Des chercheurs du Massachusetts Institute of Technology (MIT) ont développé un outil de prévision des inondations qui combine l’IA générative et des modèles physiques pour produire des images satellite réalistes qui représentent visuellement des scénarios d’inondations potentiels. Cet outil peut non seulement identifier les zones à haut risque avec plus de précision, mais également fournir aux décideurs un support visuel plus fiable pour une meilleure alerte en cas d'inondation et une meilleure réponse aux catastrophes. Cette technologie intègre de manière innovante des réseaux contradictoires génératifs (GAN) et des modèles physiques, réduisant efficacement la possibilité d'une « illusion » du modèle GAN, améliorant la précision des images et fournissant de nouvelles méthodes pour une alerte aux inondations et une gestion des catastrophes plus efficaces.
Des scientifiques du Massachusetts Institute of Technology (MIT) développent un outil d’intelligence artificielle (IA) capable de générer des images satellite réalistes pour illustrer des scénarios d’inondations potentielles. Cette technologie combine des modèles d'IA génératifs et des modèles d'inondation basés sur la physique pour identifier plus précisément les zones à haut risque et fournir aux décideurs une aide à la visualisation fiable.
IA+modèle physique : générez des images d'inondation plus précises
Selon Space.com, l'outil utilise d'abord des modèles physiques pour identifier les zones à risque d'inondation. Il génère ensuite une vue aérienne détaillée de ce à quoi pourrait ressembler la zone après une inondation, en fonction de l’intensité de la tempête imminente. L'outil utilise une approche innovante qui combine des réseaux contradictoires génératifs (GAN) avec des modèles physiques pour réduire les « hallucinations » (c'est-à-dire les caractéristiques des images qui semblent réelles mais inexactes) que les GAN peuvent produire.
"Les 'illusions' peuvent induire les spectateurs en erreur", a déclaré Bjorn Lütjens, chercheur postdoctoral au Département des sciences de la Terre, de l'atmosphère et des planètes du MIT. "Nous réfléchissons en 2017 à la manière d'utiliser ces modèles d'IA génératifs dans le contexte des impacts climatiques. Dans ce cas, il est crucial de disposer d’une source de données fiable. C’est là que les modèles physiques entrent en jeu. »
Alerte précoce plus intuitive : contribue à accroître la volonté d’évacuation
"L'idée est qu'un jour nous pourrions utiliser cette technologie avant un ouragan pour fournir une couche supplémentaire de visibilité au public", a déclaré Lütjens. Il a également souligné l'importance des évacuations, en disant : "Encouragez les gens à évacuer face au risque". est un énorme défi. Peut-être que ce type de visualisation peut aider à améliorer ce niveau de préparation.
Comparaison des mesures réelles : l'IA+le modèle physique présente des avantages évidents
Pour démontrer le modèle, les chercheurs l'ont appliqué à un scénario à Houston, générant des images satellite d'inondations dans la ville après une tempête similaire à l'intensité de l'ouragan Harvey. Ils ont comparé les images générées par l’IA avec des images satellite réelles et des images générées sans l’aide de modèles physiques. Les résultats ont montré que les images d'IA générées sans l'aide de modèles physiques étaient très imprécises et produisaient de nombreuses « illusions », montrant principalement des inondations dans des zones où les inondations sont peu probables. En revanche, les images générées à l’aide de méthodes d’augmentation physique correspondent étroitement aux situations du monde réel.
Perspectives d’application : aide à la décision et protection de la sécurité des personnes
Les scientifiques prévoient que cette technologie aidera à prédire les futurs scénarios d’inondations et fournira des données visuelles fiables pour aider les décideurs à prendre des décisions éclairées en matière de planification, d’évacuation et d’atténuation des inondations. Lüterjens a déclaré que les décideurs utilisent généralement des visualisations, telles que des cartes à code couleur, pour évaluer les zones d'inondation potentielles, mais que les visualisations d'images satellites peuvent fournir des informations plus intuitives et plus attrayantes tout en préservant leur crédibilité.
Actuellement, la méthode de l'équipe est encore au stade de la validation de principe et il faut plus de temps pour analyser d'autres domaines afin de prédire plus précisément les résultats de diverses tempêtes.
"Nous démontrons une approche pratique pour combiner l'apprentissage automatique avec la physique pour des cas d'utilisation sensibles aux risques qui nous obligent à analyser les systèmes terrestres", a déclaré Dava Newman, professeur d'aéronautique et d'astronautique au MIT et directeur du MIT Media Lab et prédire les actions futures. et les scénarios possibles pour protéger les gens. Nous sommes impatients de mettre nos outils d'IA générative entre les mains des décideurs au niveau communautaire local, où ils pourraient avoir un impact significatif et même sauver des vies.
Cette technologie de prévision des inondations basée sur l'IA et des modèles physiques fournit un support technique puissant pour une alerte plus précise des inondations et une gestion des catastrophes à l'avenir. Elle a de larges perspectives d'application et devrait sauver davantage de vies et réduire les pertes causées par les inondations dans le monde. À l’avenir, à mesure que la technologie continue de s’améliorer et que son champ d’application s’élargit, cette technologie jouera un rôle plus important.