Mengambil tindakan untuk melestarikan lautan kita
Mengatasi tantangan data untuk melacak dan mengurangi sampah laut

Sampah plastik merusak ekosistem laut dengan sangat cepat - dari merusak pantai, membunuh bayi penyu, hingga menghancurkan terumbu karang di dasar laut.

Dengan setengah dari plastik dunia diproduksi dalam 13 tahun terakhir dan 8,8 juta ton yang terbuang ke lautan setiap tahunnya, hanya sedikit tempat di dunia yang terbebas dari sampah plastik. Sampah plastik mengotori teluk-teluk kecil yang terpencil dan sedingin es di Antartika, teluk-teluk indah di Réunion dan Mauritius, bahkan hingga ke Palung Mariana yang memiliki kedalaman 10.000 meter.

Masalah yang begitu meluas dan merusak ini harus segera mendapatkan perhatian dari masyarakat global.

Program Lingkungan Perserikatan Bangsa-Bangsa (UNEP) mengumpulkan para ahli kelautan, pemerhati lingkungan, organisasi kelautan, akademisi, dan ilmuwan warga dari berbagai negara di seluruh dunia untuk menghadapi masalah kelestarian lingkungan. Pada tahun 2015, UNEP menetapkan 17 Tujuan Pembangunan Berkelanjutan (SDGs) untuk planet ini, dengan tujuan ke-14 yang menyerukan konservasi dan pemanfaatan laut secara berkelanjutan. Program Pembangunan Perserikatan Bangsa-Bangsa (UNDP) menetapkan tujuan untuk mengurangi polusi laut secara signifikan pada tahun 2025.

Meskipun tidak ada yang akan membantah pentingnya membersihkan pantai dari plastik sekali pakai dan bentuk sampah lainnya, ada satu masalah besar: Anda tidak dapat memperbaiki apa yang tidak dapat Anda ukur. Tidak ada proses yang tersedia untuk memberikan data tentang jumlah plastik yang mencemari pantai saat ini - dan tidak ada yang benar-benar tahu apakah upaya pembersihan pantai yang dilakukan secara terpisah-pisah mampu membuat perubahan.

Berton-ton Plastik


8,8 juta ton plastik terbuang ke lautan setiap tahunnya 

Prediktabilitas yang Ditingkatkan



Model ini dapat memprediksi volume sampah 5 tahun ke depan

 

AI dapat menjadi mitra canggih untuk sains warga yang dapat membantu komunitas lokal hingga global. Kami baru saja mengambil langkah pertama untuk mewujudkan potensi ini. Dr. Anne Bowser Director of Innovation The Wilson Center
Melestarikan kehidupan di bawah air

Tantangan 1: Menyatukan data sampah laut dunia


Memperkirakan volume sampah laut yang tersebar di kelima samudra lebih sulit daripada yang terlihat. Tidak ada metode pengumpulan data sampah laut yang standar untuk memandu negara dan organisasi. Wilson Center, salah satu organisasi kebijakan nonpartisan terkemuka di Amerika Serikat, bersama dengan tim Ilmu Data dan AI Elite (DSE) IBM, perlu menyelaraskan banyak sekali skema dan metadata agar data yang dilaporkan dari seluruh penjuru dunia dapat digunakan.

Untuk mendorong kolaborasi yang lebih efektif antara semua pemangku kepentingan, UNEP menetapkan tujuan utama untuk membangun platform global untuk sampah laut. Dengan IBM Knowledge Catalog di IBM Cloud Pak® for Data, mereka dapat dengan cepat dan otomatis membersihkan, membandingkan, mengklasifikasikan, menyesuaikan, dan menyediakan data yang tepat untuk para ilmuwan data. Solusi ini juga memungkinkan para ilmuwan warga untuk melacak asal-usul data, berkolaborasi dengan ilmuwan lain, meminta kumpulan data, dan berbagi wawasan tentang kumpulan data menggunakan mekanisme penilaian dan penandaan.

Tantangan 2: Menaklukkan kumpulan data bersyarat untuk melestarikan kesehatan pantai

Tantangan kedua adalah menghitung volume sampah di pantai. Survei yang diacak secara statistik membantu menciptakan perkiraan ilmiah yang akurat, tetapi pengumpulan data tentang sampah pada dasarnya bersifat acak. Karena sangat bergantung pada kru pembersihan sukarelawan, data tentang upaya pembersihan dapat dibentuk oleh bias temporal dan spasial. Sebagai contoh, seorang sukarelawan mengumpulkan sampah di pantai setiap hari. Namun, apa yang mereka kumpulkan setiap hari akan berbeda dengan apa yang mungkin ditemukan oleh seseorang yang mengumpulkan data mingguan atau bulanan, sehingga sampel yang dihasilkan sangat bergantung pada banyak variabel, sehingga sulit untuk dibandingkan dan dianalisis.

