Tomar medidas para preservar nossos oceanos

Desafio 1: unir os dados de litros de oceano do mundo

Estimar o volume de lixo marinho espalhado pelos cinco oceanos é mais difícil do que parece. Não existe nenhum método padrão de recolha de dados sobre lixo marinho para orientar os países e organizações. O Wilson Center, uma das principais organizações de políticas não partidárias dos Estados Unidos, em parceria com a UNEP e a equipe de ciência de dados e IA Elite (DSE) da IBM, precisava harmonizar uma grande quantidade de esquemas e metadados para que os dados relatados de todos os cantos do mundo pudessem ser utilizados.

Para promover uma colaboração mais eficaz entre todos os stakeholders, a UNEP definiu um objetivo chave para estabelecer uma plataforma global para o litro marinho. Com o IBM Knowledge Catalog no IBM Cloud Pak for Data, eles puderam limpar, cruzar, classificar, manter a conformidade e disponibilizar os dados certos para cientistas de dados de forma rápida e automática. A solução também permitiu que cientistas cidadãos rastreassem a origem dos dados, colaborassem com outros cientistas, solicitassem conjuntos de dados e compartilhassem suas percepções sobre os conjuntos de dados usando mecanismos de classificação e marcação.

Desafio 2: Conquistar conjuntos de dados condicionais para preservar a saúde das praias

O segundo desafio era calcular o volume de litros de praia marinha. Pesquisas estatisticamente randomizadas ajudam a criar estimativas científicas precisas, mas a coleta de dados sobre litros é, por sua própria natureza, aleatória. Fortemente dependentes de equipes de limpeza voluntárias, os dados sobre os esforços de limpeza podem ser moldados por vieses temporais e espaciais. Por exemplo, um voluntário coleta litros de praia diariamente. Mas o que eles coletam todos os dias será diferente do que alguém que coleta semanalmente ou mensalmente pode encontrar, levando a amostras altamente dependentes de inúmeras variáveis, portanto, difíceis de comparar e analisar.

E os esforços de limpeza são inconsistentes em diferentes locais, com alguns lugares sendo limpos com muita frequência e outros raramente ou nunca tocados, indicando que as amostras não são independentes nem distribuídas de forma idêntica (IID). Tais conjuntos de dados condicionais evitam a resolução de problemas usando métodos típicos de aprendizado de máquina.

Para enfrentar esses desafios, a equipe DSE utilizou o método de Inferência Bayesiana com técnicas de amostragem Makov Chain Monte Carlo (MCMC). A abordagem Bayesiana permitiu que eles considerassem as incertezas do problema; o MCMC permitiu que eles criassem uma cadeia de eventos dependentes para estimar os parâmetros do lixo marítimo. Esta prova de conceito revelou que esta metodologia híbrida única poderia ser ajustada e modificada para aumentar a robustez do modelo.

A equipe de DSE criou um pipeline de aprendizado de máquina no IBM Cloud Pak for Data para estabelecer um ciclo de vida de IA de ponta a ponta simplificado. Depois de estabelecerem uma linha de base para medir o lixo marinho, a equipe pôde prever o número de voluntários necessários para um esforço de limpeza em uma praia específica. Dadas as tendências e políticas atuais, o modelo ajudará a projetar a quantidade de lixo esperada nos próximos cinco anos.

Desafio 3: Olhando para o futuro para reforçar a prevenção e o apoio

A melhor maneira de resolver o problema do lixo dos oceanos é evitá-lo. Olhando para o futuro, como as comunidades costeiras podem evitar danos permanentes às costas intocadas? A equipe DSE criou uma previsão de séries temporais para ajudar a rastrear o plástico marinho e desenvolver políticas mais precisas e eficazes para erradicá-lo. Para tornar o conjunto de dados facilmente consumível, a equipe criou um dashboard executivo que permite que vários stakeholder:

• Monitorem a progressão da densidade do lixo marinho ano após ano
• Analisem os dados por localização nacional para avaliar as tendências de lixo ao longo do tempo
• Concentrem-se em praias específicas para uma coleta de dados mais detalhada
• Aprimorem a metodologia para recomendar os melhores aplicativos móveis para grupos de voluntários.

