Kan AI rädda oss från naturkatastrofer?

Naturkatastrofer är otroligt farliga. De har en ekonomisk kostnad men kommer också ofta med risk för förlorade liv också. Medan tekniken har förbättrats för att förutsäga dessa händelser, har forskare ännu inte fulländat det.

Men AI kan bli nästa stora grej inom katastrofprognos. Med sin förmåga att lära sig och bli omlärd visar artificiell intelligens mycket lovande när det gäller skadereducering. Men kan det verkligen rädda oss från naturkatastrofer?

Lära programvaran med data

Forskare förutser redan hur artificiell intelligens kan hjälpa till att förutsäga naturkatastrofer. En sådan modell analyserade väderdata under de senaste 40 åren med mindre noggrannhet men mycket högre hastigheter. Dessa prognoser kan bli mer exakta med snabbare utvärderingstider när programmerare justerar och lär om sina modeller. På grund av denna inlärningspotential har AI potential att med ökad säkerhet meddela allmänheten om naturkatastrofer.

Artificiell intelligenss förmåga att samla in och tolka stora mängder data kommer att visa sig fördelaktigt. På grund av klimatförändringarna har jordens väder blivit mycket mer oförutsägbart. För husägare och företag för att förbereda sig för naturkatastrofermåste de veta när och var dessa händelser kan inträffa. Forskare utökar också AI till icke-väderhändelser som jordbävningar och skogsbränder.

"Prognoser för artificiell intelligens kan bli mer exakta med snabbare utvärderingstider när programmerare justerar och lär om sina modeller" 

Hur AI förutsäger katastrofer

När forskare väl har lärt programmet om dessa naturfenomen kan det lära sig vilka tecken man ska hålla utkik efter. Med detta kan artificiell intelligens mer exakt avgöra när katastrofer kommer att inträffa och hur farliga de kommer att vara.

Översvämningar

2018 började Google implementera AI för att förutsäga översvämningar i Indien. Sedan lanseringen har detta program nu utökats till Bangladesh, vilket tillåter nästan 250 miljoner människor att få meddelanden om svåra översvämningar. De använde äldre och nyligen insamlade data för att lära sin programvara hur man känner igen tecknen på en potentiell katastrof. Genom forskning utförd med Yale fann Google att 65 % av människorna som fick meddelande om dessa översvämningar valde att förbereda sig eller evakuera.

För närvarande vill de expandera till mer av Bangladesh och få ut dessa varningar snabbare. 2020 fördubblade de sin prognostiseringstid, vilket gjorde att folk kunde förbereda sig för en extra dag. Google informerar också dessa översvämningsdrabbade områden om hur mycket vatten som är troligt och var. Som deras AI lär sig kan den fortsätta att ge människor korrekt information om hur översvämningar kan påverka dem.

"Google använde äldre och nyligen insamlade data för att lära sin programvara hur man känner igen tecknen på en potentiell katastrof." 

Jordbävningar

Ett team av geoforskare har börjat använda maskininlärning för att förutsäga jordbävningar. I ett labb, deras AI kunde noggrant utvärdera när så kallade "lab quakes" skulle inträffa. Andra experiment i Europa upprepade framgångsrikt deras resultat.

Nyligen publicerade Paul Johnson från det första teamet av forskare en artikel om att testa långsamma jordbävningar i Stillahavsområdet i USA. Deras modell kunde identifiera början av dessa skalv dagar innan de inträffar, och de hoppas på allt bättre resultat.

Även om det finns en del kritik om att försöka förutse skalv, är dessa forskare överens om att de bara är en annan form av naturfenomen och att deras förutsägelser inte borde vara annorlunda.

Bränder

Krisha Rao – en Ph.D. student vid Stanford University – har utvecklat AI för att förutsäga hur mycket bränsle en eventuell skogsbrand har. Programvaran bestämmer hur blöta en skogs löv är genom att använda mikrovågor. Om satelliten plockar upp ett stort antal vågor som reflekteras tillbaka av löven, är det lägre risk för brand. Hans modell har testats i 12 delstater i USA och har varit cirka 70 % korrekt.

Även om varje brand är unik, hoppas forskarna att AI kan hjälpa. När programvaran fortsätter att lära sig om olika faktorer, kan dess exakta förutsägelsefrekvens gå upp.

"[Raos] modell har testats i 12 amerikanska delstater och har varit cirka 70 % korrekt [vid bestämning av risken för en brand]."

Orkaner och tornados

Tidigare orkanprognosmodeller har varit felaktiga på grund av hur komplexa de är. Men forskare vid Pacific Northwest National Laboratory kan ha hittat ett sätt att använda AI för att mäta dessa komplexiteter mer tillförlitligt. De lärde deras programvara om anslutningen mellan orkanbeteende, vindhastighet och vatten- och lufttemperatur. Dessa forskare tror att deras modell kan förutsäga hur dessa stormar kommer att agera när de händer och när klimatet förändras.

År 2020 började National Center for Atmospheric Research testa AI-prognoser för tromber och hagel. På både öst- och västkusten förbättrade deras modell avsevärt noggrannheten i traditionella prognoser. Förutom att förutsäga var stormarna inträffade, avgjorde deras artificiella intelligens om de skulle orsaka mer skada från hagel eller vind. Det använder ett 40-tal olika atmosfäriska faktorer att hitta mönster och fatta sitt beslut.

Använda artificiell intelligens för att förutse naturkatastrofer

Nuvarande prognosteknik är någorlunda tillförlitlig men kan förbättras. AI kan vara själva förbättringen den behöver. Eftersom det kan analysera mönster och göra förutsägelser snabbare än människor, skulle meteorologer och andra forskare kunna använda artificiell intelligens för att identifiera extremt väder innan det händer mer exakt. Dess inlärnings- och återinlärningsförmåga skulle kunna rädda fler människor från naturkatastrofer.

Läs också 10 sätt att använda artificiell intelligens i utbildning