Open-Source-KI für Umweltgerechtigkeit: Vorstellung der Kohorte des Mozilla Technology Fund 2024

Diese Preisträger von Mozilla entwickeln Open-Source-KI-Tools, die dem Planeten helfen und nicht schaden

(MONTAG, 5. FEBRUAR 2024) – Die neueste Gruppe des Mozilla Technology Fund wird Open-Source-KI-Tools verwenden, um Methanemissionen zu verfolgen, schädliche Bergbauoperationen aufzudecken, die Luftqualität zu überwachen und mehr.

Mozilla gibt heute seine Preisträger für 2024 bekannt. Die Gewinnerprojekte erstrecken sich über sechs Länder: Indien, Frankreich, Kenia, Paraguay, Uganda und die USA. Mozilla vergibt Preise von bis zu 50.000 US-Dollar und ein Jahr Mentoring und Unterstützung an diese Preisträger.

Alle Projekte des Jahrgangs 2024 arbeiten an der Schnittstelle von Open Source, Umweltgerechtigkeit und KI und haben einen positiven Einfluss auf Ökosysteme und menschliche Gemeinschaften. Sie ergänzen Mozillas breitere Arbeit zur Umweltgerechtigkeit, wie unsere Klimaverpflichtungen und die Teilnahme an der Green Screen Coalition.

2022 ins Leben gerufene Mozilla Technology Fund unterstützt Open-Source-Technologen, die sich mit den kniffligsten Fragen des Internets befassen; frühere Gruppen haben die Transparenz erhöht und Voreingenommenheit gemildert im KI-Ökosystem. Der Fonds stärkt die Gemeinschaft und Nachhaltigkeit dieser Open-Source-Projekte und ist in Einklang mit Mozillas institutionellen Förderprinzipien für vertrauenswürdige KI.

Mehan Jayasuriya, leitender Programmbeauftragter bei Mozilla, sagt: „Wie wir uns entscheiden, KI-Systeme zu bauen und einzusetzen, hat einen überproportionalen Einfluss auf die Umwelt um uns herum. Diese Systeme können zur Umweltzerstörung beitragen – oder helfen, sie zu verhindern. Sie können das Land schädigen, das indigene Völker ihr Zuhause nennen – oder diesen Gemeinschaften helfen, sich gegen Ressourcenextraktion und schädliche Landmanagementpraktiken zu wehren. Und KI-Systeme können den Klimawandel beschleunigen – oder helfen, ihn zu bekämpfen. Diese Preisträger gehen voran und zeigen, wie Open-Source-KI genutzt werden kann, um der Umwelt zu helfen und nicht zu schaden.”

Die Preisträger

MethaneMapper, von EyeClimate in den USA

MethaneMapper löst das Problem der unterberichteten Methanemissionen. Wenn die meisten Öl- und Gasunternehmen, Kohlekraftwerke und Fabrikfarmen Lecks in Rohren ignorieren und ihre Felder selbst überwachen, um das geringstmögliche CO2 und Methan zu messen, bedeutet die Emissionsbuchhaltung und -regulierung sehr wenig. MethaneMapper ist ein Open-Source-, KI-gestütztes hyperspektrales Bildgebungstool zur Erkennung von Methanemissionen und deren Rückverfolgung zu ihren Quellen. Das Tool funktioniert, weil die Daten nicht von Handgeräten oder sogar einzelnen installierten Geräten stammen, die leicht getäuscht werden können. Die Eingabedaten sind Luftaufnahmen – luftgestützte hyperspektrale Bilder des Zielgebiets. MethaneMapper ist daher weitaus genauer und arbeitet über eine weitaus größere geografische Region als traditionelle Überwachungssysteme.

___

Amazon Mining Watch, vom Rainforest Investigations Network, dem Earth Genome und Amazon Conservation in den USA

Amazon Mining Watch (AMW) ist eine Open-Source-Zusammenarbeit zwischen dem Rainforest Investigations Network (RIN) des Pulitzer Center, Earth Genome und Amazon Conservation, die an der Schnittstelle von bahnbrechender Technologie, Transparenz und Umweltgerechtigkeit steht. AMW verwendet KI, um Satellitenbilder zu durchsuchen und Goldminen zu identifizieren, die indigene Gemeinschaften bedrohen, Entwaldung verursachen und den wichtigsten Regenwald unseres Planeten gefährden. Diese Erkennungen werden der Öffentlichkeit durch eine benutzerfreundliche öffentliche Website und ein GitHub-Repo zugänglich gemacht. AMW ist ein Leuchtfeuer, das die verdeckten und schädlichen Bergbauoperationen aufdeckt, die den Amazonas und seine indigenen Völker bedrohen.

