Sie sind hier: Startseite Aktuelles Nachrichten Künstliche Intelligenz: Anwendung von 'Deep Reinforcement Learning' für nachhaltige Entwicklung

Künstliche Intelligenz: Anwendung von 'Deep Reinforcement Learning' für nachhaltige Entwicklung

Zum ersten Mal wurde eine spezielle Art des maschinellen Lernens genutzt, um neue Wege für eine nachhaltige Entwicklung zu finden. Bisher wurde das so genannte 'Deep Reinforcement Learning' vor allem dafür verwendet, um Computer in bestimmten Spielen, wie z.B. AlphaGo, gegenüber menschlichen Spielern überlegen zu machen oder Roboter durch unwegsames Gelände zu navigieren. Jetzt haben Wissenschaftler des Potsdam-Instituts für Klimafolgenforschung ein mathematisches Gerüst entwickelt, das neu entwickelte Techniken des maschinellen Lernens mit klassischeren Analysen von Verläufen in Computersimulationen des globalen Klimasystems und der Weltwirtschaft kombiniert. Die Ergebnisse, die in der interdisziplinären Zeitschrift zu nichtlinearen Wissenschaft 'Chaos' veröffentlicht wurden, sind vielversprechend.
Künstliche Intelligenz: Anwendung von 'Deep Reinforcement Learning' für nachhaltige Entwicklung

Dynamik eines stilisierten Welt-Erde-Systems. Ausschnitt aus Abbildung 3 von Strnad et al, 2019

Die Wissenschaftler betonen, dass das Modell unserer Erde, mit dem sie ihren Weg des 'Deep Reinforcement Learning' getestet haben, bewusst vereinfacht ist. Daher können die, von der künstlichen Intelligenz im Modell identifizierten Wege für eine nachhaltige Entwicklung, die beispielsweise einen spezifischen Mix aus CO2-Besteuerung und Subventionen für erneuerbare Energien beinhalten, nicht direkt auf die reale Welt übertragen werden. Die Ergebnisse zeigen jedoch, dass die Anwendung des maschinellen Lernens durch die Wissenschaftler tatsächlich innovative Wege findet, verglichen mit dem, was die klassischen Analysen ergeben haben. Die Studie ist daher von erheblichem methodischem Wert. Die Autoren fordern andere Wissenschaftler auf, ihr Werkzeug auf weitere Modelle anzuwenden, um mehr über das Potenzial des maschinellen Lernens für eine nachhaltige Entwicklung zu erfahren.

Artikel: Felix M. Strnad, Wolfram Barfuss, Jonathan Donges, Jobst Heitzig (2019): Deep reinforcement learning in World-Earth system models to discover sustainable management strategies. Chaos (Vol.29, Issue 12) ]DOI: 10.1063/1.5124673]

Weblink zum Artikel: https://doi.org/10.1063/1.5124673

Artikelaktionen

Contact PR

Für weitere Informationen wenden Sie sich bitte an die PIK-Pressestelle:
Tel.: +49 (0) 331 288 2507
E-Mail: presse(at)pik-potsdam.de

RSS

Möchten Sie unsere Nachrichten per RSS Feed abonnieren?
RSS Feed rss feed


Mit Aktivierung dieses Social Media Plug-ins willigen Sie in die Weiterleitung Ihrer IP-Adresse am Facebook bzw. Twitter ein. Mehr Informationen hierzu finden Sie in unserer Datenschutzerklärung (Abs. 5.2 Social Media).