Abstrato

Machine Learning 2018: W-AI-STE e gestão de resíduos de arquitetura em edifícios com suporte de aprendizagem automática e inteligência artificial - Kai Khalid Miethig-Tariq Faqeeh Engineering

Kai Khalid Miethig

W-AI-STE - A execução de raciocínio informatizado e IA nos procedimentos de administração de resíduos, isolamento e triagem em turnos estruturais de eventos. É outra forma única de unir as inovações atuais com os avanços mais recentes da consciência criada pelo homem e da IA ??para um problema antiquado que a humanidade enfrenta desde o tempo em que existe: a administração de resíduos. Pela forma como a população se expande de forma consistente e com isso também a criação de resíduos, porque não utilizar os avanços e destaques acessíveis para apoiar essa tarefa fundamental, que ninguém precisa de gerir e é um tema que actualmente se está a transformar numa questão global. Em qualquer lugar do planeta onde as pessoas estejam disponíveis e estivessem disponíveis, mesmo em zonas onde as pessoas nunca foram desperdiçadas, podem ser encontradas como parte remanescente da presença humana. Como todos sabemos sobre estruturas domésticas inteligentes, como impressões digitais para controlo de entrada e acesso ou controlo de discurso, incluindo diferentes capacidades na casa, estas inovações de IA e ML também podem ser atualizadas para as nossas heranças diárias: WASTE-W-AI -STE . Todas as pessoas têm um exemplo específico de tudo o que fazem ou das suas propensões; estes exemplos e propensões são muito perceptíveis nos seus desperdícios. A maior parte do desperdício provém da prensagem e prensagem de alimentos quando tudo está feito, de modo que os indivíduos têm os seus alimentos preferidos, ingredientes e outras escolhas principais repetitivas que podem ser registadas, seguidas e decompostas com a ajuda do raciocínio artificial e da IA. Assim, num período inicial de melhorias por razões privadas e empresariais, o exemplo pode ser utilizado para construir a ideia de estruturas de administração de resíduos. As alterações climáticas desafiam o funcionamento da sociedade, exigindo provavelmente uma adaptação considerável para lidar com futuros padrões climáticos alterados. Os algoritmos de aprendizagem automática (ML) avançaram drasticamente, desencadeando avanços noutros setores de investigação e recentemente sugeridos como auxiliares na análise climática Embora um número considerável de características isoladas do Sistema Terrestre tenha sido analisado com técnicas de ML, aplicação mais genérica para compreender melhor todo o sistema climático não ocorreu. Por exemplo, o ML pode auxiliar na identificação de teleconexões, onde feedbacks complexos tornam a caracterização difícil a partir da análise direta de equações ou visualização de medições e diagnósticos do modelo do Sistema Terrestre (ESM). A inteligência artificial (IA) pode então basear-se nas ligações climáticas descobertas para fornecer avisos melhorados sobre as características meteorológicas que se aproximam, incluindo eventos extremos. Embora o desenvolvimento do ESM seja de importância primordial, sugerimos uma ênfase paralela na utilização de ML e IA para compreender e capitalizar muito mais os dados e simulações existentes. A aprendizagem automática (ML) e a inteligência artificial (IA) influenciam cada vez mais vidas, possibilitadas por aumentos significativos na disponibilidade do processador, velocidade, conectividade e armazenamento de dados barato. A IA está a promover a prestação de serviços médicos e de saúde,entrega de transporte, interação com a Internet, sistemas de abastecimento alimentar e apoio à segurança em estruturas geopolíticas em mudança. A sociedade está a aproximar-se da era dos carros autónomos, ajudando os médicos a evitar erros de diagnóstico, reconhecimento de voz preciso e receção de sugestões de compra personalizadas. A maioria das aplicações é benéfica, embora existam questões éticas, por exemplo, Bostrom (2014), New Scientist (2017). Simultaneamente, a evolução dos estilos de vida deve interagir de forma segura com as alterações climáticas. Há uma crescente percepção de que os impactos das alterações climáticas não são uma ameaça isolada, necessitando, em vez disso, de respostas mais holísticas, a par da abordagem de outras questões sociais. As alterações climáticas são uma questão científica complexa e multifacetada, passível de análise por parte da CB e da IA, mas, de um modo geral, tal ainda não ocorreu. Muitos algoritmos de ML estão disponíveis há décadas, e possivelmente mais notavelmente as redes neuronais. No entanto, até recentemente, as restrições da arquitectura computacional e do poder restringiam a sua aplicação, especialmente para questões com utilização intensiva de dados como as alterações climáticas.

Biografia:

Kai Khalid Miethig concluiu o seu estudo de arquitetura em 2004 na Universidade de Siegen, anteriormente conhecida como Universidade de Ciências Aplicadas de Siegen, e adquiriu mais experiência em gestão de resíduos na Lobbe Environmental Consultancy. Tem mais de uma década de experiência em gestão de projetos e palestras. É o Diretor Geral da Tariq Faqeeh Engineering no Bahrein, dedicada a melhorar o estilo de vida e a qualidade de vida, oferecendo vários serviços exclusivos para promotores, entidades governamentais e particulares. Iniciou a campanha de sensibilização ambiental “A Wave of Change” em cooperação com o Conselho Supremo do Ambiente do Bahrein, a Embaixada da Alemanha no Bahrein e a CleanUp Bahrain em 2017 e está a realizar palestras sobre sensibilização ambiental, bem como sobre o contexto e a ligação da arquitetura e da gestão de resíduos.