Présentation interactive basique

Soutenance Mémoire

IA et Crise Environnemental Présenté par Yildirim Ayse

Start

YILDIRIM Ayse-Anais

- 23 ans - Double licence Maths-Eco - Master IA big Data - Data scientist INOVIE

Quels rôles et impacts l'ia a-t-elle sur la crise environnementale ?

Introduction

Impact négatif de l'ia

Impact positif de l'IA

Sommaire

Diminuer l'impact de l'IA

étude de cas

Conclusion

01

Introduction

IA et crise environnemental

L'intelligence artificielle

3. RL

1. CNN

Reinforcement learning

Utiliser pour l'analyse d'images

2. Transformers

4. SVM

Traitement du langage naturel (NLP)

Algorithmes de classification

La crise environnementale

02

Impact négatif de l'IA

IA et crise environnemental

Impact négatif

Impacts directs de l'IA pour l'environnement

émissions de GES

Ressources naturelles

Pollution électronique

- entrainement des algo énergivore- émetteur de GES

Eau + métaux rares

Obsolescence et pollution électronique

Effet rebond

• Augmentation de la consommation
• Publicité ciblé
• Utilisation IA dans les secteur polluants

03

Impact positif de l'IA

IA et crise environnemental

Impact Positif

Bénéfices indirect de l'IA pour l'environnement

energies

Smart cities

Agriculture

Optimisation des ressources avec Smart Grids.

Villes plus intelligentes et plus écologiques

Agrilcuture de précision

Impact Positif

Bénéfices directs de l'IA pour l'environnement

Transport

Biodiversite

Catastrophe naturelles

Optimisation de transport

Modélisation océans, prédiction les marées noires ou dégradation coraux

Prédiction des tremblements de terres etc.

Minimiser l'impact négatif de l'IA

03

02

01

Nouvelles technologies

Optimiser datacenter

Améliorer le processus

Explorer les ordinateurs photoniques pour une puissance de calcul plus écologique.

Améliorer la gestion énergétique des datacenters pour réduire leur empreinte carbone.

Réduire la consommation énergétique des algorithmes grâce à des modèles optimisés.

+ info

+ info

+ info

"Aujourd’hui, on se pose ces questions alors qu’on utilise une infrastructure informatique du XXe siècle. Dès qu’on va tomber dans le quantique ou le photonique, le jour où on va commencer à faire tourner de plus en plus facilement nos modèles, les impacts environnementaux ne seront plus les mêmes. "

Chercheur Google

Etude de cas : Prédiction de GES

Prédire les émissions de CO2Présentation de la méthode Résultat

Conclusion

Merci ! Avez-vous des questions ?

Énergie

Une énergie plus verte et plus rationalisée grâce à l'IA

Énergie renouvelable

Transition lente

Énergie renouvelable

Optimisation des dépenses énergétiques

Favoriser les énergies renouvelables controlable

Favoriser les énergies renouvelables variable

Smart cities

Des villes intelligentes plus propre et moins pollué !

Pollution

Aménagement

Propreté

IA permet de diminuer la pollution de la ville

L'IA permet de gérer la propreté des villes

Gérer intelligemnt l'énergie et l'aménagement en zone urbaine

Agriculture

L'IA au service de l'agriculture pour des économies de ressources et pour dimunuer le GES

Eau + pesticide

Élevage intelligente

Détection maladie

Evite la surconsommation d'eau et de pesticides

Détecte la maladie des plantes

Utilisation de l'IA pour un élevage optimiser

Prédiction météo

Smart grids

+25%

-10%

-15%

-200

Energie renouvelable

perte de prod

consommation énergie

million de tonne de CO2

Réseau de neurones convultifs

• Donnée d'image bidimensionelles, unidimensionnelles et tridimensionnelles
• Architecture d'un CNN
• Couche de convultion
• Couche de pooling
• Couche fully-connected

