افزایش آمادگی برابر سیل با تصاویر ماهواره‌ای هوش مصنوعی
دانشمندان با استفاده از تصاویر ماهواره‌ای و مدل‌های مبتنی بر هوش مصنوعی توانسته‌اند پیش‌بینی سیلاب‌ها و طوفان‌ها را چند روز قبل از وقوع آن‌ها انجام دهند؛ یکی از این مدل‌ها توانسته تصاویر شبیه‌سازی شده از سیلاب‌ها در ایالت تگزاس را به صورت تصویر ماهواره‌ای ایجاد کند.
تصویربرداری از تاثیرات احتمالی طوفان بر خانه‌های مردم قبل از وقوع آن می‌تواند به ساکنان کمک کند تا آمادگی داشته باشند یا تصمیم بگیرند که آیا باید تخلیه کنند یا خیر؛ این اطلاعات بصری می‌تواند به ساکنان امکان دهد تا خطرات را بهتر درک کرده و اقدام مناسب را اتخاذ کنند.
دانشمندان موسسه فناوری ماساچوست (MIT) آمریکا، روشی را توسعه داده‌اند که با استفاده از آن میتوان تصاویری ماهواره‌ای از آینده تولید کرد و نشان داد یک منطقه پس از وقوع سیلاب چگونه به نظر خواهد رسید.
این روش ترکیبی از مدل هوش مصنوعی و مدل مبتنی بر فیزیک برای شبیه‌سازی سیلاب است که تصاویری واقع‌گرایانه و با زاویه بالا ارائه می‌دهد و نشان می‌دهد که کدام مناطق با توجه به شدت طوفان پیش‌رو احتمالا برای طغیانی شدن در معرض خطر هستند.
این تیم روش خود را در هیوستون آزمایش کرد و تصاویر ماهواره‌ای شبیه‌سازی شده‌ای تولید کرد که نشان می‌دهد برخی مناطق این شهر پس از طوفانی مشابه طوفان هاروی در سال ۲۰۱۷ چگونه خواهند بود.
تصاویر شبیه‌سازی شده براساس تصاویر واقعی ماهواره‌ای از مناطق پس از طوفان هاروی با تصاویر شبیه‌سازی شده توسط مدل هوش مصنوعی (بدون استفاده از مدل فیزیکی) مقایسه شد.
نتایج نشان داد که روش تولید شده با مدل فیزیکی، تصاویر واقعی‌تر و دقیق‌تری از سیلاب‌های آینده تولید کرده است؛ در مقابل، روش مبتنی بر هوش مصنوعی خالص، تصاویری از سیلاب تولید کرده بود که در برخی مناطق جغرافیایی، وقوع سیلاب در آن‌ها از نظر فیزیکی غیرممکن بود.
این روش به عنوان یک مفهوم اثباتی طراحی شده تا نشان دهد چگونه مدل‌های هوش مصنوعی می‌توانند در صورت ترکیب با مدل‌های فیزیکی، محتوای واقعی و قابل اعتمادی تولید کنند. برای استفاده از این روش در مناطق دیگر و شبیه‌سازی سیلاب‌های ناشی از طوفان‌های آینده، لازم است این مدل بر پایه تعداد بیشتری از تصاویر ماهواره‌ای آموزش ببیند تا یاد بگیرد سیلاب‌ها در مناطق مختلف چگونه اتفاق می‌افتند.
کمک به آمادگی در برابر طوفان‌ها
بیورن لوتینز (Bjorn Lutyens)، از MIT، می‌گوید: «هدف این است که بتوانند پیش از وقوع طوفان‌ها این روش را به کار ببرند و اطلاعات اضافی ارائه دهند. یکی از بزرگ‌ترین چالش‌ها، تشویق مردم به تخلیه مناطق در معرض خطر می‌باشد، شاید این تصاویر بتوانند سطح آمادگی را افزایش دهند.»
تیم محققان MIT، روش جدید خود را با نام «موتور هوش زمین» به عنوان یک منبع آنلاین در دسترس عموم قرار داده‌اند؛ این مطالعه بخشی از تلاش‌های این گروه برای استفاده از ابزارهای هوش مصنوعی تولیدکننده در تصویرسازی سناریوهای آینده اقلیمی است.
دوا نیومن (Deva Newman)، استاد هوافضا و مدیر آزمایشگاه رسانه‌ای MIT و نویسنده ارشد این مطالعه، می‌گوید: «ارائه دیدگاهی محلی از تغییرات اقلیمی موثرترین روش برای انتقال نتایج علمی ماست. مردم با منطقه کدپستی خود، جایی که خانواده و دوستانشان زندگی می‌کنند، ارتباط بیشتری برقرار می‌کنند. شبیه‌سازی‌های محلی اقلیم باعث می‌شود نتایج شهودی‌تر، شخصی‌تر و قابل‌درک‌تر شوند.»
برای این مطالعه، پژوهشگران از یک شبکه تولیدکننده تقابلی شرطی (GAN) استفاده کردند که شامل دو شبکه عصبی است و به صورت رقابتی کار می‌کنند. یک شبکه به نام «تولیدکننده» با داده‌های واقعی مانند تصاویر ماهواره‌ای قبل و بعد از طوفان آموزش می‌بیند و شبکه دیگر، به نام «تفکیک‌گر» برای تشخیص تصاویر واقعی از تصاویر شبیه‌سازی شده آموزش می‌بیند.
این روش یک راهکار عملی برای ترکیب یادگیری ماشین با فیزیک است و می‌تواند در تصمیم‌گیری‌های محلی و نجات جان مردم موثر باشد.