Dan upaya pembersihan tidak konsisten di seluruh lokasi, dengan beberapa tempat dibersihkan terlalu sering dan tempat lain jarang atau tidak pernah disentuh, yang mengindikasikan bahwa sampel tidak independen atau terdistribusi secara identik (IID). Kumpulan data bersyarat seperti itu tidak memungkinkan penyelesaian masalah menggunakan metode machine learning pada umumnya.

Untuk mengatasi tantangan ini, tim DSE menggunakan metode Bayesian Inference dengan teknik pengambilan sampel Makov Chain Monte Carlo (MCMC). Pendekatan Bayesian memungkinkan mereka untuk memperhitungkan ketidakpastian dalam masalah ini; MCMC memungkinkan mereka untuk membuat rantai kejadian yang saling bergantung untuk memperkirakan parameter sampah laut. Bukti konsep ini menunjukkan bahwa metodologi hybrid yang unik ini dapat disesuaikan dan dimodifikasi untuk meningkatkan kekuatan model.

Tim DSE membuat pipeline machine learning di IBM Cloud Pak for Data untuk menetapkan siklus hidup AI end-to-end yang efisien. Begitu mereka menetapkan garis dasar untuk mengukur sampah laut, tim dapat memprediksi jumlah sukarelawan yang dibutuhkan untuk upaya pembersihan di pantai tertentu. Mengingat tren dan kebijakan saat ini, model ini akan membantu memproyeksikan jumlah sampah yang diharapkan lima tahun ke depan.

Tantangan 3: Melihat ke depan untuk memperkuat pencegahan dan dukungan

Cara terbaik untuk mengatasi masalah sampah laut adalah dengan mencegahnya. Ke depannya, bagaimana masyarakat pesisir dapat mencegah kerusakan permanen pada garis pantai yang masih asli? Tim DSE membuat prakiraan seri waktu untuk membantu melacak plastik laut dan mengembangkan kebijakan yang lebih akurat dan efektif untuk memberantasnya. Untuk membuat kumpulan data dapat dengan mudah digunakan, tim membuat dasbor eksekutif yang memungkinkan berbagai pemangku kepentingan:

  • Memantau perkembangan kepadatan sampah laut dari tahun ke tahun
  • Memilah dan membagi data berdasarkan lokasi nasional untuk mengevaluasi tren sampah dari waktu ke waktu
  • Mempersempit fokus ke pantai tertentu untuk pengumpulan data yang lebih terperinci
  • Menyempurnakan metodologi untuk merekomendasikan aplikasi seluler terbaik kepada kelompok relawan

Dengan siklus hidup AI menyeluruh, para ilmuwan dan pembuat kebijakan dapat mengekstrak lebih banyak nilai dari kumpulan data Wilson Center, baik untuk membuat koreografi pembersihan atau memprediksi garis waktu untuk mencapai nol polusi. Dasbor digital khusus IBM membuat pekerjaan mudah diakses dan dibagikan bahkan bagi mereka yang tidak memiliki keahlian teknis.

Alat-alat ini memberdayakan pemangku kepentingan UNEP seperti Kosta Rika untuk melacak kemajuannya menuju tujuan negara membersihkan diri dari plastik sepenuhnya.

 

Tantangan 4: Membuat lebih banyak orang peduli terhadap sampah laut

Pimpinan UNEP ingin mendalami lebih dalam lagi mengenai data tersebut, untuk menciptakan ikatan antara publik dan isu sampah laut. Untuk mencapai hubungan ini, organisasi ini membayangkan sebuah avatar digital sebagai sumber informasi. Maka lahirlah manusia digital bernama Sam.

"Sam dapat terhubung secara emosional dengan pengguna karena dia benar-benar responsif," jelas Richard Darden, Distinguished Engineer and Digital Human Advocate IBM.

Respons emosional Sam berasal dari IBM Watson® Assistant yang menggunakan teknologi IBM Watson Speech to Text. Program-program ini dapat menginterpretasikan maksud pengguna dan kemudian menguraikan jawaban Sam dengan menyelami repositori UNEP yang sangat luas dan sumber-sumber lainnya.

Informasi tersebut kemudian disaring melalui avatar yang dibuat oleh Soul Machines, sebuah perusahaan berbasis di San Francisco yang membuat apa yang mereka sebut sebagai "manusia digital".

