Η υπολογιστική ισχύς που απαιτείται για την εκπαίδευση παραγωγικών μοντέλων τεχνητής νοημοσύνης που συχνά έχουν δισεκατομμύρια παραμέτρους, όπως το GPT-4 του OpenAI, μπορεί να απαιτήσει μια εκπληκτική ποσότητα ηλεκτρικής ενέργειας, η οποία οδηγεί σε αυξημένες εκπομπές διοξειδίου του άνθρακα και πιέσεις στο ηλεκτρικό δίκτυο.
Επιπλέον, η ανάπτυξη αυτών των μοντέλων σε πραγματικές εφαρμογές, δίνοντας τη δυνατότητα σε εκατομμύρια ανθρώπους να χρησιμοποιούν γενετική τεχνητή νοημοσύνη στην καθημερινή τους ζωή και στη συνέχεια να βελτιστοποιήσουν τα μοντέλα για να βελτιώσουν την απόδοσή τους, αντλούν μεγάλες ποσότητες ενέργειας πολύ καιρό μετά την ανάπτυξη ενός μοντέλου.
Πέρα από τις απαιτήσεις ηλεκτρικής ενέργειας, απαιτούνται μεγάλες ποσότητες νερού για την ψύξη του υλικού που χρησιμοποιείται, για την εκπαίδευση, την ανάπτυξη και τη βελτίωση των μοντέλων παραγωγής τεχνητής νοημοσύνης, τα οποία μπορούν να καταπονήσουν τα δημοτικά αποθέματα νερού και να διαταράξουν τα τοπικά οικοσυστήματα. Ο αυξανόμενος αριθμός εφαρμογών τεχνητής νοημοσύνης έχει επίσης τονώσει τη ζήτηση για υπολογιστικό υλικό υψηλής απόδοσης, προσθέτοντας έμμεσες περιβαλλοντικές επιπτώσεις από την κατασκευή και τη μεταφορά του.
Οι απαιτήσεις ηλεκτρικής ενέργειας των κέντρων δεδομένων είναι ένας σημαντικός παράγοντας που συμβάλλει στις περιβαλλοντικές επιπτώσεις της τεχνητής νοημοσύνης, καθώς τα κέντρα δεδομένων χρησιμοποιούνται για την εκπαίδευση και την εκτέλεση των μοντέλων βαθιάς μάθησης πίσω από δημοφιλή εργαλεία όπως το ChatGPT και το DALL-E.

Ένα κέντρο δεδομένων είναι ένα κτίριο ελεγχόμενης θερμοκρασίας που φιλοξενεί υπολογιστική υποδομή, όπως διακομιστές, μονάδες αποθήκευσης δεδομένων και εξοπλισμό δικτύου. Για παράδειγμα, η Amazon διαθέτει περισσότερα από 100 κέντρα δεδομένων παγκοσμίως, καθένα από τα οποία έχει περίπου 50.000 διακομιστές που χρησιμοποιεί η εταιρεία για την υποστήριξη υπηρεσιών υπολογιστικού νέφους.
Ενώ τα κέντρα δεδομένων υπάρχουν από τη δεκαετία του 1940 (το πρώτο κατασκευάστηκε στο Πανεπιστήμιο της Πενσυλβάνια το 1945 για να υποστηρίξει τον πρώτο ψηφιακό υπολογιστή γενικής χρήσης, τον ENIAC), η άνοδος της Τεχνητής Νοημοσύνης αύξησε δραματικά τον ρυθμό κατασκευής κέντρων δεδομένων.
Η ζήτηση για νέα κέντρα δεδομένων δεν μπορεί να ικανοποιηθεί με βιώσιμο τρόπο. Ο ρυθμός με τον οποίο οι εταιρείες κατασκευάζουν νέα κέντρα δεδομένων δημιουργεί την ανάγκη το μεγαλύτερο μέρος της ηλεκτρικής ενέργειας για την τροφοδοσία τους να προέρχεται από σταθμούς ηλεκτροπαραγωγής που βασίζονται σε ορυκτά καύσιμα συνδεδεμένων με την παραγωγή διοξειδίου του άνθρακα άρα περαιτέρω περιβαλλοντικής επιβάρυνσης.

Η ισχύς που απαιτείται για την εκπαίδευση και την ανάπτυξη ενός μοντέλου όπως το GPT-3 του OpenAI είναι δύσκολο να εξακριβωθεί. Σε μια ερευνητική εργασία του 2021, επιστήμονες από τη Google και το Πανεπιστήμιο της Καλιφόρνια στο Μπέρκλεϋ υπολόγισαν ότι η εκπαιδευτική διαδικασία καταναλώνει μόνο 1.287 μεγαβατώρες ηλεκτρικής ενέργειας (αρκετή για να τροφοδοτήσει περίπου 120 κατά μέσο όρο σπίτια στις ΗΠΑ για ένα χρόνο), παράγοντας περίπου 552 τόνους διοξειδίου του άνθρακα.
Μόλις αναπτυχθεί ένα παραγωγικό μοντέλο Τεχνητής νοημοσύνης, οι ενεργειακές απαιτήσεις δεν εξαφανίζονται.
Κάθε φορά που χρησιμοποιείται ένα μοντέλο, ίσως από ένα άτομο που ζητά από το ChatGPT να συνοψίσει ένα email, το υπολογιστικό υλικό που εκτελεί αυτές τις λειτουργίες καταναλώνει ενέργεια. Οι ερευνητές έχουν υπολογίσει ότι ένα ερώτημα ChatGPT καταναλώνει περίπου πέντε φορές περισσότερη ηλεκτρική ενέργεια από μια απλή αναζήτηση στο διαδίκτυο.
Επιπλέον, τα μοντέλα παραγωγής τεχνητής νοημοσύνης έχουν ιδιαίτερα μικρή διάρκεια ζωής, λόγω της αυξανόμενης ζήτησης για νέες εφαρμογές τεχνητής νοημοσύνης. Οι εταιρείες κυκλοφορούν νέα μοντέλα κάθε λίγες εβδομάδες, έτσι η ενέργεια που χρησιμοποιείται για την εκπαίδευση προηγούμενων εκδόσεων πάει χαμένη. Τα νέα μοντέλα καταναλώνουν συχνά περισσότερη ενέργεια για, αφού συνήθως έχουν περισσότερες παραμέτρους από τους προκατόχους τους.
Ενώ οι απαιτήσεις ηλεκτρικής ενέργειας των κέντρων δεδομένων μπορεί να τραβούν τη μεγαλύτερη προσοχή στην ερευνητική βιβλιογραφία, η ποσότητα νερού που καταναλώνεται από αυτές τις εγκαταστάσεις έχει επίσης περιβαλλοντικές επιπτώσεις.

Το κρύο νερό χρησιμοποιείται για την ψύξη ενός κέντρου δεδομένων απορροφώντας θερμότητα από τον υπολογιστικό εξοπλισμό. Έχει υπολογιστεί ότι, για κάθε κιλοβατώρα ενέργειας που καταναλώνει ένα κέντρο δεδομένων, θα χρειαζόταν δύο λίτρα νερού για ψύξη.

Η κατασκευή των υποδομών που απαιτούνται για την υποστήριξη αυτών των τεχνολογιών απαιτεί την εξόρυξη σπανίων γαιών και άλλων φυσικών πόρων, κάτι που μπορεί να έχει αρνητικές επιπτώσεις για τα οικοσυστήματα, όπως η αποδάσωση και η καταστροφή φυσικών οικοτόπων.

Η αυξανόμενη εξάρτηση από την τεχνολογία ΑΙ ενδέχεται επίσης να οδηγήσει σε μεγαλύτερη παραγωγή απόβλητων ηλεκτρονικών συσκευών, τα οποία περιέχουν τοξικές ουσίες, όπως μόλυβδος και κάδμιο, που αποτελούν απειλή για το περιβάλλον αν δεν ανακυκλωθούν σωστά. Η αυξανόμενη ανάγκη για αναβάθμιση του τεχνολογικού εξοπλισμού, προκειμένου να ανταποκριθεί στις απαιτήσεις των συστημάτων Τ.Ν., μπορεί να επιβαρύνει την παραγωγή και διάθεση ηλεκτρονικών αποβλήτων, δημιουργώντας επιπλέον περιβαλλοντικά προβλήματα. Επιπλέον, η τεχνητή νοημοσύνη χρησιμοποιείται για την ανάπτυξη στρατιωτικών τεχνολογιών, όπως τα αυτόνομα όπλα, που μπορούν να έχουν σοβαρές αρνητικές επιπτώσεις όχι μόνο στο περιβάλλον αλλά και στην ανθρώπινη ασφάλεια και σταθερότητα. Η χρήση τέτοιων τεχνολογιών μπορεί να εντείνει τις συγκρούσεις και να προκαλέσει περιβαλλοντική καταστροφή σε περιοχές που πλήττονται από πολέμους.

Η Τεχνητή Νοημοσύνη όμως έχει τη δυνατότητα να επιφέρει και σημαντικές θετικές αλλαγές στον τομέα της βιωσιμότητας και της προστασίας του περιβάλλοντος. Η πιο σημαντική ίσως εφαρμογή της ΑΙ είναι η βελτίωση της ενεργειακής απόδοσης. Χρησιμοποιώντας έξυπνα συστήματα, η ΑΙ μπορεί να παρακολουθεί και να ρυθμίζει την κατανάλωση ενέργειας σε πραγματικό χρόνο, βελτιώνοντας την αποδοτικότητα τόσο σε κτίρια όσο και σε βιομηχανικές διαδικασίες. Αυτό έχει ως αποτέλεσμα την μείωση των εκπομπών CO2, διότι μειώνεται η σπατάλη ενέργειας και οι ανάγκες για ηλεκτρική ενέργεια, η οποία μπορεί να προέρχεται από μη ανανεώσιμες πηγές. Εξίσου σημαντική είναι η βοήθεια της ΑΙ στην προώθηση της χρήσης ανανεώσιμων πηγών ενέργειας, όπως η ηλιακή ακτινοβολία και ο άνεμος. Μέσω προηγμένων αλγορίθμων, η ΑΙ είναι σε θέση να προβλέπει τις καιρικές συνθήκες και να βελτιστοποιεί τη λειτουργία των φωτοβολταϊκών και αιολικών πάρκων, μεγιστοποιώντας την αποδοτικότητα τους και μειώνοντας την εξάρτηση από ορυκτά καύσιμα.
Η ΑΙ μπορεί επίσης να συνεισφέρει στην προστασία και διαχείριση των φυσικών πόρων. Στην παρακολούθηση περιβαλλοντικών φαινομένων, η Τ.Ν. βοηθά στη γρηγορότερη και πιο ακριβή εκτίμηση κινδύνων, όπως πλημμύρες, ξηρασίες ή ακόμα και δασικές πυρκαγιές, δίνοντας στους υπεύθυνους την δυνατότητα να λάβουν τα κατάλληλα μέτρα σε πραγματικό χρόνο για την αποφυγή καταστροφών. Επίσης, η Τ.Ν. χρησιμοποιείται στην παρακολούθηση της βιοποικιλότητας, καταγράφοντας τις αλλαγές σε οικοσυστήματα και προσδιορίζοντας περιοχές που χρήζουν προστασίας. Ένας άλλος τομέας στον οποίο η Τ.Ν. έχει θετικό αντίκτυπο είναι η ανακύκλωση και η διαχείριση απορριμμάτων. Ρομποτικά συστήματα και αλγόριθμοι που βασίζονται στην Τ.Ν. μπορούν να επιταχύνουν και να βελτιώσουν τη διαδικασία διαλογής ανακυκλώσιμων υλικών, διευκολύνοντας την ανακύκλωση και μειώνοντας τα απόβλητα που καταλήγουν σε χωματερές.

