Voisiko tekoäly pelastaa meidät luonnonkatastrofilta?

Luonnonkatastrofit ovat uskomattoman vaarallisia. Niillä on rahallinen hinta, mutta niihin liittyy usein myös menetettyjen ihmishenkien riski. Vaikka tekniikka on parantunut ennustamaan näitä tapahtumia, tutkijat eivät ole vielä saaneet sitä täydelliseksi.

Tekoäly saattaa kuitenkin olla seuraava iso asia katastrofien ennustamisessa. Oppimis- ja uudelleenopetuskykynsä ansiosta tekoäly on lupaava vahinkojen lieventämisessä. Mutta voisiko se todella pelastaa meidät luonnonkatastrofeista?

Ohjelmiston opettaminen datan avulla

Tutkijat ennakoivat jo, kuinka tekoäly voisi auttaa ennustamaan luonnonkatastrofeja. Yksi tällainen malli analysoinut säätietoja viimeisen 40 vuoden ajalta pienemmällä tarkkuudella, mutta paljon suuremmilla nopeuksilla. Näistä ennusteista voi tulla tarkempia nopeammilla arviointiajoilla, kun ohjelmoijat mukauttavat ja opettavat mallejaan uudelleen. Tämän oppimispotentiaalin ansiosta tekoälyllä on mahdollisuus ilmoittaa yleisölle luonnonkatastrofeista entistä varmemmin.

Tekoälyn kyky kerätä ja tulkita suuria tietomääriä osoittautuu hyödylliseksi. Ilmastonmuutoksen seurauksena maapallon sää on muuttunut paljon arvaamattomammaksi. Asunnonomistajille ja yrityksille varautua luonnonkatastrofeihin, heidän on tiedettävä, milloin ja missä nämä tapahtumat voivat tapahtua. Tutkijat laajentavat tekoälyä myös muihin kuin sääilmiöihin, kuten maanjäristyksiin ja metsäpaloihin.

"Tekoälyennusteet voivat muuttua tarkempiksi, kun arviointiajat nopeutuvat, kun ohjelmoijat mukauttavat ja opettavat mallejaan uudelleen" 

Kuinka tekoäly ennustaa katastrofeja

Kun tiedemiehet ovat opettaneet ohjelman näistä luonnonilmiöistä, se voi oppia, mitä merkkejä on tarkkailtava. Tämän avulla tekoäly voi määrittää tarkemmin, milloin katastrofit iskevät ja kuinka vaarallisia ne ovat.

Tulva

Vuonna 2018 Google aloitti tekoälyn käyttöönoton ennustaakseen tulvia Intiassa. Aloituksestaan ​​lähtien tämä ohjelma on nyt laajentunut Bangladeshiin, mikä mahdollistaa lähes 250 miljoonaa ihmistä saa ilmoituksia kovista tulvista. He käyttivät vanhempia ja äskettäin kerättyjä tietoja opettaakseen ohjelmistoilleen tunnistamaan mahdollisen katastrofin merkit. Yalen kanssa tehdyn tutkimuksen avulla Google havaitsi, että 65 % ihmisistä, jotka saivat ilmoituksen näistä tulvista, päättivät valmistautua tai evakuoida.

Tällä hetkellä he haluavat laajentaa toimintaansa Bangladeshiin ja saada nämä ilmoitukset nopeammin. Vuonna 2020 he kaksinkertasivat ennusteaikansa, jolloin ihmiset voivat valmistautua ylimääräiseen päivään. Google myös tiedottaa näille tulvien aiheuttamille alueille veden todennäköisyydestä ja sijainnista. Kun heidän tekoälynsä oppii, se voi edelleen antaa ihmisille tarkkoja tietoja siitä, kuinka tulvat voivat vaikuttaa heihin.

"Google käytti vanhempia ja äskettäin kerättyjä tietoja opettaakseen ohjelmistonsa tunnistamaan mahdollisen katastrofin merkit." 

