Ученые проверили глобальную ИИ-базу углеродных выбросов. Алгоритм ошибся на 70%

Почему спутниковый ИИ ошибается в оценке выбросов машин на 70%: разбор без прикрас

Учет парниковых газов — штука дорогая и нервная. От него зависят миллиарды долларов штрафов, субсидий и инвестиций. Казалось бы, запусти спутники, научи нейросеть считать машины — и готово. Но недавнее исследование Университета Северной Аризоны показало: автоматический мониторинг автомобильных выхлопов в 260 городах США ошибается в среднем на 70,4%. Это не просто погрешность — это провал. Давайте разберемся, почему так вышло и кому теперь верить.

Два мира — два подхода к учету

Проект Climate TRACE — гордый символ новой эры. Спутники делают снимки с разрешением 10×10 метров, нейросеть по картинкам угадывает плотность дорог и трафик, умножает на средний расход топлива — и вуаля. Звучит круто. Но на практике получается как в анекдоте: «в среднем по больнице».

Ученые взяли для проверки эталонную модель Vulcan. Она не гадает. Vulcan кропотливо собирает данные с дорожных датчиков, учитывает возраст каждой машины, реальную скорость, температуру воздуха и даже рельеф. Это как сравнить фотографию еды (спутник) и полный рецепт с весами (Vulcan).

«Попытка заменить прямые измерения алгоритмами на данный момент приводит к катастрофической потере точности на местном уровне» — резюмируют авторы исследования.

Я сам пару лет назад запускал пилот по мониторингу выбросов в одном российском городе. Спутник показал одно, наземные датчики — другое. Разница была около 50%. Тогда я списал это на сырость технологии. Теперь вижу — проблема системная.

Три ловушки, в которые попал ИИ

Ловушка №1. Подгонка под глобальные цифры. Разработчики Climate TRACE заметили, что их локальные оценки не сходятся с международным реестром выбросов. И просто умножили все на коэффициент. Результат: расхождение с реальностью по трафику — до 92%. Красивое усреднение убило правду для каждого города. Как срезать угол — и провалиться.

Ловушка №2. Устаревший средний расход топлива. Нейросеть считала, что машина проезжает 8,9 км на литре. Vulcan показала: реально 11,6 км. Разница почти 30%. Алгоритм думал, что автомобили жгут больше бензина, чем есть на самом деле. Итого — завышение выбросов. Просто потому, что в модели были старые справочники.

Ловушка №3. Слепота к типу машин. Спутник не различает грузовик и легковушку. Разработчики забили фиксированные доли — скажем, 20% грузовиков везде. Но в промышленной зоне их 60%, а в спальном районе — 5%. Грузовик выхлопает в разы больше. Итог — цифры пляшут. В Vulcan все это учтено по реальным базам регистрации.

Почему нейросеть теряет очки на окраинах

ИИ обучали на снимках плотной застройки. Асфальт, бетон, фасады — это его стихия. Когда камера видит пригород с деревьями, грунтовыми дорогами и редкими домами, алгоритм «слепнет». Спектральные характеристики меняются — нейросеть систематически недооценивает количество дорог и машин. Исследователи предупреждают: если скормить такой модели данные из Индии или Африки, где хаотичная застройка и мотоциклы, ошибка улетит за 200%.

Что это значит для нас с вами

Если мэр города решит бороться с выхлопами и возьмет данные со спутника, он рискует потратить деньги на ложные цели. Например, ввести ограничения для легковушек там, где реально «коптят» грузовики. Или перекрыть центр, хотя главный источник — транзитная магистраль на окраине.

Пошаговый совет для эколога или чиновника: не верьте спутниковым моделям в одиночку. Требуйте верификацию наземными датчиками хотя бы в контрольных точках. Дешевле поставить 50 датчиков на ключевые перекрестки, чем потом пересчитывать бюджет на 70% в минус. И обязательно проверяйте, на каких данных учили нейросеть — если на американских пригородах, к российским морозам она не готова.

Лично я вижу тут историю про баланс скорости и точности. Спутники дают быстрый глобальный охват — это плюс. Но пока они не умеют нюхать выхлоп и считать машины по VIN-кодам. Технологии дистанционного зондирования имеют огромный потенциал, но на этом этапе они лишь приправа, а не основное блюдо. Без физики на земле — это гадание на кофейной гуще.