Η γενικότερη ασάφεια η οποία συνοδεύει σε σημαντικό βαθμό τις μεθόδους ανάπτυξης και χρήσης της τεχνητής νοημοσύνης γεννά σε πολλές περιπτώσεις έλλειψη διαφάνειας και λογοδοσίας σχετικά με τις περιβαλλοντικές επιπτώσεις της. Ορισμένες εταιρείες βάζουν την οικονομική ευημερία και το ανταγωνιστικό τους πλεονέκτημα μπροστά από τυχόν αρνητικές επιπτώσεις που ενδέχεται να έχουν οι τεχνολογίες τεχνητής νοημοσύνης στο περιβάλλον. Οι χρήστες θεωρούν ότι είναι δύσκολο να εκτιμήσουν πλήρως το περιβαλλοντικό τους αποτύπωμα λόγω της πολυπλοκότητας των συστημάτων Τ.Ν.. Η ακριβής αξιολόγηση του αποτυπώματος άνθρακα ή των πιθανών περιβαλλοντικών επιπτώσεων παρεμποδίζεται από τις μυστικές μεθόδους και τα κρυφά δεδομένα που χρησιμοποιούνται για την εκπαίδευση μοντέλων τεχνητής νοημοσύνης.
Για να λυθεί αυτό, απαιτούνται πιο διαφανείς διαδικασίες και νόμοι που διασφαλίζουν ότι η δημιουργία και η εφαρμογή της τεχνητής νοημοσύνης είναι σύμφωνες με τις περιβαλλοντικές ανησυχίες. Μια υπεύθυνη προσέγγιση για την τεχνητή νοημοσύνη που δίνει προτεραιότητα στη βιωσιμότητα θα καταστεί δυνατή με την προσπάθεια για μεγαλύτερη υπευθυνότητα.

Τέλος, είναι σημαντικό να αναγνωρίσουμε ότι, ενώ η ΑΙ μπορεί να προσφέρει λύσεις για την προστασία του περιβάλλοντος, η ανάπτυξή της πρέπει να συνοδεύεται από υπεύθυνες και βιώσιμες πρακτικές. Η ανάγκη για έναν ισχυρό κανονιστικό πλαίσιο και για τη χρήση πράσινης τεχνολογίας θα είναι καθοριστική για να διασφαλίσουμε ότι η ΑΙ θα συνεχίσει να προσφέρει οφέλη για το περιβάλλον χωρίς να επιδεινώνει τις ήδη υπάρχουσες περιβαλλοντικές προκλήσεις.
Βιβλιογραφία

https://news.mit.edu/2025/explained-generative-ai-environmental-impact-0117

https://www.scientificamerican.com/article/ais-climate-impact-goes-beyond-its-emissions/

• Επίλυση προβλημάτων
• Μάθηση
• Τεκμηρίωση
• Κατανόηση και επικοινωνία στην ανθρώπινη γλώσσα

Η εξήγηση του τρόπου με τον οποίο οι τεχνολογίες AI μπορούν να προσομοιώσουν τις ανθρώπινες γνωστικές λειτουργίες απαιτεί κάποια κατανόηση σχεδόν ενός αιώνα πειραματισμού σε μοντέλα μηχανικής μάθησης και βαθιάς μάθησης. Ωστόσο, είναι ασφαλές να πούμε ότι η τεχνητή νοημοσύνη έχει πλέον τη δυνατότητα να ολοκληρώσει πολύπλοκες εργασίες.

Η τεχνητή νοημοσύνη μιμείται με πολλούς τρόπους την ανθρώπινη νοημοσύνη. Για παράδειγμα, στο παρελθόν, ένας επιστήμονας που ήθελε να αναλύσει δεδομένα χρειαζόταν να χρησιμοποιήσει μια ομάδα άλλων επιστημόνων για να συμπυκνώσει τους αριθμούς, κάτι που χρειάστηκε πολύ χρόνο και προσπάθεια.

Ωστόσο, υπάρχουν πλέον εργαλεία τεχνητής νοημοσύνης που επιτρέπουν στους επιστήμονες να αναλύουν μεγάλες ποσότητες δεδομένων σε δευτερόλεπτα και να παρέχουν ερμηνείες αυτών των δεδομένων. Για παράδειγμα, το Γερμανικό Αεροδιαστημικό Κέντρο έχει χρησιμοποιήσει τεχνητή νοημοσύνη για να εκτελέσει σύνθετες εργασίες όπως η ανάλυση τροχιών εκτόξευσης. Ως αποτέλεσμα, η τεχνητή νοημοσύνη έχει εξοικονομήσει σημαντικό χρόνο και προσπάθεια για τους ανθρώπους στην έρευνα του διαστήματος.

Η χρήση εργαλείων τεχνητής νοημοσύνης έχει φέρει επανάσταση σε διάφορους τύπους επιστήμης, συμπεριλαμβανομένης της εξερεύνησης του διαστήματος. Από τη γήινη έρευνα ουράνιων σωμάτων μέχρι τον σχεδιασμό διαστημικών αποστολών, η ευρεία χρήση της τεχνητής νοημοσύνης στην εξερεύνηση και την έρευνα του διαστήματος έχει μεταμορφώσει κάθε πτυχή των διαστημικών μελετών.

Οι διαστημικές σπουδές είναι ένα διεπιστημονικό πεδίο. Περιλαμβάνει θέματα όπως: Επιστήμη, Τεχνολογία, Μηχανική, Μαθηματικά, Ηθική, Πολιτική, Ιστορία, όπως και Νομικά ζητήματα.

Οι διαστημικές μελέτες διασταυρώνονται με τις νομικές μελέτες με σημαντικούς τρόπους. Οι βιομηχανίες που συνδέονται με την εξερεύνηση του διαστήματος – συμπεριλαμβανομένων των δορυφορικών συστημάτων και της αεροδιαστημικής – αξίζουν ήδη δισεκατομμύρια.

Καθώς αυτοί οι τομείς προβλέπεται να εξελιχθούν σε βιομηχανίες τρισεκατομμυρίων δολαρίων αργότερα αυτόν τον αιώνα, η ανάγκη για πολύπλοκα νομικά πλαίσια καθίσταται απαραίτητη για τη ρύθμιση τόσο της διαστημικής βιομηχανίας όσο και του ρόλου της τεχνητής νοημοσύνης σε αυτήν.

Η τεχνητή νοημοσύνη έχει μεταμορφώσει τον τομέα της αστρονομίας. Οι αστρονόμοι χρησιμοποιούν τεχνητή νοημοσύνη για να αναλύσουν τις παρατηρήσεις τους και να εντοπίσουν αλλαγές και μοτίβα στο διαστημικό περιβάλλον, όπως και για την ερμηνεία πληροφοριών που λαμβάνονται από τηλεσκόπια, γεγονός που έχει προσφέρει βαθύτερη εικόνα για το σύμπαν. Για παράδειγμα, η τεχνητή νοημοσύνη έχει χρησιμοποιηθεί για την αναγνώριση υποψηφίων εξωπλανητών.

Οι εξωπλανήτες είναι ουράνια σώματα που έχουν τη δυνατότητα να αναγνωριστούν ως πλανήτης. Ωστόσο, η ταξινόμηση των εξωπλανητών απαιτεί λεπτομερή ανάλυση δεδομένων και παρατηρήσεων, που διευκολύνονται με τη χρήση της τεχνολογίας AI.

Οι διαστημικές τεχνολογίες, όπως πύραυλοι και δορυφόροι, βασίζονται πλέον σε μεγάλο βαθμό στην τεχνητή νοημοσύνη. Ως αποτέλεσμα, ο κίνδυνος για τις ανθρώπινες ζωές έχει μειωθεί.

Στο παρελθόν, οι αποστολές εκτόξευσης δορυφόρων απαιτούσαν συχνά από ανθρώπους πιλότους να αντιμετωπίσουν καταστάσεις υψηλού κινδύνου κατά την εκτόξευση και την επανείσοδο. Ωστόσο, οι δορυφόροι μπορούν πλέον να αποφύγουν τα διαστημικά συντρίμμια και άλλους κινδύνους στο διάστημα, επειδή η τεχνητή νοημοσύνη μπορεί να χρησιμοποιήσει αισθητήρες για να αξιολογήσει εάν τα αντικείμενα αποτελούν απειλές.

Η τεχνολογία AI διαδραματίζει επίσης κρίσιμο ρόλο στην εξερεύνηση του φεγγαριού και άλλων πλανητών. Οι αποστολές στο βάθος είναι πλέον πιο δυνατές, επειδή τα εργαλεία αυτόνομης πλοήγησης με τεχνητή νοημοσύνη μπορούν να μιμηθούν τις δεξιότητες λήψης αποφάσεων που προηγουμένως αναλάμβαναν οι άνθρωποι πιλότοι.

Σήμερα, ο ρόλος της Τεχνητής Νοημοσύνης σε διαστημικές αποστολές ανοίγει το δρόμο για βαθύτερη εξερεύνηση του Άρη, της Αφροδίτης και άλλων πλανητών. Η ενσωματωμένη τεχνητή νοημοσύνη μπορεί να προσομοιώσει τις ενέργειες των ανθρώπινων πιλότων, καθιστώντας δυνατή την επιδίωξη αποστολών που κάποτε ήταν πέρα ​​από τον άνθρωπο.

