读书笔记4，使用AI重构地球--让未来不再那么赛博朋克(上)

书名：重构地球
中国人民大学出版社

将来我们面临的挑战:根据模型预测，2050年地球上将会有100亿人口
那么由此引出的自然就是生态环境，自然资源，能源的问题
同时我们也要注意到人类有七个基本需求，其中最重要的就是食物，能源，水，也就是书中的FEW
其他的就是安全和保障，健康，环境，栖身之所对应数中的SHES，这七个要素合称FEW-SHES

那么由此就有对应的解决方案：
这些解决方案都离不开AI的协助
一般对资源的解决方案无非就是开源与节流问题，既然开源困难巨大，那么我们就先从节流开始入手

对于水资源：
大的方面：中国的数字黄河工程
简单来说就是对黄河进行数据可视化，以下内容摘自百度百科
随着时间的推移，数字黄河的内涵将不断丰富与发展，黄河水利现代化水平也将不断提高。 "数字黄河"工程建设,旨在提供黄河流域的信息服务和决策支持平台,以解决好当前黄河流域面临的洪水威胁、水资源供需矛盾和生态环境恶化三大问题,并最终实现黄河的长治久安和黄河流域经济、自然环境的可持续发展. 数字黄河工程主要由基础设施、应用服务平台和应用系统所构成. 通过防汛减灾、水量调度、水资源保护、水土保持、工程管理和电子政务六大应用系统的建设,全面带动"数字黄河"工程的实施.

描述
“数字黄河”是“数字地球”概念的延伸，在“数字水利”的数据资源条件下，以黄河流域为对象应用遥感 (RS)、数据收集系统 (DCS)、全球定位系统 (GPS)、地理信息系统 (GIS)、网络和多媒体技术、现代通信等高科技手段，对黄河流域的资源、环境、社会、经济等各个复杂系统的数字化、数字整和、虚拟仿真的信息集成应用系统，并提供黄河问题决策支持的可视化表现。

核心思想：用数字化手段统一处理黄河问题，同时又最大限度地利用信息资源。

具体地讲，“数字黄河”可提供：
灾情评估. 洪涝灾害淹没耕地及居民地面积、受灾人口和受淹房屋间数；旱情；大面积水体污染。
水资源水环境调查，定量监测，对污染带的位置作定性监测.
土地资源调查. 包括：监测水蚀、风蚀等多种类型的土壤侵蚀区的侵蚀面积、数量和强度发展的动态变化；盐碱地、沼泽地、风沙地、山地侵蚀地等劣质土退化地的面积调查与动态监测；土地利用现状调查、耕地面积和滩涂面积调查.
工程规划与管理. 大型水库淹没区实物量估算，库区移民安置环境容量调查，灌溉区实际灌溉面积和有效灌溉面积的调查，水库淤积测量.
防洪减灾及业务运行.包括： 实时监测特大洪水造成的灾情，将信息迅速传送到指挥决策机构；对易发洪灾区和重点防洪地区建立防洪信息系统；旱灾的实时监测； 制定对策研究.
水资源开发利用研究.
大型水利水电工程及跨流域调水工程对生态环境影响的监测与综合评价.包括：大型水利水电枢纽工程地质条件的遥感调查、技术经济评价及动态监测，流域综合规划；灌区规划；水库上游水土流失调查及对水库淤积的趋势预测，河口泥沙监测和综合治理；河道演变监测；河道、水库、湖泊等水体水质污染遥感动态监测；流域治理效益调查.
通俗地讲，“数字黄河”就是把黄河装进我们的计算机，从而可方便地模拟、分析、研究黄河的自然现象，探索其内在规律，为黄河治理、开发和管理的各种方案决策提供科学技术支持。

小的方面：
对个人的用水进行动态调整，利用
为什么我们平时对个人生活用水的利用那么困难，主要的原因就在于个人的生活用水排放到一起的时候成分很复杂，比如，早上刷牙，牙膏里的化学物质，洗完衣服的水，里面的洗衣粉的成分，这两拨水混到一起，自然就比对他们单独处理难太多，那么我们不妨换一种思路，让时间对我们的生活用水进行分类，比如早上5点到7点，这个时候大家用水一般都是刷牙水，那么对这个时段排放的生活污水进行单独的处理(过滤，除臭，杀菌)集中存放，用于冲马桶。

能源方面：

大的方面：
除了老调常谈的新能源，书中还提到了在电网方面引入AI(电力的调度，电网的维护)

以下内容源自百度百科
数字电网 的建设过程是传统电网的数字化、智能化、互联网化过程。对传统电网进行数字化转型，遵循网络安全标准和统一电网数据模型构建相对应的数字孪生电网，用先进的数字技术平台，以“计算能力+数据+模型+算法”形成强大的“算力”，依托物联网、互联网打通电网相关各方的感知、分析、决策、业务等各环节，使电网公司具备超强感知能力、明智决策能力和快速执行能力，让数字电网的边界从传统电网扩展至社会的方方面面，变革传统电网的管理、运营和服务模式，驱动相关产业的能量流、资金流、物流、业务流、人才流的广泛配置，用“电力+算力”推动能源革命和新能源体系建设，助力国家经济体系现代化，构建本体安全的数字电网新体系。

