Kunne kunstig intelligens redde os fra naturkatastrofer?

Naturkatastrofer er utroligt farlige. De har en pengeomkostning, men kommer også ofte med risiko for tabte liv. Mens teknologien er blevet forbedret til at forudsige disse begivenheder, har forskerne endnu ikke perfektioneret den.

Imidlertid kan AI være den næste store ting inden for katastrofeprognose. Med sin evne til at lære og blive genundervist, viser kunstig intelligens en masse løfter inden for skadesreduktion. Men kunne det virkelig redde os fra naturkatastrofer?

Undervisning i softwaren med data

Forskere forudser allerede, hvordan kunstig intelligens kan hjælpe med at forudsige naturkatastrofer. En sådan model analyseret vejrdata over de seneste 40 år med mindre nøjagtighed, men meget hurtigere hastigheder. Disse prognoser kan blive mere nøjagtige med hurtigere evalueringstider, efterhånden som programmører justerer og genlærer deres modeller. På grund af dette læringspotentiale har AI potentialet til at underrette offentligheden om naturkatastrofer med stigende sikkerhed.

Kunstig intelligenss evne til at indsamle og fortolke store mængder data vil vise sig gavnlig. På grund af klimaændringer er jordens vejr blevet meget mere uforudsigeligt. For boligejere og virksomheder at forberede sig på naturkatastrofer, skal de vide, hvornår og hvor disse begivenheder kan ske. Forskere udvider også kunstig intelligens til ikke-vejrlige hændelser såsom jordskælv og skovbrande.

"Prognoser af kunstig intelligens kan blive mere nøjagtige med hurtigere evalueringstider, efterhånden som programmører justerer og genlærer deres modeller" 

Hvordan AI forudsiger katastrofer

Når videnskabsmænd har lært programmet om disse naturfænomener, kan det lære, hvilke tegn man skal være opmærksom på. Med dette kan kunstig intelligens mere præcist afgøre, hvornår katastrofer vil ramme, og hvor farlige de vil være.

Oversvømmelser

I 2018 begyndte Google at implementere kunstig intelligens til at forudsige oversvømmelser i Indien. Siden lanceringen er dette program nu udvidet til Bangladesh, hvilket næsten tillader 250 millioner mennesker til at modtage notifikationer om alvorlige oversvømmelser. De brugte ældre og nyligt indsamlede data til at lære deres software at genkende tegnene på en potentiel katastrofe. Gennem forskning udført med Yale fandt Google ud af, at 65 % af de mennesker, der modtog underretning om disse oversvømmelser, valgte at forberede sig eller evakuere.

I øjeblikket søger de at udvide til mere af Bangladesh og få disse advarsler ud hurtigere. I 2020 fordoblede de deres prognosetid, så folk kunne forberede sig til en ekstra dag. Google informerer også disse oversvømmelsesramte områder om, hvor meget vand der er sandsynligt, og hvor. Som deres AI lærer, kan den fortsætte med at give folk nøjagtige oplysninger om, hvordan oversvømmelser kan påvirke dem.

"Google brugte ældre og nyligt indsamlede data til at lære deres software at genkende tegnene på en potentiel katastrofe." 

Jordskælv

Et hold af geovidenskabsmænd er begyndt at bruge maskinlæring til at forudsige jordskælv. I et laboratorium, deres AI var i stand til at vurdere nøjagtigt når såkaldte "lab-skælv" ville opstå. Andre eksperimenter i Europa gentog deres resultater med succes.

For nylig offentliggjorde Paul Johnson fra det indledende hold af forskere et papir om felttestning af jordskælv med langsom skred i USA's Pacific Northwest. Deres model kunne identificere starten på disse jordskælv dage før de sker, og de håber på stadig bedre resultater.

Selvom der er nogle kritikpunkter om at forsøge at forudse jordskælv, er disse videnskabsmænd enige om, at de blot er en anden form for naturfænomen, og deres forudsigelse burde ikke være anderledes.

Brande

Krisha Rao – en ph.d. studerende ved Stanford University – har udviklet kunstig intelligens til at forudsige, hvor meget brændstof en eventuel skovbrand har. Softwaren bestemmer, hvor våde en skovs blade er ved at bruge mikrobølger. Hvis satellitten opfanger et stort antal bølger, der reflekteres tilbage af bladene, er der mindre risiko for brand. Hans model er blevet testet i 12 amerikanske stater og har været omkring 70 % nøjagtige.

Selvom hver brand er unik, håber forskerne, at AI kan hjælpe. Da softwaren fortsætter med at lære om forskellige faktorer, kan dens nøjagtige forudsigelseshastighed stige.

"[Raos] model er blevet testet i 12 amerikanske stater og har været omkring 70 % nøjagtig [ved at bestemme risikoen for en brand]."

Orkaner og tornadoer

Tidligere orkanprognosemodeller har været unøjagtige på grund af, hvor komplekse de er. Forskere ved Pacific Northwest National Laboratory kan dog have fundet en måde at bruge AI til at måle disse kompleksiteter mere pålideligt. De lærte deres software om forbindelsen mellem orkanadfærd, vindhastighed og vand- og lufttemperatur. Disse forskere mener, at deres model kan forudsige, hvordan disse storme vil virke, mens de sker, og når klimaet ændrer sig.

I 2020 begyndte National Center for Atmospheric Research at teste AI-prognoser for tornadoer og hagl. På både øst- og vestkysten forbedrede deres model markant nøjagtigheden af ​​traditionelle prognoser. Ud over at forudsige, hvor stormene skete, afgjorde deres kunstige intelligens, om de ville producere mere skade fra hagl eller vind. Det udnytter omkring 40 forskellige atmosfæriske faktorer at finde mønstre og træffe sin beslutning.

Brug af kunstig intelligens til at forudsige naturkatastrofer

Den nuværende prognoseteknologi er rimelig pålidelig, men kan forbedres. AI kunne være netop den forbedring, den har brug for. Fordi den kan analysere mønstre og lave forudsigelser hurtigere end mennesker, kunne meteorologer og andre videnskabsmænd bruge kunstig intelligens til at identificere ekstremt vejr, før det sker mere præcist. Dens lærings- og genlæringsevner kunne redde flere mennesker fra naturkatastrofer.

Læs også 10 måder at bruge kunstig intelligens i uddannelse