Ομοίως, είναι δυνατό για διαστημικούς σταθμούς εξοπλισμένους με AI να διεξάγουν ερευνητικές και διαστημικές αποστολές χωρίς ανθρώπινους αστροναύτες. Επίσης, οι συσκευές τεχνητής νοημοσύνης θα επιτρέψουν σε ερευνητές στη Γη να διεξάγουν ερευνητικά έργα σε μακρινούς πλανήτες.

Εκτός από την εξερεύνηση των διαστημικών συστημάτων και της έρευνας, η τεχνητή νοημοσύνη μπορεί να έχει τεράστιο αντίκτυπο στις τάξεις διαστημικών μελετών και νομικών σπουδών.

Τα ίδια εργαλεία τεχνητής νοημοσύνης που επιτρέπουν στους επιστήμονες να συμμετέχουν στην εξερεύνηση του διαστήματος είναι πλέον διαθέσιμα στην εκπαίδευση. Η αξιοποίηση της τεχνητής νοημοσύνης στην έρευνά τους μπορεί να βοηθήσει τους μαθητές να βελτιώσουν τη μάθησή τους και να γίνουν ικανοί επαγγελματίες προετοιμασμένοι για την αυριανή εξερεύνηση του διαστήματος.

Η ενσωμάτωση της τεχνητής νοημοσύνης σε συστήματα παρατήρησης της Γης που βασίζονται στο διάστημα διαδραματίζει κρίσιμο ρόλο στην αντιμετώπιση των περιβαλλοντικών και κλιματικών προκλήσεων, αναδεικνύοντας την αξία της διαστημικής τεχνολογίας για την προστασία του πλανήτη μας. Εταιρείες όπως η Planet Labs και φορείς όπως η NASA και η ESA ηγούνται αυτής της προσπάθειας, χρησιμοποιώντας δορυφόρους με τεχνητή νοημοσύνη για την παρακολούθηση αλλαγών όπως η αποψίλωση των δασών, η άνοδος της στάθμης της θάλασσας και η υγεία του οικοσυστήματος, παρέχοντας πληροφορίες που διαφορετικά θα ήταν δύσκολο να αποκτηθούν.

Τα προγράμματα Copernicus και Discovery της ESA χρηματοδοτούν έργα που βασίζονται στην τεχνητή νοημοσύνη για τον εντοπισμό διαρροών μεθανίου και τη διαχείριση φυσικών καταστροφών. Το μεθάνιο, ένα ισχυρό αέριο του θερμοκηπίου, συμβάλλει σημαντικά στην κλιματική αλλαγή και η έγκαιρη ανίχνευση μέσω δορυφόρων εξοπλισμένων με τεχνητή νοημοσύνη είναι απαραίτητη για τον μετριασμό των επιπτώσεών του. Επιπλέον, η NASA συνεργάστηκε με την IBM Research για την ανάπτυξη ενός μοντέλου τεχνητής νοημοσύνης για πιο ακριβείς προβλέψεις καιρού και κλίματος, επιτρέποντας την έγκαιρη ανταπόκριση σε γεγονότα που σχετίζονται με το κλίμα.

Σε συνδυασμό με δορυφορικά δεδομένα, η τεχνητή νοημοσύνη φέρνει επανάσταση στη γεωργία ακριβείας και στη διαχείριση φυσικών πόρων. Εταιρείες όπως το Descartes Labs χρησιμοποιούν τεχνητή νοημοσύνη για να αναλύσουν δορυφορικές εικόνες, παρέχοντας πληροφορίες σε πραγματικό χρόνο για την υγεία του εδάφους, τις αποδόσεις των καλλιεργειών και τη διαθεσιμότητα νερού. Αυτό βοηθά τους αγρότες να βελτιστοποιήσουν τη χρήση των πόρων, να αυξήσουν την παραγωγικότητα και να μειώσουν τα απόβλητα. Σε περιοχές που πλήττονται από την ξηρασία, η δορυφορική τεχνολογία που βασίζεται στην τεχνητή νοημοσύνη παρακολουθεί τη διαθεσιμότητα και τη χρήση του νερού, επιτρέποντας καλύτερο σχεδιασμό πόρων και βιωσιμότητα.

Καθώς βρισκόμαστε στο κατώφλι των πρωτοφανών ανακαλύψεων, η συγχώνευση της τεχνητής νοημοσύνης και της διαστημικής τεχνολογίας είναι έτοιμη να αναδιαμορφώσει την κατανόησή μας για τον κόσμο και το μέλλον της ζωής στη Γη. Η μεταμορφωτική δύναμη της τεχνητής νοημοσύνης δεν έγκειται μόνο στα δεδομένα που επεξεργάζεται ή στις αποστολές που κατευθύνει αυτόνομα, αλλά στην ικανότητά της να αντιμετωπίζει τις πιο πιεστικές προκλήσεις της ανθρωπότητας, από την κλιματική αλλαγή έως τη διαχείριση των πόρων. Ξεκλειδώνουμε ένα μέλλον όπου η ανακάλυψη και η καινοτομία δεν γνωρίζουν όρια μέσω της συνεχούς συνεργασίας μεταξύ διαστημικών υπηρεσιών, ιδιωτικών εταιρειών και παγκόσμιων πρωτοβουλιών τεχνητής νοημοσύνης. Το ταξίδι που ακολουθεί υπόσχεται όχι μόνο να ωθήσει τα όρια της εξερεύνησης, αλλά να επαναπροσδιορίσει τη σχέση μας με το σύμπαν και, το πιο σημαντικό, να προστατεύσει καλύτερα τον πλανήτη μας.

Η επόμενη εποχή του διαστήματος και της τεχνητής νοημοσύνης δεν έχει να κάνει μόνο με το να φτάσουμε πιο μακριά – είναι να δημιουργήσουμε ένα μέλλον που είναι πιο βιώσιμο, διασυνδεδεμένο και εμπνευσμένο από τις απεριόριστες δυνατότητες της ανθρώπινης εφευρετικότητας.

Ενώ παλαιότερα κυβερνήσεις και κυβερνητικές υπηρεσίες όπως η Εθνική Υπηρεσία Αεροναυτικής και Διαστήματος (NASA) και η Ευρωπαϊκή Υπηρεσία Διαστήματος (ESA) είχαν το μονοπώλιο στην εξερεύνηση του διαστήματος, οι ιδιωτικές εταιρείες έχουν γίνει μεγάλοι παίκτες στην εξερεύνηση του διαστήματος. Αυτές οι εταιρείες περιλαμβάνουν τη SpaceX του Elon Musk, την Blue Origin του Jeff Bezos και παρόμοιες εταιρείες.

Χρησιμοποιώντας συστήματα και εργαλεία τεχνητής νοημοσύνης, αυτές οι ιδιωτικές εταιρείες μείωσαν γρήγορα το κόστος εκτόξευσης δορυφόρων. Αυτό το μειωμένο κόστος έχει ισοπεδώσει τον αγωνιστικό χώρο στο διάστημα και επέτρεψε περισσότερους παίκτες και ανταγωνισμό στην εξερεύνηση του διαστήματος.

Ο Έλον Μασκ με την SpaceX, έχει παίξει καθοριστικό ρόλο στην αναζωογόνηση της εξερεύνησης του διαστήματος. Μέσω καινοτόμων τεχνολογιών, όπως οι επαναχρησιμοποιούμενοι πύραυλοι και το πρόγραμμα Starship, η SpaceX μειώνει το κόστος των διαστημικών αποστολών και καθιστά δυνατή την αποίκιση άλλων πλανητών, όπως ο Άρης. Η τεχνολογία που αναπτύσσει η SpaceX δεν ενισχύει μόνο την εξερεύνηση του διαστήματος, αλλά προετοιμάζει την ανθρωπότητα για έναν μακροπρόθεσμο διαστημικό μέλλον.

Ο Έλον Μασκ εκτός από την SpaceX συνδέεται με την Τεχνητή Νοημοσύνη (AI) μέσω της Tesla, για την ανάπτυξη αυτόνομων οχημάτων που μπορούν να οδηγούνται χωρίς ανθρώπινη παρέμβαση. Στη Neuralink, μια άλλη εταιρεία του, εργάζεται πάνω σε τεχνολογίες που συνδέουν τον εγκέφαλο με υπολογιστές, χρησιμοποιώντας Τ.Ν. για τη βελτίωση της ανθρώπινης νευρολογίας. Παράλληλα, ο Μασκ έχει εκφράσει τις ανησυχίες του για τους κινδύνους που μπορεί να ενέχει η ανεξέλεγκτη ανάπτυξη της Τ.Ν., προτρέποντας για υπεύθυνη και ρυθμισμένη χρήση της.

Ο Ρόλος του Έλον Μασκ στην Εξερεύνηση του Διαστήματος

Ο Έλον Μασκ έχει διαδραματίσει καθοριστικό ρόλο στην εξερεύνηση του διαστήματος μέσω της ίδρυσης της SpaceX, μιας εταιρείας που έχει επαναστατήσει τις διαστημικές τεχνολογίες. Η SpaceX ανέπτυξε επαναχρησιμοποιούμενους πυραύλους όπως το Falcon 9, μειώνοντας σημαντικά το κόστος των διαστημικών αποστολών. Επιπλέον, το Starship, το νέο διαστημικό σκάφος της εταιρείας, προορίζεται για επανδρωμένες αποστολές στον Άρη και άλλους πλανήτες, με στόχο την αποίκιση του διαστήματος. Ο Μασκ οραματίζεται τη δημιουργία μιας ανθρώπινης αποικίας στον Άρη και εργάζεται για την ανάπτυξη των τεχνολογιών που θα κάνουν αυτό το όραμα πραγματικότητα, ανοίγοντας νέους ορίζοντες για την ανθρωπότητα.

