Количество людей, проживающих в городах, утроилось за последние 50 лет. Это означает, что при природных катастрофах, таких как землетрясения, под угрозой оказывается больше жизней. В то же время сила и частота экстремальных погодных явлений растут, и эта тенденция продолжится с потеплением климата. В связи с этим по всему миру разрабатываются новые системы для мониторинга землетрясений и прогнозирования климата, чтобы улучшить скорость, стоимость и точность обнаружения и реагирования на катастрофы.
6 ноября в Барселонском центре суперкомпьютеров в Испании впервые соберется Глобальная инициатива по устойчивости к природным опасностям с использованием решений на базе ИИ. Новая инициатива ООН направлена на помощь правительствам, организациям и сообществам в применении ИИ для управления катастрофами.
Эта инициатива основывается на почти четырехлетней подготовительной работе Международного союза электросвязи, Всемирной метеорологической организации и Программы ООН по окружающей среде, которые в начале 2021 года создали фокус-группу для разработки лучших практик использования ИИ в управлении катастрофами. В их задачи входит повышение сбора данных, улучшение прогнозирования и оптимизация коммуникаций.
ИИ открывает множество возможностей для защиты от различных природных катастроф. Например, в 2023 году исследователи продемонстрировали, как ИИ может помочь в расстановке дорожных датчиков для выявления препятствий после тропических штормов во Флориде. В октябре метеорологи использовали модели прогнозирования погоды на базе ИИ для точного предсказания, где ураган Милтон достигнет суши. ИИ также используется для более эффективного оповещения населения: в прошлом году Национальная метеослужба объявила о партнерстве с компанией по переводам на базе ИИ для быстрого перевода прогнозов на испанский и упрощенный китайский языки.
ИИ не только помогает готовиться к катастрофам, но и координирует усилия по реагированию на них. Так, после ураганов Милтон и Иен некоммерческая организация использовала модели машинного обучения для анализа спутниковых снимков до и после катастроф, чтобы определить наиболее пострадавшие районы и приоритеты распределения финансовой помощи. ИИ также применялся для анализа снимков с воздуха в городах, пострадавших от циклонов и землетрясений.
Эффективная работа систем раннего предупреждения в основном является обязанностью правительств, но климатическое моделирование на базе ИИ, а в меньшей степени — обнаружение землетрясений, становятся перспективной частной отраслью. Стартапы и крупные технологические компании работают с агентствами по защите населения от катастроф и европейскими метеорологами, их модели могут обеспечить более точные прогнозы быстрее и с меньшими затратами ресурсов, чем традиционные методы.
Новые достижения в области искусственного интеллекта позволяют разрабатывать модели прогнозирования погоды, которые строятся с использованием ИИ с нуля, что повышает их точность и скорость. Традиционные модели требуют значительных вычислительных мощностей, а ИИ-модели, обученные на многолетних климатических данных, позволяют значительно ускорить процесс прогнозирования и создавать более подробные сетки для анализа.
Тем не менее, модели на базе ИИ зависят от качества данных, на которых они обучены, что может стать ограничением в некоторых регионах. В бедных регионах часто меньше и хуже функционирующих метеорологических датчиков, что приводит к пробелам в данных. Поэтому системы, обученные на таких данных, могут быть менее точными в уязвимых местах. Чтобы решить эту проблему, разрабатываются рекомендации по ответственному использованию ИИ.
Частные компании также стремятся устранить этот разрыв, собирая собственные данные. Некоторые стартапы запускают спутники с метеодатчиками для сбора информации из труднодоступных регионов и обучения своих моделей. Эта технология помогает городам принимать решения, например, о необходимости посыпки дорог перед снегопадами.
Кроме того, новая инициатива ООН, направленная на решение проблемы нехватки метеорологических данных, предлагает финансирование и техническую помощь бедным странам. Важным аспектом остается необходимость человеческого участия в управлении моделями ИИ, чтобы избежать полной зависимости от них.
Источник: Time