小的方面，个人也可以参与到发电，调配，维护环节，比如楼顶有太阳能板，靠太阳能发电，平时用电，多余的电可以卖给邻居。

食物方面：
大的：AI+精准农业
1，对每个植物进行画像，比如以色列公司phytech
Phytech可以看成是一款使决策工具，帮助浇灌效率达到最大化。它在植物的周边都安装上了传感器，手机App上可以显示出植物的应力水平，以便让你知道什么时候该浇多少水才能有最优产出。
2，对农业的精准把控
以下内容摘自美国高盛的报告
人工智能和机器学习能起到什么作用?

机器学习所具备的通过使用大数据集来优化单个或一系列关键目标的能力很适合用来解决农业生产中的作物产量、疾病预防和成本效益等问题。

在农作物产后分拣和农药应用领域，我们认为随着时间推移仅在美国境内机器学习和人工智能技术能通过降低成本和提高效率每年节约 30 亿美元的劳动力成本。按照我们的估计，全球范围内的这个数据极有可能超过美国所节约成本的两倍。最后，我们认为机器学习和人工智能技术能改善育种和牲畜健康状况，并且能在奶牛养殖领域创造出大约 110 亿美元的价值(即对失去的潜在收益的补偿和节约的绝对成本)，以及能通过两种常见疾病的控制在家畜养殖领域创造出20 亿美元的价值。

提高作物产量

人类已经利用了地球上几乎所有可用的农业用地，然而联合国预计到 2050 年全球人口将达到 97 亿。因此，为了满足未来全球对粮食的需求，我们非常有必要提高农作物产量。机器学习技术可以被用来分析来自无人机和卫星图像、气象模式、土壤样本和湿度传感器的数据，并帮助确定播种、施肥、灌溉、喷药和收割的最佳方法。机器学习技术在我们于2016 年7 月13 日发布的《精准农业》报告中所确定的每一项创新中几乎都发挥着重要作用。下图显示不同技术所带来的玉米产量的潜在提高量。

收获后分拣劳动。在一个简单的案例中，我们发现 Google 公司的 TensorFlow 机器学习技术被日本黄瓜菜农用来自动分拣黄瓜，而以前分拣黄瓜的程序一直需要大量手动或视觉检查工作和劳动力成本。在这个案例中，农夫只需使用包括 Raspberry Pi 处理器和普通网络摄像头在内的简单又便宜的硬件设备，就能用 TensorFlow 训练出一个能将黄瓜分成 9 个类别并且具有相对较高的准确度的算法，从而减少了与分拣相关的劳动力成本。我们认为相似的应用可以扩展成更大的规模，并且被用于具有较高分拣需求和成本的农产品，例如西红柿和土豆。

家禽种群中的疾病监测。在一项学术研究中，研究人员收集和分析鸡的声音文件并假设在生病或痛苦的情况下，它们发出的声音会改变。在收集数据并训练神经网络模式识别算法后，研究人员能够正确地识别出感染了两种最常见的致命疾病之一的鸡，其中发病 2 天的鸡的识别准确率为 66 %，而发病8 天的鸡的识别准确率为 100 %(如图32)。正确诊断牲畜所患疾病并尽早在损失发生之前进行治疗可以消除由疾病导致的损失。据行业专家估计，挽回的损失可达 20 亿美元。

下图：实验表明，机器学习可以通过音频数据分析来正确识别用其他方法不可检测的疾病，几乎能消除由于某些可治愈疾病所引起的损失。

.量化市场机会

基于农作物产量、作物投入成本节省、乳品/畜牧成本节约、分拣和劳动力节约的潜在增长，我们认为机器学习技术的应用能创造超过 1 万亿美元的价值。在农作物种植领域，我们认为机器学习和人工智能技术可以帮助实现农作物产量提高 70 %。在 Jerry Revich 所作的关于精确农业的表述中，假设各种技术供应商的价值增值幅度为 30 %，数字化农业的潜在市场总额可达 2400 亿美元。

考虑到数字农业中使用的所有已知技术将经过机器学习和人工智能技术的优化或完全由其提供，我们假设所创造的价值的 25% 由机器学习和人工智能技术链中的供应商累积，这意味着机器学习和人工智能技术在作物种植应用中的潜在市场总额为 600 亿美元。在蛋白质类农产品领域，我们认为机器学习技术的应用(例如精确育种机制，疾病预防和治疗)可以催生另外 200 亿美元的市场。

小的：
人的自循环,A在跑步→跑步散发热量→被衣服吸收→用于给自己的智能设备供电，关节热敷治疗，同时通过自己的自能源体系进行光合作用生成碳水化合物等有机物即肚子饿了直接去晒太阳，吹风.

小结，通过AI参与到我们平时生产生活的各个环节，是资源达到最优的利用，最大可能的节约从而在养活更多人口的同时，为后代们留下一个与我们现在相差无几甚至更好的生态环境