Βιβλιογραφία

https://www.forbes.com/councils/forbestechcouncil/2024/11/05/the-future-of-space-and-ai-exploring-new-frontiers-and-transforming-earth/

https://blogs.esa.int/exploration/the-power-of-ai-in-space-exploration/

]]> https://schoolpress.sch.gr/7thstep/archives/740/feed 0 https://schoolpress.sch.gr/7thstep/archives/789 https://schoolpress.sch.gr/7thstep/archives/789#comments Tue, 24 Jun 2025 06:25:13 +0000 7ο ΓΥΜΝΑΣΙΟ ΠΕΡΙΣΤΕΡΙΟΥ http://schoolpress.sch.gr/7thstep/?p=789 [...]]]> Μέχρι πρόσφατα, η χρήση των λέξεων Τεχνητή Νοημοσύνη και Γεωργία στην ίδια πρόταση μπορεί να φαινόταν περίεργος συνδυασμός. Εξάλλου, η γεωργία υπήρξε η ραχοκοκαλιά του ανθρώπινου πολιτισμού για χιλιετίες, παρέχοντας τροφή και συμβάλλοντας στην οικονομική ανάπτυξη, ενώ ακόμη και η πιο πρωτόγονη τεχνητή νοημοσύνη εμφανίστηκε πριν από μερικές δεκαετίες. Ωστόσο, καινοτόμες ιδέες εισάγονται σε κάθε κλάδο και η γεωργία δεν αποτελεί εξαίρεση. Τα τελευταία χρόνια, ο κόσμος έχει γνωρίσει ραγδαίες εξελίξεις στη γεωργική τεχνολογία, φέρνοντας επανάσταση στις γεωργικές πρακτικές. Αυτές οι καινοτομίες γίνονται ολοένα και πιο ουσιαστικές καθώς παγκόσμιες προκλήσεις όπως η κλιματική αλλαγή, η αύξηση του πληθυσμού μαζί με τη σπανιότητα των πόρων απειλούν τη βιωσιμότητα του συστήματος τροφίμων μας. Η εισαγωγή της τεχνητής νοημοσύνης επιλύει πολλές προκλήσεις και συμβάλλει στη μείωση πολλών μειονεκτημάτων της παραδοσιακής γεωργίας.

Οι οργανισμοί στον αγροτικό τομέα χρησιμοποιούν δεδομένα για να αποκτήσουν γνώσεις για κάθε λεπτομέρεια της γεωργικής διαδικασίας, από την κατανόηση κάθε στρέμματος ενός χωραφιού έως την παρακολούθηση ολόκληρης της αλυσίδας εφοδιασμού προϊόντων και έως την βαθιά κατανόηση της παραγωγικής διαδικασίας. Οι αγρότες μπορούν να συγκεντρώσουν και στη συνέχεια να επεξεργαστούν περισσότερα δεδομένα σε λιγότερο χρόνο με την τεχνητή νοημοσύνη. Επιπλέον, η τεχνητή νοημοσύνη μπορεί να αναλύσει τη ζήτηση της αγοράς, να προβλέψει τις τιμές καθώς και να καθορίσει τους βέλτιστους χρόνους για σπορά και συγκομιδή.

Η τεχνητή νοημοσύνη στη γεωργία μπορεί να βοηθήσει στην αξιολόγηση της κατάστασης του εδάφους για τη συλλογή πληροφοριών, την παρακολούθηση των καιρικών συνθηκών και τη σύσταση της εφαρμογής λιπασμάτων και φυτοφαρμάκων. Το λογισμικό διαχείρισης αγροκτημάτων ενισχύει την παραγωγή μαζί με την κερδοφορία, επιτρέποντας στους αγρότες να λαμβάνουν καλύτερες αποφάσεις σε κάθε στάδιο της διαδικασίας καλλιέργειας των καλλιεργειών.

Η βελτίωση των αποδόσεων των αγροκτημάτων είναι σταθερός στόχος για τους αγρότες. Σε συνδυασμό με την τεχνητή νοημοσύνη, η γεωργία ακριβείας μπορεί να βοηθήσει τους αγρότες να καλλιεργήσουν περισσότερες εκτάσεις με λιγότερους πόρους. Η τεχνητή νοημοσύνη στη γεωργία συνδυάζει τις βέλτιστες πρακτικές διαχείρισης του εδάφους και τις πιο αποτελεσματικές πρακτικές διαχείρισης δεδομένων για τη μεγιστοποίηση των αποδόσεων και την ελαχιστοποίηση των δαπανών.

Η εφαρμογή της τεχνητής νοημοσύνης στη γεωργία παρέχει στους αγρότες πληροφορίες για τις καλλιέργειες σε πραγματικό χρόνο, βοηθώντας τους να προσδιορίσουν ποιες περιοχές χρειάζονται άρδευση, λίπανση ή επεξεργασία φυτοφαρμάκων. Καινοτόμες γεωργικές πρακτικές, όπως η κάθετη γεωργία, μπορούν επίσης να αυξήσουν την παραγωγή τροφίμων ελαχιστοποιώντας τη χρήση των πόρων. Με αποτέλεσμα μειωμένη χρήση ζιζανιοκτόνων, καλύτερη ποιότητα συγκομιδής, υψηλότερα κέρδη παράλληλα με σημαντική εξοικονόμηση κόστους.

Οι αγροτικές εργασίες είναι σκληρές, επομένως οι ελλείψεις εργατικού δυναμικού δεν είναι κάτι καινούργιο. Ευτυχώς, η αυτοματοποίηση παρέχει μια λύση χωρίς την ανάγκη πρόσληψης περισσότερων ανθρώπων. Αυτοματοποιημένα αγροτικά μηχανήματα, όπως τρακτέρ χωρίς οδηγό, έξυπνη άρδευση, συστήματα λίπανσης, γεωργικά drones, έξυπνος ψεκασμός, λογισμικό κάθετης καλλιέργειας και ρομπότ θερμοκηπίου με βάση την τεχνητή νοημοσύνη για συγκομιδή, είναι μερικά μόνο παραδείγματα. Σε σύγκριση με οποιονδήποτε εργαζόμενο σε φάρμα, τα εργαλεία που βασίζονται σε τεχνητή νοημοσύνη είναι πολύ πιο αποτελεσματικά και ακριβή.

Η παραδοσιακή γεωργία περιλαμβάνει διάφορες χειρωνακτικές διαδικασίες. Η εφαρμογή μοντέλων Τ.Ν. μπορεί να έχει πολλά πλεονεκτήματα από αυτή την άποψη. Η τεχνητή νοημοσύνη μπορεί να συλλέγει και να επεξεργάζεται μεγάλα δεδομένα, ενώ καθορίζει και ξεκινά την καλύτερη πορεία δράσης. Ακολουθούν ορισμένες συνήθεις περιπτώσεις χρήσης της τεχνητής νοημοσύνης στη γεωργία:

Βελτιστοποίηση αυτοματοποιημένων συστημάτων άρδευσης

Οι αλγόριθμοι AI επιτρέπουν την αυτόνομη διαχείριση καλλιεργειών. Όταν συνδυάζονται με αισθητήρες IoT (Internet of Things) που παρακολουθούν τα επίπεδα υγρασίας του εδάφους και τις καιρικές συνθήκες, οι αλγόριθμοι μπορούν να αποφασίσουν σε πραγματικό χρόνο πόσο νερό θα παρέχουν στις καλλιέργειες. Ένα αυτόνομο σύστημα άρδευσης καλλιεργειών έχει σχεδιαστεί για την εξοικονόμηση νερού ενώ παράλληλα προωθεί τη βιώσιμη γεωργία και τις γεωργικές πρακτικές. Η τεχνητή νοημοσύνη σε έξυπνα θερμοκήπια βελτιστοποιεί την ανάπτυξη των φυτών προσαρμόζοντας αυτόματα τη θερμοκρασία, την υγρασία και τα επίπεδα φωτός με βάση δεδομένα σε πραγματικό χρόνο.

Η τεχνητή νοημοσύνη παίζει καθοριστικό ρόλο στην ανίχνευση διαρροών στα συστήματα άρδευσης. Αναλύοντας δεδομένα, οι αλγόριθμοι μπορούν να εντοπίσουν μοτίβα και ανωμαλίες που υποδεικνύουν πιθανές διαρροές. Τα μοντέλα μηχανικής μάθησης (ML) μπορούν να εκπαιδευτούν ώστε να αναγνωρίζουν συγκεκριμένες μορφές διαρροών, όπως αλλαγές στη ροή ή την πίεση του νερού. Η παρακολούθηση και η ανάλυση σε πραγματικό χρόνο επιτρέπουν την έγκαιρη ανίχνευση, αποτρέποντας τη σπατάλη νερού μαζί με πιθανές ζημιές στις καλλιέργειες.

Η τεχνητή νοημοσύνη ενσωματώνει επίσης καιρικά δεδομένα παράλληλα με τις απαιτήσεις σε νερό των καλλιεργειών για τον εντοπισμό περιοχών με υπερβολική χρήση νερού. Με την αυτοματοποίηση της ανίχνευσης διαρροών και την παροχή ειδοποιήσεων, η τεχνολογία AI βελτιώνει την αποδοτικότητα του νερού βοηθώντας τους αγρότες να εξοικονομούν πόρους.

Παρακολούθηση καλλιέργειας και εδάφους

Ο λάθος συνδυασμός θρεπτικών συστατικών στο έδαφος μπορεί να επηρεάσει σοβαρά την υγεία και την ανάπτυξη των καλλιεργειών. Ο εντοπισμός αυτών των θρεπτικών συστατικών και ο προσδιορισμός των επιπτώσεών τους στην απόδοση των καλλιεργειών με τεχνητή νοημοσύνη επιτρέπει στους αγρότες να κάνουν εύκολα τις απαραίτητες προσαρμογές.

Ενώ η ανθρώπινη παρατήρηση είναι περιορισμένη στην ακρίβειά της, τα μοντέλα υπολογιστικής όρασης μπορούν να παρακολουθούν τις συνθήκες του εδάφους για τη συλλογή ακριβών δεδομένων που είναι απαραίτητα για την καταπολέμηση ασθενειών των καλλιεργειών. Αυτά τα δεδομένα χρησιμοποιούνται στη συνέχεια για τον προσδιορισμό της υγείας των καλλιεργειών, την πρόβλεψη των αποδόσεων και την επισήμανση τυχόν συγκεκριμένων ζητημάτων. Στα φυτά ξεκινούν συστήματα τεχνητής νοημοσύνης μέσω αισθητήρων που ανιχνεύουν τις συνθήκες ανάπτυξής τους, ενεργοποιώντας αυτοματοποιημένες προσαρμογές στο περιβάλλον.

Εκτός από την ανίχνευση της ποιότητας του εδάφους και της ανάπτυξης των καλλιεργειών, η όραση υπολογιστή μπορεί να ανιχνεύσει την παρουσία παρασίτων ή ασθενειών. Αυτό λειτουργεί με τη χρήση τεχνητής νοημοσύνης σε έργα γεωργίας για τη σάρωση εικόνων για την εύρεση μούχλας, σήψης, εντόμων ή άλλων απειλών για την υγεία των καλλιεργειών. Σε συνδυασμό με συστήματα προειδοποίησης, αυτό βοηθά τους αγρότες να ενεργούν γρήγορα προκειμένου να εξοντώσουν τα παράσιτα ή να απομονώσουν τις καλλιέργειες για να αποτρέψουν την εξάπλωση ασθενειών.

