Изменение климата является основной причиной стихийных бедствий. Согласно отчету Всемирной метеорологической организации (ВМО) за 2019 год, количество стихийных бедствий в мире увеличилось в пять раз за последние 50 лет. Сообщения о стихийных бедствиях теперь являются ожидаемой частью глобального новостного цикла, с всплеском катастрофических событий, связанных с погодой — от лесных пожаров в Турции до наводнений в Германии — у многих возникает ощущение, что климатический кризис достигает точки кипения. .

Тем не менее, некоторые из них долгое время страдали от последствий стихийных бедствий, связанных с климатом, таких как сильная засуха и прибрежные наводнения, в относительной тишине. Эти события несоразмерно затрагивают население малых островных развивающихся государств (МОРАГ) и наименее развитых стран (НРС), где люди имеют меньший доступ к ресурсам, менее развитую инфраструктуру и в большей степени зависят от сельскохозяйственного производства. Уязвимые группы населения десятилетиями борются или бегут от последствий стихийных бедствий, связанных с климатом.

Однако есть проблеск надежды. Хотя распространенность стихийных бедствий растет, смертность от этих крупных бедствий снизилась — почти в три раза, согласно данным из отчета ВМО. Снижение смертности во многом связано с улучшением систем раннего предупреждения и управления стихийными бедствиями, что демонстрирует важность способности прогнозировать стихийные бедствия и управлять возникающим хаосом.

Искусственный интеллект (ИИ) может изменить правила игры в управлении рисками стихийных бедствий. Инструменты искусственного интеллекта могут повысить нашу способность прогнозировать стихийные бедствия, сообщать о рисках и справляться с последствиями. В нашем последнем посте мы рассмотрели некоторые из многих способов применения технологии ИИ для продвижения вперед энергетического перехода, но это лишь небольшая часть ландшафта ИИ, связанного с изменением климата. Хотя существует множество способов, которыми ИИ может помочь смягчить или обратить вспять некоторые последствия изменения климата, некоторые из наиболее важных вариантов использования на самом деле будут заключаться в том, чтобы помочь нам справиться с его неизбежностью.

Поиск шаблонов для предсказаний

Способность ИИ анализировать большие наборы данных делает его фантастическим инструментом для анализа данных, собранных о сейсмической активности, записях об осадках, спутниковых снимках и многом другом. С течением времени эти данные создают шаблоны, из которых можно создавать метки и категории с помощью систем машинного обучения (МО). Затем эту информацию можно использовать для обнаружения аномалий или изменений, чтобы помочь исследователям понять потенциальный риск и масштабы стихийных бедствий, а также помочь правительствам планировать инфраструктуру в районах, подверженных стихийным бедствиям.

Япония является страной, находящейся в авангарде технологий изменения климата на основе искусственного интеллекта для стихийных бедствий. Землетрясение 2011 года и последовавшее за ним цунами, которое унесло жизни примерно 18 500 человек, разрушило тысячи домов и жизненно важную инфраструктуру на сумму почти 235 миллиардов долларов и привело к самой страшной ядерной катастрофе со времен Чернобыля, представляет собой наглядный пример разрушения, которое стихийное бедствие могут вызвать бедствия. Как островное государство Япония чрезвычайно уязвима к изменению климата: она переживает больше землетрясений, чем большинство других стран мира, из-за своего расположения на вершинах четырех тектонических плит и множества действующих вулканов.

Эта сложная реальность побудила японское правительство инвестировать в поиск инновационных технологических решений проблем, которые будут продолжать усугубляться по мере изменения климата. В настоящее время в Японии используется система на основе искусственного интеллекта для прогнозирования землетрясений и цунами с использованием спутниковых изображений, а также разрабатываются гибридные системы машинного обучения (ML) для мониторинга движения грунта для прогнозирования сейсмической активности. Хотя технология находится на ранних стадиях развертывания, исследования, опубликованные в журнале Nature, демонстрируют перспективу внедрения ИИ в работу.

Спутниковые системы искусственного интеллекта также используются в Японии для обнаружения знаков или оползней, а также для мониторинга стареющей инфраструктуры, такой как дороги и мосты. Эти системы помогают обнаруживать и устранять уязвимости до того, как произойдут стихийные бедствия. Спутники — не единственная технология, помогающая ИИ управлять рисками стихийных бедствий. Интернет вещей также помогает заполнить пробелы, предоставляя системам машинного обучения постоянный поток данных. Датчики используются для мониторинга как вулканической активности для прогнозирования извержений, так и уровней воды для прогнозирования наводнений.

Важно отметить, что эти типы инструментов в настоящее время имеют ограниченный охват из-за высоких затрат, связанных с их установкой и обслуживанием. К сожалению, многие страны с самым высоким уровнем риска стихийных бедствий не могут позволить себе эту технологию в ее нынешнем виде. Есть надежда, что по мере того, как эти инструменты станут более распространенными (и более качественными), они станут дешевле, расширяя свой потенциал воздействия на те области, в которых они больше всего нужны.

