Machine Learning และ AI ไม่เป็นพิษกับธรรมชาติ

หลายคนคงคิดสงสัย ว่า Machine Learning และ AI จะทำลายสิ่งแวดล้อมหรือไหม งั้นลองไปดูบทสรุปของเรื่องนี้กัน ยกตัวอย่าง Case Study ที่ใช้เรื่องของเทคโนโลยีเข้ามาช่วยให้ลดเรื่องของการทำลายสิ่งแวดล้อมลงได้

และเราเชื่อว่าในอนาคต หากมีการพัฒนาเทคโนโลยีและนำไปใช้ในทางที่ถูกต้อง ย่อมดีต้องโลกของเราอย่างแน่นอน

การผสานระหว่างเทคโนโลยีอย่าง MachineLearning และ AI ได้ช่วยเร่งกระบวนการออกแบบวัสดุการผลิต รวมไปถึงพลาสติก ที่ต้องมีคุณสมบัติที่ย่อยสลายได้อย่างรวดเร็ว ไม่ทำร้ายสิ่งแวดล้อม น้ำหนักเบา แต่แข็งแรง สามารถใช้เป็นส่วนหนึ่งของเครื่องบินและดาวเทียมได้

มลพิษจากพลาสติก เป็นหนึ่งในปัญหาสิ่งแวดล้อมที่ควรแก้ไขอย่างเร่งด่วนสูงสุด

การผลิตพลาสติกแบบใช้แล้วทิ้งถือเป็นจุดอ่อนและปัญหาในโลกใบนี้ เพราะพลาสติก เป็นวัสดุที่จำเป็นต้องใช้เวลาหลายปีก่อนจะย่อยสลาย ซึ่งเป็นพิษต่อสิ่งแวดล้อม ปัญหาดังกล่าวได้กระตุ้นให้นานาประเทศสร้างสนธิสัญญาระดับโลก เพื่อช่วยลดมลพิษจากพลาสติกลง

การผสานระหว่างเทคโนโลยีอย่าง Machine Learning และ AI ได้ช่วยเร่งกระบวนการออกแบบวัสดุการผลิต

รวมไปถึงพลาสติก ที่ต้องมีคุณสมบัติที่ย่อยสลายได้อย่างรวดเร็ว ไม่ทำร้ายสิ่งแวดล้อม น้ำหนักเบา แต่แข็งแรง สามารถใช้เป็นส่วนหนึ่งของเครื่องบินและดาวเทียมได้

หากพูดถึงพลาสติก ก็ต้องพูดถึงพอลิเมอร์ เมื่อ นักวิจัยจาก Pritzker School of Molecular Engineering (PME) ของ University of Chicago ได้นำเสนอรายงาน Science Advances ที่โชว์ผลงานการออกแบบโพลีเมอร์ของตนเองที่ใช้การสร้างขึ้นจากการทำโมเดลผสมรวมกับเทคโนโลยี MachineLearning สิ่งนี้ทำได้โดยการคำนวณโครงสร้างของพอลิเมอร์สมมุติฐานเกือบ 2,000 ตัว โพลีเมอร์เป็นวัสดุที่มีโครงสร้างอสัณฐาน ไม่เป็นระเบียบ

แม้แต่เทคนิคในการศึกษาโลหะและวัสดุผลึกที่นักวิจัยพัฒนาขึ้นก็ยังมีความยากในการกำหนด พอลิเมอร์เกิดจากอะตอมขนาดใหญ่ที่เรียงตัวกันเป็นสายยาวมาก ความผิดพลาดเพียงเล็กน้อย สามารถทำให้โมโนเมอร์หลายล้านตัวเสียหายได้

ยิ่งไปกว่านั้น ความยาวและลำดับอาจส่งผลต่อคุณสมบัติของโมเลกุลโพลีเมอร์ที่แตกต่างกัน ขึ้นอยู่กับอะตอมที่จัดเรียง ด้วยเหตุนี้ วิธีการทดลองและข้อผิดพลาดจึงไม่เหมาะอย่างยิ่งที่จะใช้ เนื่องจากมีข้อจำกัด การสร้างข้อมูลที่จำเป็นสำหรับกลยุทธ์การออกแบบที่มีเหตุผลจึงเป็นที่ต้องการเป็นอย่างมาก

ซึ่ง MachineLearning และ AI สามารถทำได้ นักวิจัยใช้พอลิเมอร์ที่มีโครงสร้างเชิงคำนวณเกือบ 2,000 ตัว ซึ่งมีลำดับที่แตกต่างกันในการสร้างฐานข้อมูล และยังสร้างโมเดลของโพลีเมอร์ขึ้นมาจำลองเพื่อดูพฤติกรรมของมัน

และเมื่อการวิจัยดำเนินไปได้อย่างดี ปัจจุบันนักวิจัยสามารถใช้ข้อมูลที่ได้เรียนรู้มา สาธิตเพื่อระบุคุณสมบัติที่ต้องการจากพอลิเมอร์ และใช้ MachineLearning ในการสร้างชุดของลำดับโพลีเมอร์ที่นำไปสู่คุณสมบัติแบบเฉพาะขึ้นมา วิธีดังกล่าวทำให้เราสามารถออกแบบผลิตภัณฑ์ที่ช่วยรักษาสิ่งแวดล้อม

และออกแบบโพลีเมอร์ที่ต้องการได้อย่างแท้จริง ตัวอย่างเช่น การสร้างโพลีเมอร์ที่สามารถแทนที่โลหะซึ่งใช้ในอวกาศหรือที่ใช้ในอุปกรณ์ชีวการแพทย์ได้ และยังสามารถช่วยให้วิศวกรสามารถใช้วัสดุพอลิเมอร์ที่มีราคาไม่แพงและยั่งยืนได้อีกด้วย

ขอบคุณแหล่งที่มาจาก tnnthailand