___

CodeCarbon, in Frankreich

CodeCarbon begann 2020 mit einer einfachen Frage: Wie kann ich den CO2-Fußabdruck meines Computerprogramms messen? Das Team fand einige globale Daten, wie „Computing macht derzeit etwa 0,5 % des weltweiten Energieverbrauchs aus“, aber nichts über die Auswirkungen auf individueller/organisatorischer Ebene und woher sie stammen. Bei CodeCarbon glaubt das Team, wie Niels Bohr sagte, dass „nichts existiert, bis es gemessen wird.” Also fanden sie einen Weg, um zu schätzen, wie viel CO2 sie produzieren, während sie unseren Code ausführen. Sie taten dies, indem sie ein Python-Paket erstellten, das den Stromverbrauch der Hardware (GPU + CPU + RAM) schätzt und ihn auf die CO2-Intensität der Region anwendet, in der das Computing durchgeführt wird, um automatisch den Energieverbrauch und die CO2-Emissionen eines beliebigen Codes zu berechnen.

___

Sand Mining Watch, von der University of California, Berkeley in den USA und Indien

Sand Mining Watch ist ein webbasiertes Sandbergbau- und Sandressourcenüberwachungssystem, das sich zunächst auf die Flusssysteme Indiens konzentriert. Das Ziel des Projekts ist es, Open-Source-, KI-basierte Sandbergbau-Erkennungstools zu entwickeln, die es ermöglichen, hochauflösende, Echtzeit-Karten von Sandbergbauaktivitäten in Flussbecken auf der ganzen Welt zu erstellen. Diese Tools und Daten können politische Maßnahmen anstoßen, die Überwachung und Regulierung illegaler Bergbauaktivitäten verbessern und uns helfen, die sozioökonomischen und Umweltauswirkungen des Sandbergbaus zu charakterisieren und besser zu verstehen.

___

Zeus: Deep Learning Energy Measurement and Optimization, von Jae-Won Chung in den USA

Zeus ist der aktuelle Stand der Technik in der Energiemessung und -optimierung des Deep Learning. Es hat Monitor-Komponenten, die es den Benutzern ermöglichen, den Energieverbrauch der GPU zu messen, und Optimierer-Komponenten, die automatisch DNN- oder GPU-Knöpfe auf der Grundlage von Messungen aus der Monitor-Komponente optimieren. Das Ziel des Teams ist es, den Energieverbrauch moderner maschineller Lernsysteme zu messen, zu verstehen, zu optimieren und aufzudecken. Sie betrachten den Energieverbrauch als eine aufkommende, erstklassige Metrik in Computersystemen – und eine, die bisher weitgehend übersehen wurde.

___

Public Utility Data Liberation, von der Catalyst Cooperative in den USA

Das Public Utility Data Liberation (PUDL) Projekt ist eine Open-Source-Datenpipeline, die kostenlose, aktuelle, versionskontrollierte und analysebereite Energie-Datenprodukte auf der Grundlage von drei Jahrzehnten an Daten liefert, die an Bundesbehörden gemeldet wurden. Seine langfristige Vision ist ein Open-Source-PUDL-Ökosystem, das: 1) einen gerechten Zugang zu hochwertigen Energiedaten bietet; 2) als Gemeinschaftsrepository für gut dokumentierte, reproduzierbare Datenreinigungs- und Analysepipelines dient, die für die Energiesystemforschung und -vertretung unerlässlich sind; 3) für Benutzer zugänglich ist, die mit einer Vielzahl von verschiedenen Tools arbeiten (z.B. Excel); und 4) eine inklusive und einladende Umgebung für Benutzer und Mitwirkende ist.

