AI per l’inquinamento atmosferico: uno studente delle scuole superiori di New York costruisce un modello di previsione con il 92% di accuratezza
Uno studente di una scuola superiore a New York ha costruito un framework AI per l’inquinamento atmosferico con capacità predittiva del 92%.
All’inizio, Richard Ren, studente dell’undicesimo anno del liceo di Gerico, voleva aiutare i suoi nonni. Alla fine, ha finito per costruire un framework AI utilizzando più tecniche di apprendimento automatico per prevedere i futuri livelli di inquinamento atmosferico con una precisione del 92%.
E parlando a una conferenza nazionale sull’innovazione sull’ambiente.
“Essenzialmente ho iniziato perché i miei nonni e l’altra mia famiglia allargata vivono vicino come queste grandi città in Cina, Pechino, Shanghai, dove hanno livelli enormi di inquinamento atmosferico, giusto”, mi ha detto Ren in un recente podcast TechFirst . “E così ho creato un’analisi di regressione da utilizzare essenzialmente, sai, solo per poter vedere la qualità dell’aria con pochi giorni di anticipo. È una cosa così semplice, ma è anche una cosa così importante solo essere in grado di pianificare in anticipo. Forse non dovrei andare mercoledì perché AQI è tipo 130, non lo so, giusto? “
L’AQI è l’indice di qualità dell’aria e presto Ren ha scoperto che un’analisi di regressione relativamente semplice non era sufficiente.
Così ha iniziato a frequentare Stack Overflow e Coursera per saperne di più sull’intelligenza artificiale e l’apprendimento automatico. E ha scoperto che le migliori università del mondo – Harvard, Yale, Stanford, MIT – mettono gratuitamente online molti corsi. E YouTube, che altri ragazzi potrebbero guardare per video musicali o influencer o streamer di giochi, ha video che ti insegnano come costruire reti neurali.
Poi Ren ha vinto il jackpot: la maggior parte delle città e degli stati dispone di database aperti e accessibili di informazioni meteorologiche storiche, inclusa la qualità dell’aria. Traduzione: dati di formazione gratuiti, che sono oro per ricercatori e sviluppatori di intelligenza artificiale.
Il risultato, che ha richiesto più di un anno per essere raggiunto, è una precisione predittiva del 92% con alcuni giorni di anticipo.
Il che significa che i suoi nonni ora possono sapere, con ragionevole certezza, quando potranno trascorrere una giornata fuori in sicurezza. Almeno, se si trasferiscono a Los Angeles, che è la città che Ren ha scelto di modellare.
La chiave per migliorare la precisione, ha scoperto Ren, era utilizzare più modelli contemporaneamente.
“Ho usato tre modelli principali”, dice Ren. “Il primo è la rete neurale. La seconda è la foresta casuale. Il terzo è la regressione logistica, giusto? Ognuno ha i suoi vantaggi, ognuno ha degli svantaggi distinti, questo è il motivo per cui ho scelto questi tre. E sono stato in grado di scoprire che il modello combinato era in grado di avere una maggiore precisione rispetto a qualsiasi modello costituente. Ho scoperto che la più efficace era la foresta casuale. Quindi foresta casuale e qualsiasi sua modifica, così come le reti neurali restano indietro. “
È interessante notare che ciò che Ren ha scoperto durante la ricerca sulle previsioni meteorologiche è che la maggior parte dei modelli meteorologici utilizzava un unico modello, limitando la loro efficacia.
Quando non sta costruendo AI per l’inquinamento atmosferico, Ren è impegnato a lavorare su altri progetti di alto livello, tra cui Project Green Challenge . Ha anche vinto premi ed è stato premiato con un brevetto provvisorio per un diverso progetto per “creare una nuova sonda per microscopia ottica a campo vicino di tipo scattering polarizzato s per applicazioni di analisi di materiali extraterrestri”. E ha avuto l’opportunità di parlare all’ACE 2020 , l’Air & Waste Management Association, sul suo quadro di previsione dell’inquinamento atmosferico.
Ren sta ora lavorando per costruire il suo framework in una piattaforma a cui chiunque può accedere online o tramite un’app mobile, affermando che la conoscenza può salvare e migliorare la vita consentendo alle persone di proteggere la propria salute. Vuole anche inserire segnali sociali, magari monitorando Twitter o notizie per ulteriori dati sulla qualità dell’aria.
Supponendo, ovviamente, che i suoi insegnanti non gli diano troppi compiti.