Reinforcement Learning

• Agent et environnement
• Objectif de maximisation des récompenses
• Exploration vs exploitation
• Processus d'apprentissage par essais et erreurs
• Politique et les Valeurs

- Identifier les espèces en danger - PAWS : lutte contre le braconnage - Soft Robotic Fish : poisson-robot capable de surveiller

Surveillance

Cartographie

Biodiversité

- The Nature Concervancy : zone marines exploitable sans risques pour l'écosystème - RangerBot : protège des habitats sensible

- 1 million d'espèces animales et végétales menacées (ONU) - AI Earth : surveille les zones - The ocean Cleanup : robot repêcher 5 tonnes de plastique / mois

Nouvelle technologie

• Technologie photonique
• Puissance de calcul accrue
• Efficacité énergétique
• Avenir durable

Optimisation Data Center

• Utilisation d'énergies renouvelables
• Infrastructures améliorées
• Optimisation via IA
• Réduction de l'empreinte carbone

Analyse impact

Climat extrême

Feux de forêt

- analyser l'impact sur la biodiversité des catastrophes naturelles

- catastrophe naturel : tremblement de terre, innondation, typhons - Togo : crues du barrage de Nangbeto pour les risques d'innondations

- ex chili détecter les départs de feux forêts

Transformers

• RNN
• Architecture des transformers
• Architecture Encodeur-Décodeur
• Mécanisme du self-attention

• Capacité à Traiter des Données Séquentielles Variées
• Performance Supérieure en NLP

Optimisation agriculture

• Réduction des intrants et optimisation des ressources
• Détection des maladies et amélioration des rendements
• Polyculture
• Adaptation aux conditions climatique variables
• Réduction des émissions de GES

Réduction de la consommation énergie

• Modèles optimisés
• Infrastructures éco-responsables
• Optimisation des entraînements
• Optimisation de l’inférence

Danger sol

Danger océan

Déchet

- 98% des données mondiales transitent par des câbles sous-marins - polluent les fonds marins

- Montagne de déchet électronique - Obsolescence programmé - Difficile à recycler

- Artificialisation des sols - Espaces naturels en zone industrielles

Entraînement des algorithmes d'IA énergivore

Émissions de CO2

=>

240

1287

120

x10

136

foyers américains /an

requête google

allers-retours Paris - New-York

gigawattheures

tonnes de CO2

Remplissage

Application

Livraison

- GPS - Analyse en temps réel

- Problème de tournée de véhicules - Optimisation de la route - /2 consommation carburant

- + taux de remplissage de camion - transport à vide - 43%

Matériaux rares

Consommation d'eau

• néodyme
• tantale
• gallium

6,6

1 an

x10

Md de m³ d'eau/an

Consommation Danemark

extraction

SVM

• Algorithme de classification supervisée
• Maximisation de la marge
• Utilisation de Kernels
• Capacité de classer des données complexes
• Sensibilité aux données d'entraînement

Analyse des données

Prétraitement

Donnée

Evaluation des modèles

Normalisation

Modèle : Random Forest Regression

Evaluation du modèle

Training RMSE : 14.77Cross Validation RMSE : 21.19

Recherche en fusion nucléaire

Utilisation IA

Small modular reactors

énergie controlable

- géothermie- la fission nucléaire - hydrolélectricité

- plannification des sites géothérmie et hydroélectricité - détecte les fissures

- nucléaire de fusion - conception excpérience

- énergie nucléaire issue de SMR- 500 MW d’énergie 100 % bas carbone

Smart grids

-10%

-15%

-200

perte de prod

consommation énergie

million de tonne de CO2

Problème de l'énergie renouvelable

Intelligence artificielle

Exemple

- réduire les émissions des générateur de secours - prévistion, planification et contrôle - prevision offre et demande

- Deep Mind - prédiction 36h à l'avance - +20% la valeur de l'énergie éolienne

- Offre = Demande - Stockage de l'énergie - coût et infrastructure