Maanjäristykset

Ryhmä geotieteilijöitä on alkanut käyttää koneoppimista ennustaakseen maanjäristyksiä. Laboratoriossa heidän tekoälynsä pystyi arvioimaan tarkasti kun niin sanotut "laboratoriojäristykset" tapahtuisivat. Muut Euroopassa tehdyt kokeet toistivat onnistuneesti heidän havaintojaan.

Äskettäin alkuperäisen tutkijaryhmän Paul Johnson julkaisi paperin kenttätestauksesta Yhdysvaltojen Tyynenmeren luoteisosassa. Heidän mallinsa voisi tunnistaa näiden järistysten alkamisen päiviä ennen niiden tapahtumista, ja he toivovat yhä parempia tuloksia.

Vaikka järistysten ennakointia on kritisoitu, nämä tutkijat ovat yhtä mieltä siitä, että ne ovat vain yksi luonnonilmiön muoto, ja heidän ennusteensa ei saisi olla erilainen.

Tulipalot

Krisha Rao – tohtori Stanfordin yliopiston opiskelija – on kehittänyt tekoälyn ennustamaan, kuinka paljon polttoainetta mahdollisessa metsäpalossa on. Ohjelmisto määrittää mikroaaltojen avulla kuinka märkiä metsän lehdet ovat. Jos satelliitti poimii suuren määrän lehtien heijastamia aaltoja, tulipalon vaara on pienempi. Hänen mallinsa on testattu 12 Yhdysvaltain osavaltiossa ja se on ollut noin 70 % tarkka.

Vaikka jokainen tuli on ainutlaatuinen, tutkijat toivovat, että tekoäly voi auttaa. Ohjelmiston oppiessa jatkuvasti eri tekijöistä, sen tarkka ennustenopeus voi nousta.

"[Raon] mallia on testattu 12 Yhdysvaltain osavaltiossa ja se on ollut noin 70 % tarkka [tulipalon vaaran määrittämisessä]."

Hurrikaanit ja tornadot

Aiemmat hurrikaanien ennustemallit ovat olleet epätarkkoja, koska ne ovat monimutkaisia. Pacific Northwest National Laboratoryn tutkijat ovat kuitenkin saattaneet löytää tavan käyttää tekoälyä mittaamaan näitä monimutkaisia ​​asioita luotettavammin. Ne opettivat ohjelmistonsa yhteyden muodostamisesta hurrikaanin käyttäytymisen, tuulen nopeuden sekä veden ja ilman lämpötilan välillä. Nämä tutkijat uskovat, että heidän mallinsa voisi ennustaa kuinka nämä myrskyt toimivat niiden tapahtuessa ja ilmaston muuttuessa.

Vuonna 2020 National Center for Atmospheric Research alkoi testata tekoälyn ennustamista tornadoista ja rakeista. Sekä itä- että länsirannikolla heidän mallinsa paransi merkittävästi perinteisten ennusteiden tarkkuutta. Sen lisäksi, että he ennustivat, missä myrskyt tapahtuivat, heidän tekoälynsä määritti, aiheuttavatko ne enemmän vahinkoa rakeista vai tuulesta. Se hyödyntää noin 40 erilaista ilmakehän tekijää löytää malleja ja tehdä päätöksensä.

Tekoälyn käyttäminen luonnonkatastrofien ennustamiseen

Nykyinen ennustetekniikka on kohtuullisen luotettava, mutta sitä voidaan parantaa. AI voisi olla juuri se parannus, jota se tarvitsee. Koska meteorologit ja muut tutkijat voivat analysoida kuvioita ja tehdä ennusteita nopeammin kuin ihmiset, voivat käyttää tekoälyä äärimmäisten sääolosuhteiden tunnistamiseen ennen kuin se tapahtuu tarkemmin. Sen oppimis- ja uudelleenoppimiskyvyt voisivat pelastaa enemmän ihmisiä luonnonkatastrofilta.

Lue myös 10 tapaa käyttää tekoälyä koulutuksessa