Σε μια εποχή όπου τα ακραία καιρικά φαινόμενα γίνονται ολοένα και πιο απρόβλεπτα, η τεχνητή νοημοσύνη επιχειρεί να γεφυρώσει το χάσμα ανάμεσα στην αβεβαιότητα και την πρόγνωση. Η αξιοποίηση της παραγωγικής AI για την πρόβλεψη φυσικών καταστροφών αναδεικνύεται σε έναν από τους πιο φιλόδοξους τομείς εφαρμογής, με το Groundsource να εισάγει μια νέα προσέγγιση στην ανάλυση δεδομένων. Το σύστημα αυτό μετατρέπει δημόσιες αναφορές από ολόκληρο τον κόσμο σε οργανωμένα και αξιοποιήσιμα σύνολα δεδομένων, ικανά να υποστηρίξουν την πρόβλεψη φυσικών κινδύνων.
Η τεχνολογία βασίστηκε στο μοντέλο Gemini και επιχειρεί να αντιμετωπίσει ένα χρόνιο πρόβλημα της επιστημονικής έρευνας: την έλλειψη επαρκών ιστορικών δεδομένων για συγκεκριμένα φαινόμενα. Σε περιπτώσεις όπως οι αιφνίδιες πλημμύρες σε αστικά περιβάλλοντα, η απουσία συγκεντρωμένων στοιχείων καθιστούσε δύσκολη την ανάπτυξη αξιόπιστων προγνωστικών μοντέλων.
Για να καλυφθεί αυτό το κενό, αναλύθηκαν δημόσιες αναφορές που καλύπτουν χρονικό εύρος δεκαετιών και προέρχονται από διαφορετικές πηγές. Μέσα από αυτή τη διαδικασία εντοπίστηκαν περισσότερα από 2,6 εκατομμύρια περιστατικά πλημμυρών σε πάνω από 150 χώρες. Στη συνέχεια, τα δεδομένα αυτά συνδυάστηκαν με γεωχωρική ανάλυση, επιτρέποντας την ακριβέστερη αποτύπωση των περιοχών όπου εκδηλώθηκαν τα φαινόμενα.
Με βάση αυτό το εκτενές dataset αναπτύχθηκε ένα νέο μοντέλο πρόβλεψης για τις αστικές ξαφνικές πλημμύρες, δηλαδή φαινόμενα που εκδηλώνονται αιφνιδιαστικά σε πόλεις μετά από έντονες βροχοπτώσεις. Σύμφωνα με τα στοιχεία της έρευνας, το σύστημα είναι σε θέση να παρέχει προειδοποιήσεις έως και 24 ώρες πριν την εκδήλωση μιας πλημμύρας.
Πώς αξιοποιούνται οι νέες προβλέψεις
Οι προβλέψεις ενσωματώνονται στην πλατφόρμα Flood Hub, η οποία ήδη παρέχει δεδομένα για ποτάμιες πλημμύρες σε παγκόσμιο επίπεδο. Οι υπηρεσίες της εκτιμάται ότι καλύπτουν περίπου δύο δισεκατομμύρια ανθρώπους σε περισσότερες από 150 χώρες.
Το Groundsource και το Flood Hub εντάσσονται πλέον στο οικοσύστημα των γεωχωρικών εργαλείων της Google Earth AI, που συγκεντρώνει τεχνολογίες τεχνητής νοημοσύνης για την ανάλυση περιβαλλοντικών και γεωγραφικών δεδομένων.
Η ανάπτυξη τέτοιων λύσεων συνδέεται άμεσα με μια βασική πρόκληση: την έλλειψη συγκεντρωμένων και αξιόπιστων ιστορικών στοιχείων για πολλές φυσικές καταστροφές. Χωρίς αυτά, η εκπαίδευση αλγορίθμων που μπορούν να προβλέψουν την εξέλιξη των φαινομένων παραμένει εξαιρετικά δύσκολη. Η αξιοποίηση δημόσιων πληροφοριών έρχεται να καλύψει αυτό το κενό, καθώς η τεχνητή νοημοσύνη μπορεί να εντοπίζει, να επαληθεύει και να οργανώνει τεράστιους όγκους δεδομένων που μέχρι πρότινος ήταν διάσπαρτοι.
Οι επιστήμονες εκτιμούν ότι η ίδια μεθοδολογία μπορεί να επεκταθεί και σε άλλους φυσικούς κινδύνους, όπως κατολισθήσεις ή ακραία κύματα καύσωνα. Η δημιουργία αξιόπιστων βάσεων δεδομένων θεωρείται κρίσιμη για την ενίσχυση των συστημάτων έγκαιρης προειδοποίησης, ιδιαίτερα σε περιοχές που πλήττονται συχνότερα από ακραία φαινόμενα.
Καθώς η κλιματική αλλαγή εντείνει τη συχνότητα και τη σφοδρότητα των φυσικών καταστροφών, η δυνατότητα έγκαιρης πρόβλεψης καθίσταται ολοένα και πιο καθοριστική για την προστασία των κοινωνιών και την αποτελεσματικότερη προετοιμασία των αρχών.
Διαβάστε ακόμη
Μόνιμη η νέα φορολόγηση των διαδικτυακών τυχερών παιχνιδιών «τύπου καζίνο»
Χιλιάδες start-ups αλλάζουν την αμυντική βιομηχανία όπως την ξέραμε
Για όλες τις υπόλοιπες ειδήσεις της επικαιρότητας μπορείτε να επισκεφτείτε το Πρώτο Θέμα