Podcast

Kan kunstig intelligens redde naturen?

Heading

3.9.2024

Af

Der er milliarder af træer i verden, og det er menneskeligt umuligt at tælle dem. Men hvis vi skal bekæmpe klimaforandringerne, skal vi have overblik over, hvordan vores økosystemer - herunder verdens skove - forandrer sig over tid. Det har et hold forskere med professor i geovidenskab Rasmus Fensholt i spidsen sat sig for at løse.

Mængden af tilgængelige satellitdata er eksploderet inden for de seneste 10 år, hvilket giver mulighed for at kortlægge jordens naturressourcer med en hidtil uset præcision, helt ned til det enkelte træ i den private have.

Hør Rasmus Fensholt i samtale med professor i datalogi Christian Igel fortælle om, hvordan de ved at kombinere satellitbilleder med kunstig intelligens har udviklet en metode, som bl.a. kan bruges til at overvåge om køb af CO2-kreditter har positiv effekt på antallet af træer i verden.

Gæster: Professor i geovidenskab og naturforvaltning Rasmus Fensholt og professor i datalogi Christian Igel

Vært: Biolog og videnskabsjournalist Line Friis Frederiksen

Redaktion og tilrettelægning: Line Friis Frederiksen og Tina Dransfeldt Christensen

Producer: Andrew Davidson, Videnslyd

Hør episode 5 af podcasten "Hvordan ved vi det?" på Apple Podcasts her: Kan kunstig intelligens redde naturen? Eller find den der, hvor du lytter til dine podcasts.

Læs mere
Om
Om podcasten "Hvordan ved vi det?"

I ”Hvordan ved vi det?” samtaler nogle af Danmarks dygtigste forskere om samfundets store problemstillinger. I første sæson af ”Hvordan ved vi det?” dykker vi ned i spørgsmålet ”Hvordan forandrer kunstig intelligens vores samfund?" Lyt med her: Hvordan ved vi det? Eller find podcasten der, hvor du lytter til dine podcasts.

Omtalte forskere
Rasmus Fensholt
Rasmus Fensholt er professor ved Institut for Geovidenskab og Naturressourceforvaltning, Københavns Universitet. Han har en baggrund i naturgeografi, og hans forskning fokuserer på kvantitative vurderinger af kulstof- og vandstrømme i global terrestrisk vegetation ved hjælp af en bred vifte af typer af satellitbillededata - i sidste ende for bedre at kunne forstå menneskets og klimaforandringers påvirkninger af vores globale naturressourcer. Brug af deep learning til billedanalyse har været en stadig vigtigere del af hans forskning i de senere år.
Christian Igel
Christian Igel er professor på Datalogisk Institut ved Københavns Universitet. Han er direktør for Science AI Center på KU og er co-lead ved Pionercenter for kunstig intelligens. Han arbejder med teorien bag maskinlæring og anvendelser af maskinlæring, der bidrager til opnåelse af bæredygtige udviklingsmål.