Исследователи из Массачусетского технологического института (MIT) разработали инструмент прогнозирования наводнений, который сочетает в себе генеративный искусственный интеллект и физические модели для создания реалистичных спутниковых изображений, визуально представляющих потенциальные сценарии наводнений. Этот инструмент может не только более точно идентифицировать области повышенного риска, но и предоставить лицам, принимающим решения, более надежную визуальную поддержку для лучшего предупреждения о наводнениях и реагирования на стихийные бедствия. Эта технология инновационным образом объединяет генеративно-состязательные сети (GAN) и физические модели, эффективно уменьшая возможность «иллюзии» модели GAN, повышая точность изображений и предоставляя новые методы для более эффективного предупреждения о наводнениях и управления стихийными бедствиями.
Ученые Массачусетского технологического института (MIT) разрабатывают инструмент искусственного интеллекта (ИИ), который может генерировать реалистичные спутниковые изображения для иллюстрации потенциальных сценариев наводнений. Эта технология сочетает в себе генеративные модели искусственного интеллекта и модели наводнений, основанные на физике, для более точного определения областей высокого риска и предоставления лицам, принимающим решения, надежной поддержки визуализации.
Искусственный интеллект+физическая модель: создание более точных изображений наводнений
По данным Space.com, инструмент сначала использует физические модели для определения областей, подверженных риску затопления. Затем он создает подробный вид с воздуха того, как может выглядеть местность после наводнения, в зависимости от интенсивности приближающегося шторма. Инструмент использует инновационный подход, который сочетает в себе генеративно-состязательные сети (GAN) с физическими моделями для уменьшения «галлюцинаций» (т. е. особенностей изображений, которые выглядят реальными, но являются неточными), которые могут создавать GAN.
«Иллюзии» могут вводить зрителей в заблуждение», — сказал Бьорн Лютьенс, постдокторант кафедры наук о Земле, атмосфере и планетах Массачусетского технологического института. «Мы думаем о том, как использовать эти генеративные модели искусственного интеллекта в контексте климатических воздействий. В этом случае наличие надежного источника данных имеет решающее значение. Именно здесь в игру вступают физические модели».
Более интуитивное раннее предупреждение: помогает повысить готовность к эвакуации
«Идея состоит в том, что однажды мы сможем использовать эту технологию перед ураганом, чтобы обеспечить дополнительный уровень видимости для общественности», — сказал Лютьенс также подчеркнул важность эвакуации, сказав: «Побуждайте людей к эвакуации перед лицом риска. — это огромная проблема. Возможно, такая визуализация поможет повысить уровень готовности».
Сравнение реальных измерений: модель AI+физическая имеет очевидные преимущества
Чтобы продемонстрировать модель, исследователи применили ее к сценарию в Хьюстоне, создав спутниковые изображения наводнения в городе после урагана, сравнимого по интенсивности с ураганом Харви. Они сравнили изображения, созданные ИИ, с реальными спутниковыми изображениями и изображениями, созданными без помощи физических моделей. Результаты показали, что изображения ИИ, созданные без помощи физических моделей, были очень неточными и создавали множество «иллюзий», в основном показывая наводнения в районах, где наводнение маловероятно. Напротив, изображения, созданные с использованием методов физического увеличения, точно соответствуют реальным ситуациям.
Перспективы применения: помощь в принятии решений и защита безопасности жизнедеятельности
Ученые ожидают, что эта технология поможет прогнозировать будущие сценарии наводнений и предоставит надежные визуальные данные, которые помогут лицам, принимающим решения, принимать обоснованные решения по планированию наводнений, эвакуации и усилиям по смягчению последствий. Лютерьенс сказал, что лица, принимающие решения, обычно используют визуализации, такие как карты с цветовой кодировкой, для оценки потенциальных зон затопления, но визуализация спутниковых изображений может предоставить более интуитивную и интересную информацию, сохраняя при этом доверие.
В настоящее время метод команды все еще находится на стадии проверки концепции, и требуется больше времени для анализа других областей, чтобы более точно предсказать результаты различных ураганов.
«Мы демонстрируем практический подход к объединению машинного обучения с физикой для чувствительных к риску случаев использования, которые требуют от нас анализа систем Земли», — сказал Дава Ньюман, профессор аэронавтики и астронавтики Массачусетского технологического института и директор Медиа-лаборатории MIT, а также прогнозирования будущих действий. и возможные сценарии, чтобы уберечь людей от опасности. Нам не терпится передать наши генеративные инструменты искусственного интеллекта в руки лиц, принимающих решения на уровне местного сообщества, где они смогут оказать существенное влияние и даже спасти жизни».
Эта технология прогнозирования наводнений, основанная на искусственном интеллекте и физических моделях, обеспечивает мощную техническую поддержку для более точного предупреждения о наводнениях и борьбы со стихийными бедствиями в будущем. Она имеет широкие перспективы применения и, как ожидается, спасет больше жизней и сократит потери, вызванные наводнениями по всему миру. В будущем, по мере дальнейшего совершенствования технологии и расширения сферы ее применения, эта технология будет играть все большую роль.