概述
人工智慧填補了稀疏污染感測器之間的空白，並將原始數據轉化為逐塊空氣品質地圖和預測。這有助於氣喘患者計劃他們的一天，並幫助城市瞄準最骯髒的熱點。
空氣品質監測中的人工智慧專注於實際部署：將模型功能轉化為可靠的日常工作流程，提供可衡量的價值。
深入探討
空氣污染每年導致數百萬人死亡，但參考監測儀價格昂貴且數量稀少，導致大多數社區無法進行測量。人工智慧透過融合許多資料來源來彌補這一點：低成本感測器網路、衛星測量（例如 NASA 的 TEMPO 和 ESA 的二氧化氮和氣溶膠的 Sentinel-5P）、天氣、交通和移動感測器。機器學習根據參考站校準嘈雜的廉價感測器，然後以街道解析度對整個城市的污染進行插值。 Google 的 Project Air View 駕駛裝有感測器的汽車來建造二氧化氮和顆粒物等污染物的超局部地圖。該模型還透過將當前讀數與天氣和排放模式相結合來預測未來數小時至幾天的空氣質量，並幫助將污染歸因於源頭，區分野火煙霧與交通或工業羽流。
技術洞察
核心任務是校準：低成本 PM2.5 和氣體感測器會隨濕度和溫度而漂移，因此 ML 回歸模型會根據可信參考監視器校正其讀數。對於空間覆蓋，土地利用回歸和圖形或地統計模型使用交通、海拔和衛星柱等預測因子來推斷不存在感測器的污染情況。預測將天氣模型置於頂層，因此風和逆溫層會被納入第二天的污染預測中。
掌握空氣品質監測中的人工智慧
人工智慧填補了稀疏污染感測器之間的空白，並將原始數據轉化為逐塊空氣品質地圖和預測。這有助於氣喘患者計劃他們的一天，並幫助城市瞄準最骯髒的熱點。空氣品質監測中的人工智慧專注於實際部署：將模型功能轉化為可靠的日常工作流程，提供可衡量的價值。為了建立深入的理解，請將空氣品質監測中的人工智慧視為一種操作模型，而不是單一功能：定義期望的結果，澄清假設，並將系統可以可靠地完成的任務與仍需要專家判斷的任務分開。
在實踐中，在空氣品質監測中使用人工智慧的強大團隊專注於工作流程結果，而不是模型演示，並儘早定義人工檢查點。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
應用級設計決定了人工智慧是否能改善實際結果。同時，將損壞的流程自動化可能會加劇現有的問題。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
應用級設計決定了人工智慧是否能改善實際結果。
應用級設計決定了人工智慧是否能改善實際結果。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
良好的工作流程整合可以創造使用者值得信賴的生產力效益。
良好的工作流程整合可以創造使用者值得信賴的生產力效益。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
範圍明確的用例可以減少變更疲勞和實施風險。
範圍明確的用例可以減少變更疲勞和實施風險。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
Google Project Air View 透過在調查車上安裝感測器來繪製街道二氧化氮和粒狀物污染地圖。
NASA 的 TEMPO 衛星提供北美每小時的空氣污染地圖，並與地面數據結合進行預測。
PurpleAir 和 IQAir 等應用程式可校準低成本感測器網絡，以在野火期間提供社群層級的 PM2.5 讀數。
城市使用人工智慧熱點地圖來瞄準交通限制、植樹或在污染最嚴重的地方建立清潔空氣區。
實施模式
人工智慧在空氣品質監測中的實踐
Google Project Air View 透過在調查車上安裝感測器來繪製街道二氧化氮和粒狀物污染地圖。
Google Project Air View 透過在調查車上安裝感應器來繪製街道層面的二氧化氮和粒狀物污染情況。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力增益和錯誤成本時，通常會獲得更好的結果。
人工智慧在空氣品質監測中的實踐
NASA 的 TEMPO 衛星提供北美每小時的空氣污染地圖，並與地面數據結合進行預測。
NASA 的 TEMPO 衛星提供北美地區每小時的空氣污染地圖，並與地面資料融合進行預測。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力提升和錯誤成本時，通常會獲得更好的結果。
人工智慧在空氣品質監測中的實踐
PurpleAir 和 IQAir 等應用程式可校準低成本感測器網絡，以在野火期間提供社群層級的 PM2.5 讀數。
PurpleAir 和 IQAir 等應用程式可校準低成本感測器網絡，以在野火期間提供社區級 PM2.5 讀數。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力增益和錯誤成本時，通常會獲得更好的結果。
人工智慧在空氣品質監測中的實踐
城市使用人工智慧熱點地圖來瞄準交通限制、植樹或在污染最嚴重的地方建立清潔空氣區。
城市使用人工智慧熱點地圖來瞄準交通限制、植樹或選址污染最嚴重的清潔空氣區。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力增益和錯誤成本時，通常會獲得更好的結果。
風險與防護欄
將損壞的流程自動化可能會加劇現有問題。
團隊可能會過度自動化並消除所需的人工判斷。
如果不持續評估輸出，品質可能會出現偏差。
實施路線圖
繪製目前工作流程並確定摩擦最大的步驟。
繪製目前工作流程並確定摩擦最大的步驟。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
在完全自動化之前定義人工檢查點。
在完全自動化之前定義人工檢查點。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
對使用者進行提示、升級路徑和品質標準的訓練。
對使用者進行提示、升級路徑和品質標準的訓練。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
追蹤任務級結果以確認持續價值。
追蹤任務級結果以確認持續價值。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。