Управление «Прямо до» и «Только после»

Способность моделировать, симулировать и прогнозировать стихийные бедствия — это только часть общей картины. Стихийные бедствия будут продолжать происходить независимо от того, насколько хорошо их можно предсказать. ИИ также может сыграть важную роль, помогая правительствам и сообществам сообщать о рисках и уведомлениях, а также организовывать логистику оказания помощи при стихийных бедствиях.

Способность ИИ отслеживать риски стихийных бедствий является важным преимуществом для систем раннего предупреждения, но также жизненно важно доводить до населения предупреждения с четкими инструкциями о том, что делать, когда они действительно происходят. ИИ работает, чтобы заполнить пробелы в системах раннего предупреждения, собирая оперативные данные, собранные датчиками и спутниками, делая прогнозы на основе этих данных и передавая сообщение уязвимым группам населения.

Недавние примеры использования ИИ таким образом включают функцию предупреждения о землетрясениях китайской компании Xiaomi, которая интегрирована в ее операционную систему MIUI. Система оповещает пользователей Xiaomi, отправляя предупреждения о землетрясениях от нескольких секунд до десятков секунд до того, как почувствуются первые толчки. Другая недавно предложенная система направлена ​​на то, чтобы восполнить критический пробел в охвате тех, у кого нет доступа к телефонным или радиосетям, поскольку они находятся внутри зданий. Система использует ИИ для анализа видеозаписей с камер видеонаблюдения в режиме реального времени, чтобы предупредить жителей или работников о чрезвычайных ситуациях с помощью уже установленных в зданиях сигнализаций.

Некоторые системы на базе ИИ также используются для оказания помощи при стихийных бедствиях и реагирования на них. Эти системы работают, чтобы помочь аварийным бригадам, техническим группам и службам быстрого реагирования точно определить области, на которые их внимание следует направить в первую очередь. Например, One Concern использует ИИ, чтобы направлять службы экстренного реагирования туда, где они больше всего нужны после стихийного бедствия, а IBM Outage Prediction прогнозирует отключение электроэнергии за 72 часа до ожидаемых ураганов, что дает коммунальным предприятиям льготный период для спланировать и выполнить их ответ. Другие группы используют сообщения в социальных сетях после стихийного бедствия, чтобы проанализировать, где ущерб инфраструктуре наиболее серьезен и где оказание помощи должно быть приоритетным.

У каждого инструмента есть свои ограничения

Поскольку изменение климата приводит к тому, что стихийные бедствия становятся все более распространенными и серьезными по всему миру, ИИ окажется мощным инструментом для спасения жизней за счет прогнозирования и управления катастрофическими ситуациями. Хотя эти возможности бесценны, важно действовать осторожно, особенно когда на карту поставлены человеческие жизни.

Нынешний ландшафт инструментов на основе ИИ, используемых для сдерживания наихудших последствий стихийных бедствий, имеет очень реальные ограничения, которые необходимо преодолеть. Прежде всего, усилия по внедрению ИИ для проектов такого типа ограничены по масштабу. Существующие решения сильно локализованы и ориентированы на конкретные варианты использования. Субъекты частного сектора, разрабатывающие эти инициативы, обычно имеют одну или несколько партнеров из числа НПО или правительства, и их усилия плохо интегрированы в более широкое сообщество по оказанию помощи при стихийных бедствиях. Это может привести к фрагментированному подходу, при котором одни сообщества получают пользу, а другие полностью игнорируются.

Еще один набор проблем возникает из-за данных, используемых для обучения этих потенциально спасающих жизнь алгоритмов. Хотя существует множество данных, которые можно использовать для прогнозирования бедствий, обеспечения готовности, предупреждения и оказания помощи, доступ к ним не всегда может быть простым или этичным. В то же время отдельные наборы данных редко объединяются таким образом, чтобы можно было получить важную информацию. Плохо интегрированные и зафиксированные наземные идеи от опытных групп, работающих или обучающихся «на земле», могут быть объединены с выводами из больших наборов данных, чтобы нарисовать гораздо лучшую картину в целом, чем могут дать одни только большие наборы данных.

Тем не менее, хотя текущие усилия могут быть неоднородными и фрагментарными, а многие значимые образцы данных остаются неинтегрированными, есть надежда, что инструменты на основе ИИ могут помочь нам бороться с наихудшими последствиями грядущих стихийных бедствий, вызванных изменением климата. Важно помнить, что мы находимся только в начале пути использования ИИ в обществе. Это чувство является как предупреждением, так и возможностью. В то время, когда кажется, что новые модные инструменты на основе ИИ разрабатываются слева, справа и в центре, эффективное проектирование и развертывание потребует целостного и справедливого подхода.