WHO beräknar att sju miljoner människor dör varje år till följd av luftföroreningar och att de ligger bakom en tredjedel av alla dödsfall orsakade av stroke, lungcancer och hjärtsjukdomar.

Orsaken till den dåliga luften är framför allt den fossila förbränningen. Men vad kan vi göra innan vi kommit åt det problemet? Jo, försöka hålla koll på var luften är som värst så vi kan undvika de områdena.

Och där kan data och maskininlärning komma in. Forskare på Alan Turing Institute i Storbritannien arbetar med ett program som tar in stora mängder realtidsdata från över 1 200 sensorer i Londonområdet, skriver BBC News.

Dessa data kombineras med annan information som väderdata, trafikflöden, byggen och sådant som om gatorna omges av höga hus där den förorenade luften blir kvar. Allt detta analyseras sedan för att få fram en modell som förutsäger vilka stadsdelar som är värst drabbade de närmaste 48 timmarna – beräkningar ner på mycket lokal nivå och timme för timme.

Med hjälp av det kan man enligt forskarna identifiera var man kan springa eller cykla för att utsättas för så lite föroreningar som möjligt.

Sydafrika är ett av de länder som är värst drabbat av föroreningar, Världsbanken räknar med att de orsakar runt 20 000 dödsfall varje år. Där testas nu IBM:s Green Horizons-projekt där man spårar olika förorenande ämnen genom att analysera både historiska data och realtidsdata från tusentals olika källor.

Enligt IBM får man fram väldigt exakta prognoser av hur föroreningsläget kommer att vara dagen efter. Och det innebär i sin tur att myndigheterna kan gå ut och varna och vidta åtgärder som att tillfälligt stänga av vissa vägar.

Läs också: Det här är AI och så funkar det