بلایای طبیعی فوق العاده خطرناک هستند. آنها هزینه پولی دارند اما اغلب با خطر جان باختن نیز همراه هستند. در حالی که فناوری برای پیش بینی این رویدادها بهبود یافته است، محققان هنوز آن را کامل نکرده اند.
با این حال، هوش مصنوعی ممکن است چیز بزرگ بعدی در پیش بینی بلایا باشد. هوش مصنوعی با توانایی خود در یادگیری و آموزش مجدد، نویدهای زیادی در کاهش آسیب نشان می دهد. اما آیا واقعاً می تواند ما را از بلایای طبیعی نجات دهد؟
آموزش نرم افزار با داده
دانشمندان در حال پیش بینی هستند که چگونه هوش مصنوعی می تواند به پیش بینی بلایای طبیعی کمک کند. یکی از این مدلها تجزیه و تحلیل داده های آب و هوا در 40 سال گذشته با دقت کمتر اما سرعت بسیار بالاتر. این پیشبینیها میتوانند با زمانهای ارزیابی سریعتر دقیقتر شوند، زیرا برنامهنویسان مدلهای خود را تنظیم کرده و دوباره آموزش میدهند. به دلیل این پتانسیل یادگیری، هوش مصنوعی این پتانسیل را دارد که مردم را از بلایای طبیعی با اطمینان روزافزون آگاه کند.
توانایی هوش مصنوعی برای جمعآوری و تفسیر مقادیر زیادی از دادهها سودمند خواهد بود. به دلیل تغییرات آب و هوایی، آب و هوای زمین بسیار غیرقابل پیش بینی تر شده است. به منظور صاحبان خانه و مشاغل برای آمادگی در برابر بلایای طبیعی، آنها باید بدانند این رویدادها چه زمانی و در کجا ممکن است رخ دهند. محققان همچنین در حال گسترش هوش مصنوعی به رویدادهای غیر آب و هوایی مانند زلزله و آتش سوزی در جنگل ها هستند.
«پیشبینیهای هوش مصنوعی با زمانهای ارزیابی سریعتر میتوانند دقیقتر شوند، زیرا برنامهنویسان مدلهای خود را تنظیم کرده و دوباره آموزش میدهند.»
هوش مصنوعی چگونه بلایا را پیش بینی می کند
هنگامی که دانشمندان برنامه را در مورد این پدیده های طبیعی آموزش دادند، می تواند یاد بگیرد که به چه علائمی باید توجه کرد. با این کار، هوش مصنوعی می تواند با دقت بیشتری تعیین کند که بلایا چه زمانی رخ می دهد و چقدر خطرناک خواهند بود.
جاری شدن سیل
در سال 2018، گوگل پیاده سازی هوش مصنوعی را برای پیش بینی سیل در هند آغاز کرد. از زمان راه اندازی آن، این برنامه اکنون به بنگلادش گسترش یافته است و تقریباً اجازه می دهد 250 میلیون نفر برای دریافت اعلان ها در مورد سیل شدید آنها از دادههای قدیمیتر و اخیراً جمعآوریشده برای آموزش نرمافزار خود استفاده کردند که چگونه علائم یک فاجعه احتمالی را تشخیص دهد. از طریق تحقیقات انجام شده با Yale، گوگل دریافت که 65 درصد از افرادی که اطلاعیه این سیل را دریافت کرده اند، آمادگی یا تخلیه را انتخاب کرده اند.
در حال حاضر، آنها به دنبال گسترش بیشتر نقاط بنگلادش و دریافت سریعتر این هشدارها هستند. در سال 2020، آنها زمان پیشبینی خود را دو برابر کردند و به مردم اجازه دادند برای یک روز اضافی آماده شوند. گوگل همچنین به این مناطق سیل زده اطلاع می دهد که احتمال آب چقدر و کجا وجود دارد. همانطور که هوش مصنوعی آنها یاد می گیرد، می تواند به مردم اطلاعات دقیقی در مورد چگونگی تأثیر سیل بر آنها بدهد.
گوگل از دادههای قدیمیتر و اخیراً جمعآوریشده برای آموزش به نرمافزار خود استفاده کرد که چگونه علائم یک فاجعه احتمالی را تشخیص دهد.
زلزله
گروهی از دانشمندان زمینشناسی استفاده از یادگیری ماشینی را برای پیشبینی زلزله آغاز کردهاند. در یک آزمایشگاه، هوش مصنوعی آنها توانست به طور دقیق ارزیابی کند زمانی که به اصطلاح "زلزله های آزمایشگاهی" رخ می دهد. آزمایش های دیگر در اروپا با موفقیت یافته های آنها را تکرار کردند.
