Présentation interactive basique

Soutenance Mémoire

IA et Crise Environnemental Présenté par Yildirim Ayse

Start

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

YILDIRIMAyse-Anais

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

Conclusion

étude de cas

Impact positif de l'IA

Sommaire

Diminuer l'impact de l'IA

Impact négatif de l'ia

Introduction

01

Introduction

IA et crise environnemental

L'intelligence artificielle

1. CNN

Utiliser pour l'analyse d'images

2. Transformers

Traitement du langage naturel (NLP)

3. RL

Reinforcement learning

4. SVM

Algorithmes de classification

La crise environnementale

02

Impact négatif de l'IA

IA et crise environnemental

Obsolescence et pollution électronique

Pollution électronique

Eau + métaux rares

Ressources naturelles

Impacts directs de l'IA pour l'environnement

Impact négatif

- entrainement des algo énergivore- émetteur de GES

émissions de GES

Effet rebond

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

03

Impact positif de l'IA

IA et crise environnemental

Agrilcuture de précision

Agriculture

Villes plus intelligentes et plus écologiques

Smart cities

Bénéfices indirect de l'IA pour l'environnement

Impact Positif

Optimisation des ressources avec Smart Grids.

energies

Prédiction des tremblements de terres etc.

Catastrophe naturelles

Modélisation océans, prédiction les marées noires ou dégradation coraux

Biodiversite

Bénéfices directs de l'IA pour l'environnement

Impact Positif

Optimisation de transport

Transport

Minimiser l'impact négatif de l'IA

+ info

+ info

+ info

01

Améliorer le processus

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

02

Optimiser datacenter

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

03

Nouvelles technologies

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

Chercheur Google

"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. "

Etude de cas : Prédiction de GES

Prédire les émissions de CO2Présentation de la méthodeRésultat

Conclusion

Merci ! Avez-vous des questions ?

Énergie

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

Énergie renouvelable

Favoriser les énergies renouvelables variable

Énergie renouvelable

Favoriser les énergies renouvelables controlable

Transition lente

Optimisation des dépenses énergétiques

Smart cities

Des villes intelligentes plus propre et moins pollué !

Pollution

IA permet de diminuer la pollution de la ville

Propreté

L'IA permet de gérer la propreté des villes

Aménagement

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

Evite la surconsommation d'eau et de pesticides

Détection maladie

Détecte la maladie des plantes

Élevage intelligente

Utilisation de l'IA pour un élevage optimiser

-200

million de tonne de CO2

+25%

Energie renouvelable

-10%

perte de prod

-15%

consommation énergie

Smart grids

Prédiction météo

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

Biodiversité

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

Cartographie

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

Surveillance

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

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

Climat extrême

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

Analyse impact

- analyser l'impact sur la biodiversité des catastrophes naturelles

Feux de forêt

- 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

Déchet

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

Danger sol

- Artificialisation des sols - Espaces naturels en zone industrielles

Danger océan

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

=>

allers-retours Paris - New-York

136

tonnes de CO2

240

requête google

x10

gigawattheures

1287

120

foyers américains /an

Émissions de CO2

Entraînement des algorithmes d'IA énergivore

Livraison

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

Remplissage

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

Application

- GPS - Analyse en temps réel

• néodyme
• tantale
• gallium

x10

extraction

1 an

Consommation Danemark

6,6

Md de m³ d'eau/an

Matériaux rares

Consommation d'eau

SVM

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

Normalisation

Prétraitement

Modèle : Random Forest Regression

Analyse des données

Evaluation des modèles

Donnée

Evaluation du modèle

Training RMSE : 14.77Cross Validation RMSE : 21.19

Small modular reactors

Recherche en fusion nucléaire

Utilisation IA

énergie controlable

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

- nucléaire de fusion - conception excpérience

- plannification des sites géothérmie et hydroélectricité - détecte les fissures

- géothermie- la fission nucléaire- hydrolélectricité

-200

million de tonne de CO2

-10%

perte de prod

-15%

consommation énergie

Smart grids

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

Exemple

Intelligence artificielle

Problème de l'énergie renouvelable

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

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