Η τεχνολογία AI στη γεωργία έχει χρησιμοποιηθεί για την ανίχνευση της μαύρης σήψης του μήλου με ακρίβεια άνω του 90%. Μπορεί επίσης να αναγνωρίσει έντομα όπως μύγες, μέλισσες, σκώρους κ.λπ., με τον ίδιο βαθμό ακρίβειας. Ωστόσο, οι ερευνητές έπρεπε πρώτα να συλλέξουν εικόνες αυτών των εντόμων για να έχουν το απαραίτητο μέγεθος του συνόλου δεδομένων εκπαίδευσης για να εκπαιδεύσουν τον αλγόριθμο.

Μέχρι τώρα, οι αγρότες γνωρίζουν καλά ότι η εφαρμογή φυτοφαρμάκων είναι ώριμη για βελτιστοποίηση. Δυστυχώς, τόσο οι μη αυτόματες όσο και οι αυτοματοποιημένες διαδικασίες εφαρμογής έχουν αξιοσημείωτους περιορισμούς. Η χειροκίνητη εφαρμογή φυτοφαρμάκων προσφέρει αυξημένη ακρίβεια στη στόχευση συγκεκριμένων περιοχών, αν και μπορεί να είναι αργή και δύσκολη δουλειά. Ο αυτοματοποιημένος ψεκασμός φυτοφαρμάκων είναι ταχύτερος και λιγότερο εντατικός, αλλά συχνά στερείται ακρίβειας που οδηγεί σε μόλυνση του περιβάλλοντος.

Τα drones που λειτουργούν με τεχνητή νοημοσύνη παρέχουν τα καλύτερα πλεονεκτήματα κάθε προσέγγισης, αποφεύγοντας τα μειονεκτήματά τους. Τα drones χρησιμοποιούν όραση υπολογιστή για να καθορίσουν την ποσότητα φυτοφαρμάκου που θα ψεκαστεί σε κάθε περιοχή. Ενώ είναι ακόμη στα πρώτα στάδια εφαρμογής, αυτή η τεχνολογία γίνεται ταχύτατα πιο ακριβής.

Η τεχνητή νοημοσύνη σε συνδυασμό με αυτόνομα τρακτέρ και IoT βοηθά στην επίλυση του κοινού προβλήματος της έλλειψης εργατικού δυναμικού. Η ρομποτική είναι επίσης σημαντική — τα γεωργικά ρομπότ χρησιμοποιούνται ήδη για χειρωνακτικές εργασίες όπως η συλλογή προϊόντων. Τα ρομπότ είναι πιο πλεονεκτήματα για λόγους αγροτικής εργασίας λόγω της ικανότητάς τους να εργάζονται περισσότερες ώρες, της ενισχυμένης ακρίβειας εκτός από τη μειωμένη ευαισθησία σε σφάλματα.

Η επιτυχία της ανθρώπινης κοινωνίας εξαρτάται ουσιαστικά από τη βελτιστοποίηση των γεωργικών της συστημάτων. Οι παραδοσιακές μέθοδοι καλλιέργειας γίνονται απαρχαιωμένες, χρειάζονται προηγμένες τεχνολογικές λύσεις. Σε παγκόσμιο επίπεδο, ο αντίκτυπος της αυτοματοποίησης στις βιομηχανίες ήταν πάντα σημαντικός. Η ψηφιακή τεχνολογία παίζει πλέον τεράστιο ρόλο στον μετασχηματισμό της γεωργίας και ο αντίκτυπος της τεχνητής νοημοσύνης στη γεωργία αναμένεται να είναι τεράστιος.

Βιβλιογραφία

https://mondo.com/insights/agricultural-revolution-role-of-ai/

https://intellias.com/artificial-intelligence-in-agriculture/

https://www.n-ix.com/ai-in-agriculture/

]]> https://schoolpress.sch.gr/7thstep/archives/789/feed 0 https://schoolpress.sch.gr/7thstep/archives/571 https://schoolpress.sch.gr/7thstep/archives/571#comments Sun, 26 May 2024 17:53:04 +0000 7ο ΓΥΜΝΑΣΙΟ ΠΕΡΙΣΤΕΡΙΟΥ http://schoolpress.sch.gr/7thstep/?p=571 [...]]]> Ο όρος κλιματική κρίση αναφέρεται στην επιτάχυνση, λόγω ανθρώπινων δραστηριοτήτων, της αλλαγής του παγκοσμίου κλίματος και, κυρίως, στις αλλαγές των καιρικών φαινομένων και συνθηκών.

Η κλιματική αλλαγή συνδέεται άμεσα με την διαταραχή του φαινομένου του θερμοκηπίου, παράγοντες οι οποίοι αποτελούν σύμφωνα με επιστήμονες, τους δυο μεγαλύτερους κινδύνους για την ύπαρξη ανθρώπινης ζωής στο πλανήτη. Ακόμα, σύμφωνα με τον Ο.Η.Ε, αν συνεχιστεί έτσι η εξέλιξη αυτών των φαινομένων μέσα σε δέκα χρόνια ο τραυματισμός που θα έχει δεχτεί ο πλανήτης μας θα είναι μη αναστρέψιμος, και σε αυτήν την περίπτωση θα γίνεται λόγος για κλιματική κατάρρευση, σύμφωνα με την ομιλία του Γενικού Γραμματέα των Ηνωμένων Εθνών Αντόνιο Γκουτιέρες.

Το φαινόμενο αυτό προκαλείται από το πλεόνασμα των αερίων του θερμοκηπίου στην ατμόσφαιρα. Τα αέρια αυτά είναι το διοξείδιο του άνθρακα, το μεθάνιο και το οξείδιο του αζώτου.  Οι ανθρώπινες δραστηριότητες που παράγουν σε μεγάλη ποσότητα το πλεόνασμα αυτών των βλαβερών για τον πλανήτη μας αερίων, είναι η χρήση ορυκτών καυσίμων, η αποψίλωση ομβρόφυλων δασών και η κτηνοτροφία.

Δυστυχώς, η κλιματική κρίση δεν επηρεάζει μονάχα την ποιότητα ζωής των ανθρώπων αλλά και την πανίδα και την χλωρίδα του πλανήτη. Η αύξηση της στάθμης της θάλασσας εξαιτίας του λιώσιμου των πάγων, οι απότομες ξηρασίες αλλά και οι βίαιες πλημμύρες, μειώνουν δραστικά τις πιθανότητες επιβίωσης πολλών ζωών και φυτών. Η Δ.Ε.Δ.Φ. (Διεθνής Ένωση για την Διατήρηση της Φύσης) έχει καταλήξει στο συμπέρασμα ότι αυτή τη στιγμή 10,967 ειδή ζωών και φυτών βρίσκονται υπό τον κίνδυνο εξαφάνισης, εξαιτίας του φαινομένου, με τον αριθμό να αυξάνεται συνεχώς.

Η μόνη επιλογή για να σωθεί ο πλανήτης μας είναι η άμεση προσαρμογή των οικονομιών των κρατών της οικουμένης σε ανανεώσιμες πήγες ενέργειας και απομάκρυνση τους από τα ορυκτά καύσιμα και άνθρακες.

Το 2022, η κατανάλωση ηλεκτρικής ενέργειας στην ΕΕ προήλθε κατά 41% από ανανεώσιμες πηγές ενέργειας, σύμφωνα με στοιχεία της Εurostat που δόθηκαν τη δημοσιότητα.

Στην Ελλάδα, το ποσοστό των ανανεώσιμων πηγών στην κατανάλωση ηλεκτρικής ενέργειας το 2022, ξεπέρασε τον ευρωπαϊκό μέσο όρο, περίπου στο 43%.

Η ηλεκτρική ενέργεια από ανανεώσιμες πηγές ενέργειας κυριαρχεί στη Σουηδία, όπου το ποσοστό της το 2022 έφτασε το 83,3% (κυρίως υδροηλεκτρικές και αιολικές).

Ακολουθούν η Δανία (77,2%, κυρίως αιολική) και η Αυστρία (74,7%, κυρίως υδροηλεκτρική). Ποσοστά άνω του 50% καταγράφηκαν επίσης στην Πορτογαλία (61%), στην Κροατία (55,5%), στη Λετονία (53,3%) και στην Ισπανία (50,9%).

Στην άλλη άκρη της κλίμακας, τα χαμηλότερα ποσοστά ηλεκτρικής ενέργειας από ανανεώσιμες πηγές αναφέρθηκαν στη Μάλτα (10,1%), στην Ουγγαρία (15,3%), στην Τσεχία (15,5%) και στο Λουξεμβούργο (15,9%).

Ένα χρόνο πριν, το 2021, η κατανάλωση ηλεκτρικής ενέργειας από ανανεώσιμες πηγές ήταν στο 37,8%. Συνολικά, οι ανανεώσιμες πηγές ενέργειας αυξήθηκαν κατά 5,7% από το 2021 έως το 2022.

Η αιολική και η υδροηλεκτρική ενέργεια αντιπροσώπευαν πάνω από τα δύο τρίτα της συνολικής ηλεκτρικής ενέργειας που παράγεται από ανανεώσιμες πηγές (37,5% και 29,9%, αντίστοιχα). Το υπόλοιπο ένα τρίτο της ηλεκτρικής ενέργειας προερχόταν από ηλιακή ενέργεια (18,2%), στερεά βιοκαύσιμα (6,9%) και άλλες ανανεώσιμες πηγές (7,5%). Η ηλιακή ενέργεια είναι η ταχύτερα αναπτυσσόμενη πηγή: το 2008 αντιπροσώπευε μόνο το 1% της ηλεκτρικής ενέργειας που καταναλώθηκε στην ΕΕ.

To 2023 για πρώτη φορά, η συνεισφορά των ανανεώσιμων πηγών στην παραγωγή ηλεκτρικής ενέργειας, στο παγκόσμιο ενεργειακό μείγμα, ξεπέρασε το επίπεδο του 30%, τονίζει έκθεση του κέντρου έρευνας για ενεργειακά θέματα Ember.

Το ποσοστό της «καθαρής» ενέργειας θα ήταν ακόμη υψηλότερο αν η υδροηλεκτρική παραγωγή δεν είχε υποχωρήσει στο χαμηλότερο επίπεδο της τελευταίας πενταετίας, εξαιτίας ξηρασιών, ιδίως στην Κίνα.

Οι φωτοβολταϊκές και αιολικές εγκαταστάσεις συνεισέφεραν το 13,4% του ηλεκτρισμού που παρήχθη διεθνώς και το υπόλοιπο ποσοστό της «καθαρής» ενέργειας προήλθε από άλλες ανανεώσιμες πηγές, ιδίως υδροηλεκτρικές μονάδες. Το ποσοστό της ενέργειας από καθαρές πηγές στο μείγμα δεν ξεπερνούσε το 2% το 2010.

