هوش مصنوعی با پیش بینی طوفان به نجات جان انسان ها کمک می نماید

به گزارش سئو مئو، پیشبینی دقیق زمان وقوع موج طوفان برای هشدار به ساکنان ساحلی جهت تخلیه و اطلاع دادن به نیروهای امدادی جهت آماده سازی خیلی مهم است و الان هوش مصنوعی می تواند مانند یک ناجی وارد عمل شود.
به گزارش سئو مئو به نقل از ایسنا، طوفان ها مخرب ترین خطرات طبیعی آمریکا هستند که بیشتر از هر نوع فاجعه دیگری موجب مرگ و میر و خسارت مالی می شوند. از سال ۱۹۸۰، این طوفان های گرمسیری قدرتمند بیشتر از ۱.۵ تریلیون دلار خسارت زده و بیشتر از ۷۰۰۰ نفر را کشته اند. علت اصلی خسارات و مرگ و میر ناشی از طوفان ها، موج طوفان است.
به نقل از اسپیس، موج طوفان، افزایش سطح آب اقیانوس است که در اثر تلفیقی از بادهای قدرتمند که آب را بسمت خط ساحلی هل می دهند و کاهش فشار هوا در داخل طوفان در مقایسه با فشار خارج از آن ایجاد می شود. علاوه بر این عوامل، امواجی که در نزدیکی ساحل می شکنند موجب افزایش سطح دریا در نزدیکی خط ساحلی می شوند، پدیده ای که ما آنرا موج خیزی می نامیم و می تواند جزء مهمی از موج طوفان باشد.
پیش بینی دقیق امواج طوفان برای فراهم کردن زمان کافی برای ساکنان ساحلی جهت تخلیه منطقه و هشدار دادن به نیروهای امدادی جهت آماده شدن خیلی مهم است. اما پیش بینی امواج طوفان با وضوح بالا می تواند آهسته باشد.
یک مهندس ساحلی، چگونگی تعامل امواج و موج های طوفان با خاصیت های طبیعی و مصنوعی در کف اقیانوس و ساحل و راه های کاهش تأثیر آنها را مطالعه می کند. او از مدلهای مبتنی بر فیزیک برای سیل ساحلی بهره برده و الان درحال بررسی راه هایی است که هوش مصنوعی می تواند سرعت پیش بینی موج های طوفان را بهبود بخشد.
چگونه موج طوفان امروزه پیش بینی می شود
امروزه، پیش بینی های عملیاتی موج طوفان بر مدلهای هیدرودینامیکی متکی هستند که مبتنی بر فیزیک جریان آب هستند.
این مدلها از شرایط محیطی فعلی مانند سرعت حرکت طوفان بسمت ساحل، سرعت و جهت باد آن، زمان جزر و مد و شکل کف دریا و چشم انداز برای محاسبه ارتفاع موج پیش بینی شده و تعیین مکان هایی که بیشترین خطر را دارند، استفاده می نمایند.
مدلهای هیدرودینامیکی در دهه های اخیر به صورت قابل توجهی بهبود یافته اند و کامپیوتر ها به صورت قابل توجهی قدرتمندتر شده اند، به صورتی که شبیه سازی های سریع با وضوح پایین در مناطق بسیار وسیع ممکن است. در عین حال، شبیه سازی با وضوح بالا که جزئیات سطح همسایگی را ارائه می کند، می تواند چندین ساعت بطول بیانجامد.
این ساعات می توانند برای تخلیه ایمن جوامع در معرض خطر و آمادگی کافی امدادگران حیاتی باشند.
برای پیش بینی موج طوفان در یک منطقه وسیع، مدل سازان منطقه مورد نظر را به قطعات کوچک زیادی تقسیم می کنند که در کنار هم یک شبکه محاسباتی می سازند. پیکسل های تصویر را در یک تصویر نشان می دهند. هرچه قطعات شبکه یا سلول ها کوچکتر باشند، وضوح بالاتر و پیش بینی دقیق تر است. در عین حال، ایجاد سلول های کوچک زیاد در یک منطقه بزرگ به قدرت محاسباتی بیشتری نیاز دارد، ازاین رو پیش بینی موج طوفان درنتیجه زمان بیشتری می برد.
پیش بینی کنندگان می توانند از شبکه های کامپیوتری با وضوح پایین برای سرعت بخشیدن به این پروسه استفاده کنند، اما این کار دقت را می کاهد و جوامع را با عدم قطعیت بیشتری در مورد خطر سیل مواجه می کند. هوش مصنوعی می تواند به سرعت بخشیدن به آن کمک نماید.