Com um ciclo de vida de IA de ponta a ponta em vigor, cientistas e formuladores de políticas poderiam extrair ainda mais valor dos conjuntos de dados do Wilson Center, seja para coordenar limpezas ou prever um cronograma para atingir zero poluição. O dashboard digital personalizado da IBM torna o trabalho facilmente acessível e compartilhável, mesmo para quem não tem conhecimento técnico.

Essas ferramentas capacitam um stakeholder da UNEP como a Costa Rica a acompanhar seu progresso em direção ao objetivo do país de se livrar totalmente de plásticos.

Desafio 4: fazer com que mais pessoas se importem com o litro marinho

A liderança da UNEP queria se aprofundar ainda mais nos dados, criar um vínculo entre o público e a questão do litro marinho. Para alcançar essa conexão, a organização imaginou um avatar digital como a fonte de informações. E então, um humano digital chamado Sam nasceu.

"Sam pode se conectar emocionalmente com os usuários porque ele é realmente responsivo", explica Richard Darden, Distinguished Engineer e Digital Human Advocate da IBM.

As respostas emotivas de Sam derivam do Assistente IBM Watson usando a tecnologia IBM Watson Speech to Text. Esses programas podem interpretar a intenção de um usuário e, em seguida, elaborar a resposta de Sam mergulhando no vasto repositório do UNEP e em outras fontes.

Essa informação é filtrada através de um avatar realista construído pela Soul Machines, uma empresa sediada em São Francisco que faz o que chama de "pessoas digitais".

Ao utilizar a tecnologia para combater a poluição plástica, a IBM mostrou à Assembleia Ambiental das Nações Unidas seu compromisso com a preservação do meio ambiente, destacando que a IA pode ser uma ferramenta essencial para avaliar o progresso futuro e influenciar diretamente políticas sobre intervenções plásticas marinhas, visando à construção de um ecossistema marinho sustentável. A UNEP agora está voltando sua atenção para tornar a coleta de dados mais fácil e impactante.

O Wilson Center está explorando maneiras de utilizar a ciência cidadã nos relatórios do UNEP além da limpeza de praias, inclusive com aplicativos móveis mais sofisticados que apresentam detecção e classificação de objetos, conforme afirma a Dra. Anne Bowser, Diretora de Inovação do Centro Wilson e líder do projeto.

Com base no sucesso inicial de sua colaboração com a IBM, Bowser pensa que mais objetivos da UNEP (link externo ao site ibm.com) poderiam se beneficiar da capacitação de cientistas cidadãos com IA. "IA é um aliado poderoso para a ciência de cidadãos que pode ajudar locais para comunidades globais", diz Bowser. “Estamos apenas dando os primeiros passos para concretizar esse potencial.”

O Centro Wilson (link externo ao site ibm.com) fundado pelo Congresso dos Estados Unidos em 1968 como o memorial oficial ao presidente Woodrow Wilson, é o principal fórum de política não partidário do país para enfrentar questões globais por meio de pesquisa independente e diálogo aberto, visando gerar ideias acionáveis para a comunidade política. A organização ajudou a lançar o Earth Challenge 2020, uma plataforma para aumentar a quantidade de dados de ciência cidadã abertos e interoperáveis, com um aplicativo móvel para envolver o público.

Programa Ambiente das Nações Unidas (UNEP)

A UNEP (link externo ao site ibm.com) é a autoridade ambiental global líder que define a agenda ambiental global, promove a implementação coerente da dimensão ambiental do desenvolvimento sustentável dentro do sistema das Nações Unidas. Formado(a) em 1972, serve como um defensor autorizado do ambiente global. Para obter mais informações, visite: https://www.unep.org (link externo ao site ibm.com).