Για το Ember, με την αύξηση αυτή ενδέχεται, «πιθανόν από φέτος», να μειωθεί δραστικά την παραγωγή ενέργειας με την καύση ορυκτών καυσίμων.

«Η μείωση των εκπομπών του ενεργειακού τομέα είναι πλέον αναπόφευκτη», σημείωσε ο Ντέιβ Τζόουνς, ειδικός της Ember, κατά τον οποίο «το 2023 ίσως ήταν (…) σημείο καμπής στην ιστορία» της παραγωγής ηλεκτρισμού.

Ωστόσο «ο ρυθμός μείωσης των εκπομπών θα εξαρτηθεί από την ταχύτητα με την οποία θα συνεχιστεί η επανάσταση των ανανεώσιμων πηγών ενέργειας», πρόσθεσε.

Τα κράτη δεσμεύτηκαν στη σύνοδο του ΟΗΕ για το κλίμα στα τέλη του 2023, την COP28, να δράσουν για να τριπλασιαστεί το παγκόσμιο παραγωγικό δυναμικό από τις ανανεώσιμες πηγές ενέργειας ως το 2030. Αυτό θα επέτρεπε η συνεισφορά ανανεώσιμων πηγών στο παγκόσμιο ενεργειακό μείγμα να φθάσει το 60%, τονίζει το Ember.

Ευελπιστώ πως αν τα καταλληλά μετρά παρθούν απευθείας, αν η προσωπική αγνοία υποχωρήσει και αν η απληστία των μεγαλοεταιριών κάνουν ένα βήμα πίσω, τότε υπάρχει χρόνος να σταματήσουμε αυτό  το καταστροφικό φαινόμενο και να κάνουμε το σημαντικό και μεγάλο βήμα  για την διάσωση της γης.

Τα διαστημικά σκουπίδια, περιλαμβάνουν μια μεγάλη ποικιλία αντικειμένων που βρίσκονται σε τροχιά γύρω από τη Γη και δεν εξυπηρετούν πλέον κανένα σκοπό, όπως:

• Δορυφόροι εκτός λειτουργίας
• στάδια πυραύλων που έχουν παραμείνει σε τροχιά μετά την εκτόξευση
• Θραύσματα από συγκρούσεις ή εκρήξεις δορυφόρων
• Κομμάτια βαφής και στερεοποιημένα υγρά από διαστημόπλοια
• Μη λειτουργικά διαστημόπλοια

  Το θέμα των διαστημικών σκουπιδιών γίνεται όλο και πιο σημαντικό καθώς ο αριθμός τους αυξάνεται συνεχώς (2-5% αύξηση ετησίως). Τα συντρίμμια αυτά ταξιδεύουν με πολύ υψηλές ταχύτητες, συχνά πάνω από 28.000 km/h (σχεδόν 10 φορές γρηγορότερα από την ταχύτητα μιας σφαίρας) πράγμα που σημαίνει ότι ακόμη και μικρά κομμάτια μπορούν να καταστρέψουν ενεργούς δορυφόρους και διαστημόπλοια. Αυτή η κατάσταση ενέχει σημαντικό κίνδυνο για τις διαστημικές αποστολές, συμπεριλαμβανομένων εκείνων που αφορούν ανθρώπους, όπως ο Διεθνής Διαστημικός Σταθμός.

Βλάβη αλουμινίου μετά από σύγκρουση με ένα κομμάτι πλαστικού14g με ταχύτητα 24.000 km/h

 Γιατι αποτελούν μεγάλη απειλή για την ανθρωπότητα;

Το ζήτημα των διαστημικών σκουπιδιών, που πιθανώς να μας παγιδεύσουν στη Γη, είναι μια αυξανόμενη ανησυχία. Αυτή η δραματική αύξηση ξεκίνησε στην αρχή της διαστημικής εποχής το 1957 με την εκτόξευση του Sputnik 1. Το πλήθος των καταγεγραμμένων σκουπιδιών είναι τώρα πάνω από 30.000, με τον πραγματικό αριθμό αντικειμένων που είναι μεγαλύτερα από 1cm να ξεπερνά το ένα εκατομμύριο. Η αυξανόμενη ποσότητα διαστημικών σκουπιδιών αυξάνει τον κίνδυνο συγκρούσεων, που θα μπορούσε να οδηγήσει στο Σύνδρομο Kessler, ένα σενάριο όπου η πυκνότητα των συντριμμιών κάνει την εξερεύνηση του διαστήματος και τις εκτοξεύσεις δορυφόρων ιδιαίτερα επικίνδυνες ή και αδύνατες. Αυτή η εξελισσόμενη κατάσταση απαιτεί επείγουσα και αποτελεσματική διαχείριση των σκουπιδιών για να αποτραπεί η παγίδευση στη Γη.

Αν και τα περισσότερα συντρίμμια καίγονται στην ατμόσφαιρα, μεγαλύτερα αντικείμενα συντριμμιών μπορούν να φτάσουν άθικτα στο έδαφος. Σύμφωνα με τη NASA, κατά μέσο όρο ένα καταγεγραμμένο κομμάτι συντριμμιών έπεφτε πίσω στη Γη κάθε μέρα τα τελευταία 50 χρόνια. Παρά το μέγεθός τους, δεν έχουν σημειωθεί σημαντικές υλικές ζημιές από τα συντρίμμια. Η καύση στην ατμόσφαιρα μπορεί επίσης να συμβάλει στην ατμοσφαιρική ρύπανση. Έχουν βρεθεί πολυάριθμες μικρές κυλινδρικές δεξαμενές από διαστημικά αντικείμενα, σχεδιασμένες να συγκρατούν καύσιμα ή αέρια.

Αν και τα πιο μικρά κομμάτια των διαστημικών σκουπιδιών καίγονται και καταστρέφονται, λόγο της υψηλής ταχύτητας που αναπτύσσουν, κατά την είσοδό τους στην ατμόσφαιρα της Γης, μεγαλύτερα κομμάτια μπορούν να φτάσουν άθικτα στην επιφάνεια του πλανήτη. Σύμφωνα με τη NASA, κατά μέσο όρο, ένα καταγεγραμμένο κομμάτι συντριμμιού έπεφτε πίσω στη Γη κάθε μέρα τα τελευταία 50 χρόνια. Παρόλα αυτά, δεν έχουν καταγραφεί σοβαρές υλικές ζημιές λόγω αυτών των πτώσεων. Επιπλέον, η διαδικασία της καύσης των διαστημικών συντριμμιών στην ατμόσφαιρα, μπορεί να συμβάλει στην ατμοσφαιρική ρύπανση

“Ας εξετάσουμε τώρα πώς μπορούμε να αποτρέψουμε αυτές τις εξελίξεις για να μην παγιδευτούμε μέσα στον ίδιο μας τον πλανήτη”

 Πως μπορούμε να αντιμετωπίσουμε το πρόβλημα των διαστημικών σκουπιδιών;

 Α.  Μετριασμός Ανάπτυξης

Η μετρίαση της αύξησης των διαστημικών σκουπιδιών αφορά στη μείωση των νέων σκουπιδιών που παράγονται και την υπεύθυνη απόρριψη των υπαρχόντων διαστημικών σκουπιδιών. Οι τεχνικές προσεγγίσεις περιλαμβάνουν την σταθεροποίηση των διαστημοπλοίων ώστε να γίνουν αδρανή στο τέλος της ζωής τους, τη σχεδίαση αποστολών που εξασφαλίζουν μια γρήγορη επανείσοδο ή την κίνηση προς τροχιές απομακρυσμένες απο λειτουργικούς δορυφόρους, και τη χρήση των ανώτερων σταδίων των πυραύλων για σκόπιμη αποβολή μετά την ολοκλήρωση της αποστολής τους.

 Β.  Αυτοαφαίρεση

Η αυτοαπομάκρυνση περιλαμβάνει τους χειριστές δορυφόρων να αναλάβουν  την ευθύνη για τη  μείωση των διαστημοπλοίων και των υπολλειμμάτων  των πυραύλων τους. Μια κοινή πρακτική για τους γεωστατικούς δορυφόρους είναι η μεταφορά τους σε περιοχές απομακρυσμένες από λειτουργικούς δορυφόρους στο τέλος της λειτουργικής τους ζωής. Ωστόσο, αυτή η πρακτική δεν εξαλείφει τον κίνδυνο, καθώς απλά μετακινεί τα σκουπίδια σε μια λιγότερο πολυσύχναστη αλλά εξίσου ζωτική τροχιά.

Ορισμένοι χειριστές δορυφόρων, όπως η Iridium, έχουν δείξει υπεύθυνη συμπεριφορά αποβάλλοντας ενεργά τους αδρανείς δορυφόρους τους. Ωστόσο ενώ οι πρακτικές αυτοαπομάκρυνσης είναι βήμα προς τη σωστή κατεύθυνση, απαιτούν αυστηρή εφαρμογή και παρακολούθηση για να είναι αποτελεσματικές και πρέπει να είναι μέρος μιας ευρύτερης, συντονισμένης στρατηγικής διαχείρισης των σκουπιδιών. Ομοίως, η Astroscale είναι μια πρωτοποριακή εταιρεία που επικεντρώνεται στις τεχνολογίες απομάκρυνσης συντριμμιών, με στόχο την ασφαλή μακροπρόθεσμη διαστημική βιωσιμότητα. Οι πρωτοβουλίες της Astroscale περιλαμβάνουν την ανάπτυξη διαστημικών σκαφών σχεδιασμένων για την ασφαλή απομάκρυνση αδρανών δορυφόρων και συντριμμιών, δίνοντας έμφαση στον κρίσιμο ρόλο της καινοτομίας του ιδιωτικού τομέα στην αντιμετώπιση των διαστημικών περιβαλλοντικών προκλήσεων.

 Γ.   Εξωτερική αφαίρεση και ADR (Active Debris Removal)

Η εξωτερική αφαίρεση περιλαμβάνει την ενεργή αφαίρεση των συντριμμιών από την τροχιά χρησιμοποιώντας άλλα διαστημόπλοια ή τεχνολογίες. Αυτό περιλαμβάνει ιδέες όπως η ανάπτυξη διχτυών, ή ρομποτικών βραχιόνων για τη σύλληψη συντριμμιών και την πτώση τους για να καούν στην ατμόσφαιρα της Γης ή να τα σύρουν σε μια λιγότερο προβληματική τροχιά. Αυτές οι τεχνικές εξακολουθούν να είναι σε μεγάλο βαθμό θεωρητικές και θέτουν σημαντικές τεχνολογικές, νομικές και οικονομικές προκλήσεις. Τα νομικά ζητήματα σχετικά με την απομάκρυνση συντριμμιών είναι ιδιαίτερα περίπλοκα, καθώς αφορούν ζητήματα ιδιοκτησίας και υπευθυνότητας, ενώ το κόστος που σχετίζεται με τις αποστολές ενεργής αφαίρεσης συντριμμιών είναι σημαντικό.

