Η αξιοποίηση της παραγωγικής τεχνητής νοημοσύνης για την πρόβλεψη φυσικών καταστροφών αποτελεί ένα από τα πιο φιλόδοξα πεδία εφαρμογής των νέων τεχνολογιών. Στο πλαίσιο αυτής της προσπάθειας το Groundsource, μια νέα μεθοδολογία ανάλυσης δεδομένων, χρησιμοποιεί τεχνητή νοημοσύνη για να μετατρέπει δημόσιες αναφορές από όλο τον κόσμο σε αξιοποιήσιμα σύνολα δεδομένων για την πρόβλεψη φυσικών κινδύνων.
Το σύστημα αναπτύχθηκε με τη χρήση του μοντέλου Gemini και επιχειρεί να καλύψει ένα βασικό πρόβλημα στην έρευνα για τις φυσικές καταστροφές. Για πολλά φαινόμενα, όπως οι ξαφνικές πλημμύρες στις πόλεις, δεν υπήρχαν μέχρι σήμερα επαρκή ιστορικά δεδομένα ώστε να μπορούν να εκπαιδευτούν αξιόπιστα μοντέλα πρόβλεψης.
Για τον λόγο αυτό αναλύθηκαν δημόσιες αναφορές δεκαετιών από διαφορετικές πηγές. Μέσα από τη διαδικασία αυτή εντοπίστηκαν περισσότερα από 2,6 εκατομμύρια ιστορικά περιστατικά πλημμυρών σε περισσότερες από 150 χώρες. Στη συνέχεια τα περιστατικά αυτά χαρτογραφήθηκαν με τη βοήθεια γεωχωρικών δεδομένων, ώστε να καθοριστούν με μεγαλύτερη ακρίβεια οι περιοχές όπου εκδηλώθηκαν.
Με βάση αυτό το σύνολο δεδομένων εκπαιδεύτηκε ένα νέο μοντέλο πρόβλεψης για τις λεγόμενες αστικές ξαφνικές πλημμύρες, δηλαδή πλημμυρικά φαινόμενα που εμφανίζονται αιφνίδια σε πόλεις ύστερα από έντονες βροχοπτώσεις. Σύμφωνα με τα στοιχεία που παρουσιάστηκαν, το σύστημα μπορεί να παρέχει προειδοποιήσεις έως και 24 ώρες πριν από την εκδήλωση του φαινομένου.
Πώς αξιοποιούνται οι νέες προβλέψεις
Οι προβλέψεις αυτές ενσωματώνονται στην πλατφόρμα Flood Hub, η οποία παρέχει ήδη πληροφορίες για ποτάμιες πλημμύρες σε παγκόσμια κλίμακα. Οι σχετικές υπηρεσίες εκτιμάται ότι καλύπτουν περίπου δύο δισεκατομμύρια ανθρώπους σε περισσότερες από 150 χώρες.
Το Groundsource και το μοντέλο Flood Hub εντάσσονται πλέον στη σουίτα γεωχωρικών μοντέλων και δεδομένων Google Earth AI, η οποία συγκεντρώνει εργαλεία τεχνητής νοημοσύνης για την ανάλυση περιβαλλοντικών και γεωγραφικών δεδομένων.
Η ανάπτυξη τέτοιων συστημάτων συνδέεται με ένα βασικό πρόβλημα που αντιμετωπίζουν οι επιστήμονες. Για πολλές φυσικές καταστροφές δεν υπάρχουν συγκεντρωμένα και αξιόπιστα ιστορικά στοιχεία. Χωρίς αυτά τα δεδομένα είναι δύσκολο να εκπαιδευτούν αλγόριθμοι που θα μπορούν να προβλέψουν έγκαιρα την εξέλιξη των φαινομένων. Η αξιοποίηση δημόσιων πληροφοριών επιχειρεί να καλύψει αυτό το κενό. Η τεχνητή νοημοσύνη μπορεί να εντοπίζει, να επαληθεύει και να οργανώνει μεγάλους όγκους δεδομένων που μέχρι σήμερα παρέμεναν διάσπαρτοι σε διαφορετικές πηγές.
Οι ερευνητές εκτιμούν ότι η ίδια προσέγγιση θα μπορούσε να εφαρμοστεί και σε άλλους φυσικούς κινδύνους, όπως κατολισθήσεις ή ακραία κύματα καύσωνα. Η δημιουργία αξιόπιστων βάσεων δεδομένων θεωρείται κρίσιμη για τη βελτίωση των συστημάτων έγκαιρης προειδοποίησης, ιδιαίτερα σε περιοχές που πλήττονται συχνότερα από ακραία καιρικά φαινόμενα.
Καθώς η κλιματική αλλαγή αυξάνει τη συχνότητα και την ένταση των φυσικών καταστροφών, η δυνατότητα έγκαιρης πρόβλεψης θεωρείται όλο και πιο σημαντική για την προστασία των τοπικών κοινωνιών και την καλύτερη προετοιμασία των αρχών.
