کمی‌سازی کنند و منشأ توده را به یک تأسیسات یا خط لوله خاص ردیابی کنند. تنها پس از این بررسی ثانویه دقیق است که سیستم یک اعلان رسمی تولید می‌کند و مختصات دقیق و شدت نشت را در اختیار دولت‌ها و اپراتورهای شرکت‌ها قرار می‌دهد تا بتوانند تیم‌های تعمیراتی را اعزام کنند.[1][5][6][7]

اهمیت این شناسایی سریع بسیار زیاد است، زیرا متان مسئول تقریباً یک سوم گرمایش جهانی است که سیاره زمین از زمان انقلاب صنعتی تجربه کرده است. در حالی که این گاز بسیار سریع‌تر از دی‌اکسید کربن در جو تجزیه می‌شود – پس از حدود یک دهه از بین می‌رود به جای اینکه برای قرن‌ها باقی بماند – اما در یک دوره ۲۰ ساله تقریباً ۸۰ برابر بیشتر گرما را به دام می‌اندازد. به دلیل این اثر گرمایشی شدید اما کوتاه‌مدت، دانشمندان اقلیم به طور گسترده‌ای کاهش انتشار متان را سریع‌ترین راه برای دستیابی به کاهش محسوس دما در طول یک نسل می‌دانند.[1][2][3]

بازده اقلیمی این مداخلات مبتنی بر هوش مصنوعی در حال حاضر قابل اندازه‌گیری است. ۱.۲ میلیون تن متان که تاکنون از طریق هشدارهای MARS کاهش یافته است، معادل یک مزیت اقلیمی است که برابر با حذف ۲۴ میلیون خودروی سواری بنزینی از جاده‌ها برای یک سال کامل است. در یک مورد قابل توجه در الجزایر، یک هشدار ماهواره‌ای منجر به تعمیر یک نشت عظیم شد که برای دهه‌ها ادامه داشت و کاهش انتشاراتی معادل خارج کردن نیم میلیون خودرو از چرخه ترافیک سالانه را به همراه داشت.[1][2][3]

با این حال، داده‌ها یک محدودیت آشکار در چارچوب جهانی فعلی را نیز نشان می‌دهند: شناسایی نشت از فضا به طور خودکار تضمین نمی‌کند که کسی آن را در زمین برطرف کند. طبق گزارش سازمان ملل متحد، در حال حاضر تنها حدود ۱۳ درصد از هشدارهای ارسال شده به دولت‌ها و اپراتورهای شرکت‌ها منجر به هرگونه واکنش مستند یا اقدام کاهشی می‌شود. اکثریت قریب به اتفاق این اعلان‌ها به سادگی نادیده گرفته می‌شوند و توده‌های عظیمی از گاز گرم‌کننده اقلیم را آزاد می‌گذارند تا با وجود مشخص شدن مختصات دقیق، آزادانه در جو منتشر شوند.[2][6]

اینگر آندرسن، مدیر اجرایی UNEP، با تأکید بر اینکه این فناوری هرگونه انکار قابل قبول را برای منتشرکنندگان عمده از بین برده است، گفت: «ما اکنون می‌توانیم آلودگی متان را در لحظه وقوع، تقریباً در زمان واقعی، از فضا ببینیم.» «با این قابلیت، عدم اقدام یک سهل‌انگاری نیست – بلکه یک انتخاب است.» نرخ پایین پاسخگویی، واقعیت عملیاتی دشواری را برجسته می‌کند که در حالی که هوش مصنوعی می‌تواند کشف یک مشکل را به شدت تسریع کند، کاهش واقعی انتشار همچنان کاملاً به لجستیک انسانی، تمایل شرکت‌ها و فشار نظارتی بستگی دارد.[2]

برای بستن این شکاف اجرایی آشکار، سازمان ملل متحد اخیراً یک طرح جدید را با حمایت «بلومبرگ فیلانتروپیز» (Bloomberg Philanthropies) راه‌اندازی کرده است که هدف آن کمک به کشورها برای بررسی و رفع ۸۰ درصد از نشت‌های بزرگ شناسایی شده تا پایان این دهه است. در حال حاضر، تنها ۱۰ کشور در سراسر جهان به این سطح از پاسخگویی به هشدارهای ماهواره‌ای دست یافته‌اند. این تلاش بر ایجاد چارچوب‌های نظارتی داخلی و قابلیت‌های میدانی مورد نیاز متمرکز خواهد بود تا یک اعلان دیجیتال به یک تیم تعمیراتی اعزام شده و یک شیر فیزیکی سفت شده تبدیل شود.[2]

توجیه اقتصادی برای رفع این نشت‌ها اغلب به اندازه ضرورت زیست‌محیطی قانع‌کننده است. ردیاب جهانی متان آژانس بین‌المللی انرژی تخمین می‌زند که می‌توان از انتشار بیش از ۳۵ میلیون تن متان سوخت فسیلی در سطح جهان بدون هیچ هزینه خالصی برای اپراتورها جلوگیری کرد. از آنجایی که متان جزء اصلی گاز طبیعی است، انتشار آن در جو به معنای واقعی کلمه اجازه دادن به تبخیر یک محصول ارزشمند است؛ با قیمت‌های فعلی انرژی، درآمد حاصل از گاز مهار شده به سرعت از هزینه‌های سرمایه‌ای و عملیاتی تعمیرات لازم فراتر خواهد رفت.[4]

در حالی که سیستم MARS آماده می‌شود تا قابلیت‌های شناسایی هوش مصنوعی خود را فراتر از صنعت نفت و گاز گسترش دهد و بخش‌های زغال سنگ و پسماند را در سال ۲۰۲۶ در بر گیرد، حجم هشدارهای عملیاتی تنها افزایش خواهد یافت. این فناوری به طور قطعی ثابت کرده است که گاز نامرئی را می‌توان به طور قابل اعتماد و سریع از مدار ردیابی کرد. موفقیت نهایی این برنامه اکنون به این بستگی دارد که آیا جامعه بین‌المللی می‌تواند انگیزه سیاسی و تجاری لازم برای اقدام بر اساس اطلاعاتی که ماهواره‌ها ارائه می‌دهند را ایجاد کند یا خیر.[1][5][8]