 Πηγές

https://www.cbc.ca/news/science/space-junk-by-the-numbers-1.802339

https://www.esa.int/Space_Safety/Space_Debris/Space_debris_by_the_numbers

https://en.wikipedia.org/wiki/Space_debris

https://www.nasa.gov/headquarters/library/find/bibliographies/space-debris/

https://www.mckinsey.com/featured-insights/mckinsey-explainers/what-is-space-junk

 Θετικά:

1.  Προσβασιμότητα: Τα ελληνικά δίκτυα δημόσιων συγκοινωνιών είναι ευρέως διαδεδομένα, συνδέοντας αστικά κέντρα, αγροτικές περιοχές και νησιά. Αυτή η προσβασιμότητα διασφαλίζει ότι άτομα από διάφορες περιοχές μπορούν να έχουν πρόσβαση σε βασικές υπηρεσίες, ευκαιρίες απασχόλησης και δραστηριότητες αναψυχής.
2.  Οικονομικά: Σε σύγκριση με την ιδιοκτησία και τη συντήρηση ενός ιδιωτικού οχήματος, η χρήση των μέσων μαζικής μεταφοράς στην Ελλάδα μπορεί να είναι σημαντικά φθηνότερη. Τόσο για τους κατοίκους όσο και για τους τουρίστες, προσφέρει ένα οικονομικό μέσο μετακίνησης, ειδικά σε αστικές περιοχές όπου τα τέλη στάθμευσης και τα τέλη κυκλοφοριακής συμφόρησης μπορεί να είναι υψηλά.
3. Φιλικά προς το περιβάλλον: Οι δημόσιες συγκοινωνίες συμβάλλουν στη μείωση των εκπομπών διοξειδίου του άνθρακα, απομακρύνοντας πολλά οχήματα από το δρόμο, μειώνοντας έτσι την ατμοσφαιρική ρύπανση και μετριάζοντας τις περιβαλλοντικές επιπτώσεις των μεταφορών. Σε μια χώρα όπως η Ελλάδα, όπου η φυσική ομορφιά είναι άφθονη, η διατήρηση του περιβάλλοντος είναι ζωτικής σημασίας για τον βιώσιμο τουρισμό.
4. Τηλεματική Το έργο της Τηλεματικής αφορά ένα σύστημα διαχείρισης στόλου και πληροφόρησης επιβατών για επίγεια μέσα μεταφοράς (λεωφορεία και τρόλεϊ) με στόχο τη βελτιστοποίηση της απόδοσης και της ποιότητας του παρεχόμενου συγκοινωνιακού έργου. Στο σύστημα της τηλεματικής, έχουν ενταχθεί όλες οι λεωφορειακές γραμμές, παρέχεται η δυνατότητα απεικόνισης τους στις «έξυπνες» στάσεις, ενώ έχει τεθεί σε εφαρμογή και η υπηρεσία ενημέρωσης των χρηστών των αστικών συγκοινωνιών μέσω έξυπνων συσκευών (κινητά τηλέφωνα, τάμπλετ, ηλεκτρονικοί υπολογιστές) δίνοντας την ευκαιρία για εύκολη και έγκαιρη ενημέρωση των στοιχείων κάθε δρομολογίου.
5. Δεδομένα Τηλεματικής Στο πλαίσιο λειτουργίας του έργου της Τηλεματικής και για τις ανάγκες της εποπτείας του συγκοινωνιακού έργου των οδικών μέσων και της υποστήριξης των διεργασιών του ΟΑΣΑ, διενεργείται τακτική εξαγωγή αρχείων περιγραφής του συγκοινωνιακού δικτύου και των αναλυτικών προγραμματισμένων δρομολογίων ανά γραμμή και στάση υπό δεδομένο μορφότυπο κατά το διεθνές πρότυπο General Transit File Specification. Επιπλέον τα επιχειρησιακά δεδομένα που περιγράφουν τα γεγονότα κίνησης όλων των οχημάτων διασυνδέονται ψηφιακά με τα αντίστοιχα δεδομένα επικυρώσεων του συστήματος Ηλεκτρονικού Εισιτηρίου προκειμένου να προκύπτουν χρήσιμες ενδείξεις για το βαθμό πληρότητας των οχημάτων κατά τις ώρες αιχμής. Η εφαρμογή χρησιμοποιείται για την λήψη αποφάσεων ενίσχυσης συγκεκριμένων γραμμών με γνώμονα τα δεδομένα ζήτησης και σκοπό την αποφυγή έντονου συνωστισμού.

Αρνητικά:

1.  Αξιοπιστία και ακρίβεια: Μία από τις σημαντικές προκλήσεις που αντιμετωπίζει η ελληνική δημόσια συγκοινωνία είναι η αξιοπιστία και η ακρίβεια τους. Οι καθυστερήσεις είναι συχνές, ιδιαίτερα κατά τις ώρες αιχμής ή λόγω απρόβλεπτων συνθηκών, όπως απεργίες ή ζητήματα υποδομής. Αυτή η ασυνέπεια μπορεί να ενοχλήσει τους επιβάτες και να υπονομεύσει την εμπιστοσύνη τους στο σύστημα.
2. Υποδομή και συντήρηση: Ενώ μεγάλες πόλεις όπως η Αθήνα και η Θεσσαλονίκη διαθέτουν σχετικά ανεπτυγμένες υποδομές δημόσιων μεταφορών, οι αγροτικές περιοχές και ορισμένα νησιά μπορεί να έχουν περιορισμένα ή ξεπερασμένα συστήματα. Η ανεπαρκής συντήρηση και οι επενδύσεις σε υποδομές μπορεί να οδηγήσουν σε βλάβες, διακοπές υπηρεσιών και γενική δυσαρέσκεια μεταξύ των επιβατών.
3.  Ανησυχίες για την ασφάλεια: Η ασφάλεια αποτελεί πρωταρχικό μέλημα για τους χρήστες των μέσων μαζικής μεταφοράς. Ενώ τα περιστατικά είναι σχετικά σπάνια, ο συνωστισμός, τα κακοσυντηρημένα οχήματα και τα ανεπαρκή μέτρα ασφαλείας μπορεί να θέτουν κινδύνους για τους επιβάτες, ιδιαίτερα κατά τις περιόδους με κίνηση ή αργά τη νύχτα.
4.  Περιορισμένη συνδεσιμότητα: Παρά το εκτεταμένο δίκτυο, υπάρχουν κενά στη συνδεσιμότητα, ειδικά σε απομακρυσμένες περιοχές ή μικρότερα νησιά. Αυτή η έλλειψη ολοκλήρωσης μεταξύ των διαφορετικών τρόπων μεταφοράς μπορεί να κάνει το ταξίδι δύσκολο, απαιτώντας πολλαπλές μεταφορές ή εξάρτηση από εναλλακτικά μέσα μεταφοράς.

ΣΤΟΧΟΙ 2023

Κυριότερος στόχος για το 2023 είναι η έγκυρη ενημέρωση των επιβατών σε ακόμα ψηλότερο επίπεδο με συνέχεια και συνέπεια . Πιο συγκεκριμένα, με την ανάθεση της σύμβασης «Τεχνική Βοήθεια για την Επέκταση του Συστήματος Τηλεματικής» ξεκίνησε η εκπόνηση των συμβουλευτικών υπηρεσιών και η σύνταξη των προβλεπόμενων παραδοτέων για την αύξηση των διαθέσιμων σημείων πληροφόρησης πραγματικού χρόνου επιβατών, μέσω εγκατάστασης υποδομής τηλεματικής (νέες «έξυπνες στάσεις»). Επιπλέον, όπως κάθε έτος και με στόχο την ορθή λειτουργία τους συστήματος της Τηλεματικής και την παροχή βέλτιστης πληροφόρησης στο επιβατικό κοινό, θα διενεργηθεί πρόγραμμα εξειδικευμένης εκπαίδευσης των χειριστών του Κέντρου Διαχείρισης Οχημάτων της Ο.Σ.Υ. με γνώμονα τις τρέχουσες εξελίξεις στο σύστημα της Τηλεματικής, αναφορικά με την πλήρη λειτουργική ενσωμάτωση των δεδομένων δρομολόγησης των μέσων (υπό τις τρέχουσες επιχειρησιακές συνθήκες) στα συστήματα Πληροφόρησης Επιβατών σε Πραγματικό Χρόνο (Ημερήσιος Προγραμματισμός).

Ειδικότερα η επικοινωνιακή πολιτική και η πληροφόρηση του επιβατικού κοινού θα στοχεύσει σε:

✓ Aναβάθμιση της ποιότητας των παρεχόμενων υπηρεσιών ενημέρωσης με έμφαση στην επιβατοκεντρική προσέγγιση

✓ Προώθηση χρήσης ΜΜΜ (προωθητικές ενέργειες, ενημερωτικές και επικοινωνιακές καμπάνιες)

✓ Υλοποίηση δράσεων που προάγουν την εταιρική εικόνα του ΟΑΣΑ & την ισχυροποίηση του brand name του και κατάρτιση στρατηγικών συμμαχιών και συνεργειών

✓ Προώθηση δράσεων κοινωνικής ευαισθησίας

Μεταφορά ατόμων με αναπηρία

Ένα πολύ σημαντικό ζήτημα που θα πρέπει να απασχολεί κάθε σύγχρονη κοινωνία είναι αυτό της μεταφοράς των ατόμων με ειδικές ανάγκες (ΑΜΕΑ). Το πρόβλημα της μετακίνησης μεταφοράς των ατόμων αυτών στις σύγχρονες πόλεις παραμένει έντονο, με αρνητικές συνέπειες στην ποιότητα ζωής, λόγω της μη ικανοποιητικής προσβασιμότητας στα Μέσα Μαζικής Μεταφοράς. Τα άτομα αυτά, λόγω κάποιας προσωπικής αιτίας ιδιαιτερότητας ή καταστάσεως (νόσος, πάθηση, βλάβη, εγκυμοσύνη, μεταφορά αντικειμένων κλπ.) ή λόγω διαφόρων φραγμών και εμποδίων που εγείρονται στο κάθε είδους περιβάλλον εμποδίζονται από την δυνατότητά τους για πρόσβαση σε διάφορους χώρους και στα ΜΜΜ (Βλαστός, 1997):

• Τα εμποδιζόμενα άτομα, βάσει οδηγιών σχεδιασμού του ΥΠΕΧΩΔΕ είναι 42.5% του ελληνικού πληθυσμού. Συγκεκριμένα:
• 10% ΑμεΑ. Άτομα με κάθε είδους Αναπηρία.
• 14% Ηλικιωμένοι 60-74 ετών
• 6% Υπερήλικες άνω των 75 ετών
• 11%  Νήπια 0-4 ετών και οι συνοδοί των
• 1,5%  Έγκυες γυναίκες

Σήμερα λειτουργεί μία νέα υπηρεσία για την εξυπηρέτηση ατόμων με αναπηρία (ΑμεΑ), η οποία παρέχει δωρεάν μετακίνηση σε όσους δεν μπορούν να εξυπηρετηθούν από τα συμβατικά οχήματα των αστικών συγκοινωνιών. Η νέα υπηρεσία διαθέτει τρία (3) ειδικά οχήματα που διαθέτουν μικρό αριθμό (3 – 7) θέσεων για επιβάτες, θέσεις (3 – 4) για αναπηρικά αμαξίδια και μία θέση συνοδού. Η χρήση της υπηρεσίας αυτής, για την μετακίνηση ατόμων με αναπηρία γίνεται απαραίτητα με ραντεβού και με την προϋπόθεση ότι θα υπάρχει διαθέσιμο όχημα.

