Abstracto

Machine Learning 2018: W-AI-STE y gestión de residuos arquitectónicos en edificios con el apoyo del aprendizaje automático y la inteligencia artificial - Kai Khalid Miethig-Tariq Faqeeh Engineering

Kai Khalid Miethig

W-AI-STE - La ejecución del razonamiento computarizado y la IA en los procesos de gestión, aislamiento y clasificación de residuos en los giros estructurales de los eventos. Es una forma diferente y única de unir las innovaciones actuales con los avances más recientes de la conciencia artificial y la IA para un problema anticuado al que se enfrenta la humanidad desde que existe: la gestión de residuos. Debido a la forma en que la población crece constantemente y, con ella, también la creación de residuos, ¿por qué no utilizar los avances y las características disponibles para apoyar esa tarea fundamental, que nadie quiere gestionar y es un problema que ahora se está convirtiendo en un problema general? Cualquier lugar del planeta donde haya personas disponibles e incluso en zonas donde nunca haya habido residuos se puede encontrar como parte restante de la presencia humana. Como todos conocemos los sistemas domésticos inteligentes, por ejemplo, las huellas dactilares para el control de entrada y acceso o el control del habla, incluidas otras funciones en el hogar, estas tecnologías de IA y ML también se pueden implementar para nuestras herencias diarias: WASTE-W-AI-STE. Cada persona tiene un patrón específico de lo que hace o de sus hábitos, y estos patrones y hábitos son muy perceptibles en sus desechos. La mayoría de los desechos se originan en el prensado y el prensado de alimentos, por lo que las personas tienen sus alimentos, ingredientes y otras preferencias preferidas repetitivas que se pueden registrar, rastrear y desglosar con la ayuda del razonamiento artificial y la IA. Por lo tanto, en una era inicial de mejoras para fines personales y comerciales, el patrón se puede utilizar para desarrollar la idea de sistemas de gestión de residuos. El cambio climático desafía el funcionamiento social, y probablemente requiera una adaptación considerable para hacer frente a futuros patrones climáticos alterados. Los algoritmos de aprendizaje automático (ML) han avanzado drásticamente, lo que ha provocado avances en otros sectores de investigación y, recientemente, se ha sugerido que ayudan al análisis del clima. Aunque se han analizado un número considerable de características aisladas del Sistema Terrestre con técnicas de ML, no se ha producido una aplicación más genérica para comprender mejor el sistema climático completo. Por ejemplo, el ML puede ayudar a la identificación de conexiones a distancia, donde las retroalimentaciones complejas dificultan la caracterización a partir del análisis de ecuaciones directas o la visualización de mediciones y diagnósticos del modelo del Sistema Terrestre (ESM). La inteligencia artificial (IA) puede aprovechar las conexiones climáticas descubiertas para proporcionar advertencias mejoradas sobre las características climáticas que se aproximan, incluidos los eventos extremos. Si bien el desarrollo de ESM es de suma importancia, sugerimos un énfasis paralelo en el uso de ML e IA para comprender y capitalizar mucho más los datos y simulaciones existentes. El aprendizaje automático (ML) y la inteligencia artificial (IA) influyen cada vez más en las vidas, gracias a aumentos significativos en la disponibilidad, velocidad, conectividad y almacenamiento de datos barato de los procesadores. La IA está impulsando la prestación de servicios médicos y de salud,entrega de transporte, interacción con Internet, sistemas de suministro de alimentos y apoyo a la seguridad en estructuras geopolíticas cambiantes. La sociedad se está acercando a la era de los autos autónomos, ayudando a los médicos a evitar diagnósticos erróneos, reconocimiento de voz preciso y recibir sugerencias de compra personalizadas. La mayoría de las aplicaciones son beneficiosas, aunque existen problemas éticos, por ejemplo, Bostrom (2014), New Scientist (2017). Al mismo tiempo, los estilos de vida en evolución deben interactuar de manera segura con el cambio climático. Existe una creciente comprensión de que los impactos del cambio climático no son una amenaza aislada, sino que necesitan respuestas más holísticas junto con abordar otros problemas sociales. El cambio climático es un problema científico complejo y multifacético, susceptible de análisis de ML e IA, pero en general, esto aún no ha sucedido. Muchos algoritmos de ML han estado disponibles durante décadas, y posiblemente el más notable sean las redes neuronales. Sin embargo, hasta hace poco, las limitaciones de la arquitectura computacional y la potencia han restringido su aplicación, y especialmente para problemas tan intensivos en datos como el cambio climático.

Biografía:

Kai Khalid Miethig completó sus estudios de arquitectura en 2004 en la Universidad de Siegen, anteriormente conocida como Universidad de Ciencias Aplicadas de Siegen, y adquirió más experiencia en gestión de residuos en Lobbe Environmental Consultancy. Tiene más de una década de experiencia en gestión de proyectos y docencia. Es el director general de Tariq Faqeeh Engineering en Bahréin, dedicada a mejorar el estilo de vida y la calidad de vida, ofreciendo diversos servicios únicos para desarrolladores, entidades gubernamentales y particulares. Inició la campaña de concienciación medioambiental "A Wave of Change" en cooperación con el Consejo Supremo de Medio Ambiente de Bahréin, la Embajada de Alemania en Bahréin y CleanUp Bahréin en 2017 y ofrece conferencias sobre concienciación medioambiental, así como sobre el contexto y la conexión de la arquitectura y la automatización de la gestión de residuos.