___

KI-gestützte Luftqualitätsvorhersage für Asunción, von Fernanda Carlés in Paraguay

Seit 2022 arbeitet Fernanda Carlés zusammen mit der Nationalen Universität von Asunción an der Entwicklung von maschinellen Lernmodellen zur Vorhersage von AQI-Werten für UNAs zehn Überwachungsstationen. Diese Bemühungen haben zu leistungsstarken maschinellen Lernmodellen geführt, die Luftqualitätsvorhersagen für Sechs- und Zwölf-Stunden-Horizonte mit beeindruckenden Genauigkeitsraten von 91 % bzw. 86 % bieten. Das Ziel dieses Projekts ist es, die Vorhersagekraft dieser maschinellen Lernmodelle der Öffentlichkeit zugänglich zu machen. Um dies zu erreichen, schlägt das Projekt die Entwicklung einer benutzerfreundlichen Webanwendung vor, die Echtzeit-Luftqualitätsprognosen mit interaktiven Visualisierungen und Warnungen bietet. Diese Anwendung wird Echtzeitdaten von bestehenden Überwachungsstationen im Großraum Asunción nutzen, kombiniert mit validierten maschinellen Lernmodellen.

___

KI für Umweltgerechtigkeit und Umweltauswirkungsbeurteilung für die Fürsprache bei Atomenergie und Politik, vom Center for Justice Governance & Environmental (ACTI) in Kenia

Dieses Team hat zuvor KI-basierte Softwareprodukte für separate Projekte im Pazifik (CCZ) und im tropischen Nordatlantik entwickelt Klassifizierung von Meeresbodenhabitaten und Erkennung und Klassifizierung von Arten. Für dieses Projekt werden sie die beiden Arbeitsabläufe in eine Open-Source-Codebasis umstrukturieren, die für ein Arbeitsgebiet im Indischen Ozean angepasst ist, wo die Entwicklung eines neuen Kernreaktors vorgeschlagen wurde. Das Projekt zielt darauf ab, KI und die Naturschutzgemeinschaft zu nutzen, um eine umfassende ökologische Kartierung zu erstellen, die der Uyombo-Gemeinschaft hilft, ihre saubere und gesunde Umwelt, ihre sozioökonomischen Rechte und ihre kulturellen Rechte zu schützen.

___

AIG SMS für Umweltgerechtigkeit in der Mau-Indigenen-Gemeinschaft, von L. Lusike Mukhongo in den USA und Kenia

Das Projekt AI-Generated (AIG) Short Message Texts (SMS) für Umweltgerechtigkeit in der Mau-Indigenen-Gemeinschaft ist ein bahnbrechender Versuch, drängende Umweltprobleme zu lösen, mit denen die Mau-Indigenen-Gemeinschaft in Kenia konfrontiert ist. Der Mau-Wald, eines der größten Wassereinzugsgebiete Ostafrikas, ist durch Entwaldung und illegale landwirtschaftliche Siedlungen bedroht, verschärft durch den Klimawandel, was sich direkt auf das Leben und Wohlergehen der indigenen Ogiek-Gemeinschaft und der größeren Mau-Gemeinschaft auswirkt. Das Ziel des Projekts ist es, die Prinzipien der Umweltgerechtigkeit voranzutreiben, indem es KI-generierte Kurznachrichten unter der indigenen Gemeinschaft im Mau-Wald einführt, die sich auf ihr traditionelles Wissen über den Erhalt von Wäldern und die Erhaltung wichtiger Wasserspeicher stützt. Das KI-System wird auch textbasierte Aufforderungen haben, die es den Benutzern ermöglichen, es abzufragen und Ergebnisse zu einem Thema von Interesse zu erhalten.

___

Schätzung und Validierung von PM2,5-Werten mit Satelliten- und Bodenbeobachtungen in ausgewählten afrikanischen Städten für Umweltgerechtigkeit, von AirQo in Uganda

Dieses Projekt wird Partikelmaterial (PM2,5) Ebenen aus Satellitenbeobachtungen auf der Grundlage von Aerosol Optical Depth (AOD) für sieben Städte in sieben afrikanischen Ländern schätzen: Lagos, Accra, Nairobi, Yaounde, Bujumbura, Kisumu und Gulu. Es wird unterschiedliche Bodenüberwachungsauflösungen mit maschinellen Lernalgorithmen einsetzen und verfügbare bodengestützte Beobachtungen in den ausgewählten Städten zur Validierung der Satellitenschätzungen verwenden. Die Ergebnisse der entwickelten KI-Modelle werden über benutzerfreundliche digitale Plattformen und eine mobile App bereitgestellt, die Gemeinschaften dazu befähigt und demokratisiert, auf wichtige Luftqualitätsinformationen zuzugreifen. Dies wird evidenzbasierte, informierte und inklusive Entscheidungsfindung und strategische Interventionen zur Bewältigung lokaler Umweltverschmutzungsprobleme fördern und dabei Umweltgerechtigkeit erreichen.