چگونه هوش مصنوعی می تواند پیش بینی های بهتری ایجاد کند
دو منبع اصلی عدم قطعیت در پیش بینی های موج طوفان وجود دارد. یکی از آنها شامل داده هایی است که به مدل کامپیوتری وارد می شوند. پیش بینی دقیق مسیر طوفان و میدان باد یک طوفان، که تعیین می کند طوفان به کجا خواهد رسید و شدت موج آن چقدر خواهد بود، بیشتر از چند روز پیش از وقوع طوفان، هنوز دشوار است. تغییرات در ساحل و کف دریا، مانند لایروبی کانال یا از بین رفتن باطلاق های نمکی، جنگل های حرا یا تپه های شنی، می تواند بر مقاومتی که موج طوفان با آن مواجه خواهد شد، تأثیر بگذارد.
عدم قطعیت دوم مربوط به وضوح شبکه محاسباتی است.
مدلهای هوش مصنوعی می توانند پیش بینی های دقیقی را سریع تر عرضه کنند. بعنوان مثال، مهندسان و دانشمندان مدلهای هوش مصنوعی مبتنی بر شبکه های عصبی عمیق را توسعه داده اند که می توانند با استفاده از داده های مربوط به میدان باد، سطح آب در امتداد خط ساحلی را به سرعت و با دقت پیش بینی کنند. در بعضی موارد، این مدلها دقیق تر از مدلهای هیدرودینامیکی سنتی بوده اند.
هوش مصنوعی همین طور می تواند پیش بینی هایی را برای مناطقی با داده های تاریخی کم عرضه نماید، یا برای درک شرایط بحرانی که ممکنست قبلا در آنجا رخ نداده باشد، مورد استفاده قرار گیرد.
برای این پیش بینی ها، می توان از مدلهای مبتنی بر فیزیک برای تولید داده های مصنوعی بهره برد تا هوش مصنوعی را در سناریوهایی که ممکنست ممکن باشند اما در واقع اتفاق نیفتاده اند، آموزش دهد. هنگامی که یک مدل هوش مصنوعی برمبنای داده های تاریخی و مصنوعی آموزش داده می شود، می تواند به سرعت پیش بینی های مربوط به موج را با استفاده از جزئیات مربوط به باد و فشار جو تولید نماید.
آموزش هوش مصنوعی با داده های مدلهای هیدرودینامیکی همین طور می تواند توانایی آنرا در تولید سریع نقشه های خطر سیل بهبود بخشد که نشان داده است کدام خیابان ها یا خانه ها احتمالاً در حوادث شدید که ممکنست سابقه تاریخی نداشته باشند اما می توانند در آینده اتفاق بیفتند، گرفتار سیل می شوند.
آینده هوش مصنوعی برای پیش بینی طوفان
هوش مصنوعی اکنون به صورت محدود در پیش بینی های عملیاتی موج طوفان مورد استفاده قرار می گیرد، عموما برای تقویت مدلهای مبتنی بر فیزیک که معمولاً استفاده می شوند.
علاوه بر بهبود این تکنیک ها، دیگر پژوهشگران درحال توسعه روش هایی جهت استفاده از هوش مصنوعی برای پیش بینی موج طوفان با استفاده از داده های مشاهده شده، ارزیابی خسارات بعد از طوفان ها و پردازش تصاویر دوربین برای استنباط شدت سیل بوده اند. این امر می تواند شکاف مهمی را در داده های مورد نیاز برای اعتبارسنجی مدلهای موج طوفان در سطوح جزئی پر کند.
همزمان با گسترش سریع مدلهای هوش مصنوعی در تمام جنبه های زندگی ما و در دسترس قرار گرفتن داده های بیشتر برای آموزش آنها، این فناوری پتانسیل بهبود پیش بینی طوفان و خیزاب های دریایی در آینده را فراهم می آورد و به جوامع ساحلی هشدارهای سریع تر و دقیق تری در مورد خطرات پیش رو می دهد.
به طور خلاصه به نقل از اسپیس، موج طوفان، افزایش سطح آب اقیانوس است که در اثر ترکیبی از بادهای قدرتمند که آب را بسمت خط ساحلی هل می دهند و کاهش فشار هوا در داخل طوفان در مقایسه با فشار خارج از آن ایجاد می شود. مدل های هیدرودینامیکی در دهه های اخیر بصورت قابل توجهی بهبود یافته اند و کامپیوتر ها بصورت قابل توجهی قدرتمندتر شده اند، به صورتی که شبیه سازی های سریع با وضوح پایین در مناطق بسیار وسیع امکان دارد. این ساعات می توانند برای تخلیه ایمن جوامع در معرض خطر و آمادگی کافی امدادگران حیاتی باشند.

منبع: سئو مئو