人工智能被训练识别最不环保的家园

“难以脱碳”（HtD）房屋对四分之一以上的直接房屋排放负责，这是实现减排的主要障碍，但它们都是明确的或旨在改善的

剑桥大学建筑系的研究人员现在培训了一个“深度学习”模型，该模型承诺更容易、更快、更便宜地识别出高优先级的问题属性和发展战略，以提高空气的绿色证书

家庭可能是“难以脱碳”的重要原因，包括面积、结构、位置、社会经济障碍和数据可用性政策制定者倾向于最谨慎的通用建筑或指定脱碳技术，但发表在《可持续城市与社会》杂志上的这项研究可能有助于改变这一点

MaoranSun，一位研究人员和科学家，以及他的博士生导师RonitaBardhan博士，剑桥可持续设计小组的全体成员，表明他们的AI模型可以以90%的精度对HtD房屋进行分类，并希望他们能添加更多的数据，这项工作正在进行中

Bardhans博士说：“这是AI第一次接受培训，以确定如何使用开源数据对建筑进行脱碳，从而实现这一目标。

”政策制定者需要知道他们有多少人可以去碳化，但他们必须找到资源，才能在每个房子里执行详细信息我们的模型可以引导他们去高优先级的房子，节省回收时间和资源“.

该模型有助于研究人员理解和地理分布HtD房屋，使其能够有效地确定目标并有效地部署干预措施。