اخیراً، پل جانسون از تیم اولیه پژوهشگران مقاله ای در مورد آزمایش میدانی زمین لرزه های کند لغزش در شمال غربی اقیانوس آرام ایالات متحده منتشر کرد. مدل آنها می تواند شروع این زمین لرزه ها را چند روز قبل از وقوع آنها شناسایی کند و آنها امیدوارند نتایج بهتری به دست آورند.
در حالی که انتقاداتی در مورد تلاش برای پیشبینی زمینلرزهها وجود دارد، این دانشمندان موافق هستند که آنها شکل دیگری از پدیدههای طبیعی هستند و پیشبینی آنها نباید متفاوت باشد.
آتش سوزی
کریشا رائو - دکتری. دانشجوی دانشگاه استنفورد - هوش مصنوعی را برای پیش بینی میزان سوخت آتش سوزی احتمالی جنگل توسعه داده است. این نرم افزار میزان مرطوب بودن برگ های جنگل را با استفاده از امواج مایکروویو تعیین می کند. اگر ماهواره تعداد زیادی امواج منعکس شده توسط برگ ها را بگیرد، خطر آتش سوزی کمتر است. مدل او در 12 ایالت آمریکا آزمایش شده است و حدود 70 درصد دقیق بوده است.
در حالی که هر آتش سوزی منحصر به فرد است، محققان امیدوارند که هوش مصنوعی بتواند کمک کند. همانطور که نرم افزار به یادگیری در مورد عوامل مختلف ادامه می دهد، نرخ پیش بینی دقیق آن ممکن است افزایش یابد.
مدل [رائو] در 12 ایالت آمریکا آزمایش شده است و حدود 70 درصد دقیق [در تعیین خطر آتش سوزی] بوده است.
طوفان ها و گردبادها
مدل های قبلی پیش بینی طوفان به دلیل پیچیده بودنشان نادرست بوده اند. با این حال، دانشمندان آزمایشگاه ملی شمال غرب اقیانوس آرام ممکن است راهی برای استفاده از هوش مصنوعی برای اندازهگیری دقیقتر این پیچیدگیها پیدا کرده باشند. آنها نرم افزار خود را در مورد اتصال آموزش داد بین رفتار طوفان، سرعت باد و دمای آب و هوا. این محققان بر این باورند که مدل آنها می تواند پیش بینی کند که این طوفان ها در زمان وقوع و تغییر آب و هوا چگونه عمل می کنند.
در سال 2020، مرکز ملی تحقیقات جوی آزمایش پیشبینی هوش مصنوعی گردباد و تگرگ را آغاز کرد. در هر دو سواحل شرقی و غربی، مدل آنها به طور قابل توجهی دقت پیش بینی های سنتی را بهبود بخشید. فراتر از پیشبینی محل وقوع طوفانها، هوش مصنوعی آنها تعیین میکرد که آیا این طوفانها آسیب بیشتری از تگرگ یا باد ایجاد میکنند یا خیر. آی تی از حدود 40 عامل مختلف جوی استفاده می کند الگوها را پیدا کند و تصمیم بگیرد.
استفاده از هوش مصنوعی برای پیش بینی بلایای طبیعی
فن آوری پیش بینی فعلی به طور معقولی قابل اعتماد است اما می تواند بهبود یابد. هوش مصنوعی می تواند همان پیشرفتی باشد که به آن نیاز دارد. از آنجایی که میتواند الگوها را سریعتر از انسانها تجزیه و تحلیل کند و پیشبینی کند، هواشناسان و سایر دانشمندان میتوانند از هوش مصنوعی برای شناسایی آبوهوای شدید قبل از وقوع دقیقتر استفاده کنند. توانایی های یادگیری و یادگیری مجدد آن می تواند افراد بیشتری را از بلایای طبیعی نجات دهد.
همچنین ، بخوانید 10 روش برای استفاده از هوش مصنوعی در آموزش
- AI
- آی هنر
- مولد هنر ai
- ربات ai
- فناوری AIIOT
- هوش مصنوعی
- گواهی هوش مصنوعی
- هوش مصنوعی در بانکداری
- ربات هوش مصنوعی
- ربات های هوش مصنوعی
- نرم افزار هوش مصنوعی
- بلاکچین
- کنفرانس بلاک چین ai
- coingenius
- هوش مصنوعی محاوره ای
- کنفرانس کریپتو ai
- دل-ه
- یادگیری عمیق
- ویژه
- گوگل ai
- فراگیری ماشین
- افلاطون
- افلاطون آی
- هوش داده افلاطون
- بازی افلاطون
- PlatoData
- بازی پلاتو
- مقیاس Ai
- زفیرنت