Sam dapat terhubung secara emosional dengan pengguna karena dia benar-benar responsif. Richard Darden Distinguished Engineer and Digital Human Advocate IBM
Pembuktian konsep hingga produksi

Dengan memanfaatkan kekuatan teknologi untuk memerangi polusi plastik, IBM menunjukkan kepada Majelis Lingkungan Perserikatan Bangsa-Bangsa (PBB) komitmennya terhadap pelestarian lingkungan - dengan menekankan bahwa AI dapat menjadi alat penting untuk mengukur kemajuan di masa depan dan dapat memengaruhi kebijakan langsung dalam intervensi plastik di laut untuk membangun ekosistem laut yang berkelanjutan. UNEP kini mengalihkan fokusnya untuk membuat pengumpulan data menjadi lebih mudah dan memberikan dampak yang lebih besar.

Wilson Center sedang mengeksplorasi cara untuk menggunakan sains warga dalam pelaporan UNEP di luar pembersihan pantai, termasuk dengan aplikasi seluler yang lebih canggih yang menampilkan deteksi dan klasifikasi objek, kata Dr. Anne Bowser, Director of Innovation Wilson Center dan pemimpin proyek ini.

Berdasarkan kesuksesan awal dalam kolaborasinya dengan IBM, Bowser berpikir bahwa akan ada lebih banyak tujuan UNEP(tautan berada di luar ibm.com) yang dapat diuntungkan dengan memberdayakan para ilmuwan warga. "AI adalah mitra canggih untuk sains warga yang dapat membantu komunitas lokal hingga global," kata Bowser. "Kami baru saja mengambil langkah pertama untuk mewujudkan potensi ini."

Logo Wilson Center dan UNEP
Tentang Wilson Center

Wilson Center (tautan berada di luar ibm.com) yang disewa oleh Kongres AS pada tahun 1968 sebagai peringatan resmi untuk Presiden Woodrow Wilson, adalah forum kebijakan nonpartisan utama negara untuk menangani masalah-masalah global melalui penelitian independen dan dialog terbuka untuk menginformasikan ide-ide yang dapat ditindaklanjuti bagi komunitas kebijakan. Organisasi ini membantu meluncurkan Earth Challenge 2020, sebuah platform untuk meningkatkan jumlah data sains warga yang terbuka dan memiliki kemampuan interoperabilitas, dengan aplikasi seluler untuk melibatkan publik.

Program Lingkungan Perserikatan Bangsa-Bangsa (UNEP)

UNEP (tautan berada di luar ibm.com) adalah otoritas lingkungan global terkemuka yang menetapkan agenda lingkungan global, mempromosikan implementasi yang koheren dari dimensi lingkungan pembangunan berkelanjutan dalam sistem Perserikatan Bangsa-Bangsa. Dibentuk pada tahun 1972, UNEP berfungsi sebagai advokat otoritatif untuk lingkungan global. Untuk informasi lebih lanjut, kunjungi: https://www.unep.org (tautan berada di luar ibm.com).

Ambil langkah selanjutnya
Menyatukan alat, proses, dan orang-orang yang dibutuhkan untuk data perusahaan dan AI Memulai Mulailah proyek ilmu data Anda berikutnya Bekerjasamalah dengan kami Buka data lebih cepat menggunakan struktur data dengan IBM Cloud Pak for Data Ketahui lebih lanjut
Hukum

© Hak Cipta IBM Corporation 2021. IBM Corporation, Global Business Services, New Orchard Road, Armonk, NY 10504

Diproduksi di Amerika Serikat, Juli 2021.

Global Business Services, IBM Cloud Pak, dan IBM Watson merupakan merek dagang dari International Business Machines Corp, yang terdaftar di banyak yurisdiksi di seluruh dunia. Nama produk dan layanan lain mungkin merupakan merek dagang milik IBM atau perusahaan lain. Daftar merek dagang IBM saat ini tersedia di web di ibm.com/Trademark.

Dokumen ini adalah yang terbaru pada tanggal awal publikasi dan dapat diubah oleh IBM kapan saja. Mitra Bisnis IBM menetapkan harga mereka sendiri, yang dapat bervariasi. Tidak semua penawaran tersedia di setiap negara tempat IBM beroperasi.

Data kinerja dan contoh klien yang dikutip disajikan hanya untuk tujuan ilustrasi. Hasil kinerja aktual dapat bervariasi, tergantung pada konfigurasi dan kondisi pengoperasian tertentu. INFORMASI DALAM DOKUMEN INI DISEDIAKAN "SEBAGAIMANA ADANYA" TANPA JAMINAN APA PUN, BAIK TERSURAT MAUPUN TERSIRAT, TERMASUK TANPA JAMINAN UNTUK DAPAT DIPERJUALBELIKAN, KESESUAIAN UNTUK TUJUAN TERTENTU, DAN JAMINAN ATAU KETENTUAN APA PUN YANG TIDAK MELANGGAR. Produk IBM dijamin sesuai dengan syarat dan ketentuan perjanjian yang mengatur penyediaan produk tersebut.