Περιβαλλοντικό Αποτύπωμα Ομίλου αστικών λεοφωρείων

Ο Όμιλος Ο.Α.Σ.Α. δεσμεύεται για δράσεις αντιμετώπισης της Κλιματικής Αλλαγής προκειμένου να συνδράμει και να ενισχύσει περαιτέρω την προσπάθεια που έχει αναλάβει για την μείωση των εκπομπών από τις δραστηριότητές του και να προβεί στην ενίσχυση του περιβαλλοντικού και κοινωνικού προφίλ του προωθώντας τη χρήση των Δημόσιων Μέσων Μετακίνησης. Στην αντίστοιχη έκεθεση τεκμηριώθηκε ο κρίσιμος ρόλος των αστικών συγκοινωνιών για την προστασία του περιβάλλοντος, καθώς εκτιμήθηκε πως με τα ΜΜΜ αποφεύγεται η κίνηση περίπου 1 εκ. Ι.Χ. αυτοκινήτων ημερησίως και κατ’ αντιστοιχία αποτρέπεται η εκπομπή περίπου 300 χιλ. τόνων CΟ₂ στην πρωτεύουσα. Με βάση τα αποτελέσματα των υπολογισμών εκπομπών του Ομίλου προκύπτει πως οι συνολικές εκπομπές CO₂eq των εταιρειών του Ομίλου (ΟΑΣΑ, ΣΤΑΣΥ, ΟΣΥ) ανέρχονται αθροιστικά σε 231.094,57 tn CO₂ eq για το 2019, σε 152.903,04 tn CO₂ eq για το 2020 και σε 200.855,50 tn CO₂ eq για το 2021.

 Συμπέρασμα:

Τα ελληνικά συστήματα δημόσιων μεταφορών προσφέρουν ζωτικής σημασίας βοήθεια για τους κατοίκους και τους επισκέπτες, διευκολύνοντας την κινητικότητα, μειώνοντας τη συμφόρηση και υποστηρίζοντας τη βιώσιμη ανάπτυξη. Ενώ υπάρχουν σαφή οφέλη από τη χρήση των δημόσιων μεταφορών, όπως η χαμηλή τιμή και η φιλικότητα προς το περιβάλλον, εξακολουθούν να υπάρχουν προκλήσεις όσον αφορά στην αξιοπιστία, την ασφάλεια και τις υποδομές. Η αντιμετώπιση αυτών των ζητημάτων θα απαιτήσει συνεχείς επενδύσεις, καινοτομία και συνεργασία μεταξύ κρατικών υπηρεσιών, φορέων μεταφορών και του κοινού. Αναγνωρίζοντας τόσο τα θετικά όσο και τα αρνητικά, η Ελλάδα μπορεί να εργαστεί για την ενίσχυση των δικτύων δημόσιων συγκοινωνιών της για να εξυπηρετήσει καλύτερα τις ανάγκες των πολιτών και των τουριστών της, εξασφαλίζοντας απρόσκοπτες και ευχάριστες ταξιδιωτικές εμπειρίες για όλους.

Η Περιβαλλοντική Ομάδα του σχολείου με την βοήθεια των υπέυθυνων καθηγητριών τους,  μόλις μπήκε η Άνοιξη ανάλαβαν την πρωτοβουλία να φυτεύσουν όμορφα λουλούδια στο χώρο του σχολείου.

Μάξιμος Βρέκος Γ1

Ξεκινήσαμε πρωί πρωί μπαίνοντας στο πούλμαν με πολύ άγχος για το τι αναμενόταν να ζήσουμε.

Πρώτη μας στάση στο σπήλαιο Κάψια.

Με εντυπωσίασε από την πρώτη στιγμή η ιστορία του, αλλά και όσα έμαθα για το πώς δημιουργήθηκε για το πώς συντηρείται μέχρι και σήμερα. Είδαμε τεράστιους σταλαγμίτες και σταλακτίτες αλλά και όλους τους περίεργους τρόπους με τους οποίους το σπήλαιο είχε διαμορφωθεί με τα χρόνια. Μια απρόσμενη έκπληξη ήταν το ότι αντικρίσαμε οστά ανθρώπων που έθαβαν εκεί, κάτι που σίγουρα κανείς δεν περίμενε. Εντυπωσιακό ήταν επίσης το γεγονός ότι εμείς είδαμε μόνο ένα ταπεινό 30% του συνολικού σπηλαίου. αφού το υπόλοιπο 70% ακόμη εξερευνείται.

Δεύτερη στάση Βυτίνα.

Πρόκειται για ένα πανέμορφο ορεινό χωριό, γραφικό, περιτριγυρισμένο από ψηλά βουνά και πυκνά δάση. Απολαύσαμε τα τοπικά πιάτα που περιλάμβαναν το αγριογούρουνο και άλλες λιχουδιές, όπως μελόπιτες, αφού η Βυτίνα είναι γνωστή για το μέλι της.

Τρίτη στάση Δολιανά

Φεύγοντας από τη Βυτίνα περάσαμε από την εκκλησία της Αγίας Φωτεινής Μαντινείας, η οποία είναι γνωστή για την ιδιαίτερη αρχιτεκτονική της και το εντυπωσιακό εσωτερικό το οποίο ήταν γεμάτο με πολύπλοκα και πανέμορφα ψηφιδωτά, για να καταλήξουμε στα καταλύματα μας που βρίσκονταν στο χωριό των Άνω Δολιανών. Πρόκειται για ένα χωριό σχεδόν ερημωμένο αλλά πανέμορφο. Εκεί μας ξενάγησαν και μας μίλησαν για την ιστορία του, με έμφαση στην μεγάλη μάχη που έγινε κατά τη διάρκεια της Τουρκοκρατίας όπου ο Νικηταράς μαζί με τα παλικάρια του κατάφερε να νικήσει τον πολυπληθή στρατό τον Τούρκων και από κει να πάρει το προσωνύμιο τουρκοφάγος.

Τέταρτη στάση Κέντρο Περιβαλλοντικής Εκπαίδευσης Καστρίου

Την επόμενη μέρα και μετά από μία πολύυυυ κρύα νύχτα, επισκεφτήκαμε το Κέντρο Περιβαλλοντικής Εκπαίδευσης καστρίου Κυνουρίας, όπου μας μίλησαν για την χλωρίδα της περιοχής. Επιπλέον κάναμε σχετικές δραστηριότητες και στη συνέχεια πήραμε το πούλμαν που μας άφησε στους πρόποδες του Πάρνωνα τον οποίον ανεβήκαμε και στη διαδρομή μας κάναμε βιωματικές δραστηριότητες στη φύση. Ήταν εντυπωσιακό το πώς με λίγη ησυχία μπορούσαμε να ακούσουμε και να αναγνωρίσουμε τα διάφορα είδη πτηνών που ζουν στην περιοχή. Έχοντας φτάσει σχεδόν στην κορυφή χωριστήκαμε σε δύο ομάδες: ποιητές και βοτανολόγοι. Οι πρώτοι δημιουργήσαμε ένα ποίημα εμπνευσμένο από τα στοιχεία της φύσης ενώ οι δεύτεροι αναγνώρισαν διάφορα φυτά και μίλησαν για τις ιδιότητές τους. Κάτι επίσης πολύ ενδιαφέρον που μάθαμε ήταν το πως να υπολογίζουμε την ηλικία των δέντρων χωρίς να χρειαζόμαστε ειδικά εργαλεία.

Τελευταία στάση Τρίπολη

Πριν την επιστροφή μας στην Αθήνα κάναμε μία στάση στην πόλη της Τρίπολης, όπου είχαμε ελεύθερο χρόνο να επισκεφτούμε τα διάφορα μέρη της και κάποιοι από μας να πάμε και στο Μεγάλο Καφενείο, στο κέντρο της πόλης, ένα εντυπωσιακό κτίριο που θυμίζει μουσείο και υπάρχει από το 1840.

Οι λέξεις δεν είναι αρκετές και όσες και να χρησιμοποιούσα θα αδικούσαν το ποσό όμορφη και αξέχαστη ήταν αυτή η εκδρομή όχι μόνο γιατί μάθαμε πολλά ενδιαφέροντα πράγματα σχετικά με το περιβάλλον αλλά και γιατί βρεθήκαμε φίλοι και συμμαθητές μακριά από τους γονείς μας μέσα σε ένα υπέροχο φυσικό τοπίο, που πολλοί από μας που ζούμε στην Αθήνα δεν μπορούμε να απολαύσουμε. Παίξαμε, γελάσαμε, χαρήκαμε, κρυώσαμε, γεμίσαμε με εικόνες, και φτιάξαμε αναμνήσεις οι οποίες θα μείνουν χαραγμένες στη μνήμη μας για πολύ καιρό! Στο πούλμαν για τον γυρισμό πλέον, το συναίσθημα που κυριάρχησε ήταν η χαρμολύπη, χαρά για όλα όσα περάσαμε αλλά και μία δόση λύπης που έπρεπε να επιστρέψουμε στην πεζή καθημερινότητα.

]]> https://schoolpress.sch.gr/7thstep/archives/193/feed 0