افزایش آمادگی برابر سیل با تصاویر ماهواره ای هوش مصنوعی

افزایش آمادگی برابر سیل با تصاویر ماهواره ای هوش مصنوعی

به گزارش اسمارت کاور، دانشمندان به کمک تصاویر ماهواره ای حاصل از هوش مصنوعی موفق به پیشبینی سیل و طوفان چند روز قبل از وقوع شده اند.



به گزارش اسمارت کاور به نقل از مهر، دانشمندان به کمک تصاویر ماهواره ای حاصل از هوش مصنوعی موفق به پیشبینی سیل و طوفان چند روز قبل از وقوع شده اند. در واقع مدلی مبتنی بر هوش مصنوعی توانسته تصاویری از وقوع سیلاب در ایالت تگزاس را به شکل ماهواره ای شبیه سازی کند.
تصویرسازی از تأثیرات احتمالی یک طوفان بر منازل مردم، قبل از وقوع آن، می تواند به ساکنان کمک نماید تا برای مقابله آماده شوند یا تصمیم بگیرند که آیا باید تخلیه شوند یا خیر؟
دانشمندان MIT (مؤسسه فناوری ماساچوست) روشی را توسعه داده اند که با استفاده از آن میتوان تصاویری ماهواره ای از آینده تولید کرد و نشان داد که یک منطقه بعد از وقوع سیلاب چگونه به نظر خواهد رسید. این شیوه، مدل هوش مصنوعی تولیدکننده را با یک مدل مبتنی بر فیزیک برای شبیه سازی سیلاب ترکیب می کند و تصاویری واقعی و از زاویه بالا عرضه می دهد که نشان می دهند با عنایت به شدت طوفان پیش رو، سیلاب در کدام مناطق احتمالا رخ خواهد داد.
این تیم روش خویش را در هیوستون آزمایش کرده و تصاویر ماهواره ای شبیه سازی شده ای تولید کرده است که نشان داده است برخی مناطق این شهر بعد از طوفانی مشابه طوفان هاروی در سال ۲۰۱۷ چگونه خواهند بود. این تصاویر شبیه سازی شده با تصاویر واقعی ماهواره ای از همان مناطق بعد از طوفان هاروی و همینطور با تصاویری که تنها توسط مدل هوش مصنوعی (بدون استفاده از مدل فیزیکی) ساخته شده بود، مقایسه شده است.
نتایج نشان داد که روش تقویت شده با مدل فیزیکی، تصاویر واقعی تر و دقیق تری از سیلاب های آینده تولید کرده است. در مقابل، روش مبتنی بر هوش مصنوعی خالص، تصاویری از سیلاب تولید کرده بود که در بعضی مناطق جغرافیایی، وقوع سیلاب در آنها از نظر فیزیکی غیر ممکن بود.
این روش، تنها یک اثبات مفهوم است که نشان داده است چگونه مدلهای هوش مصنوعی تولیدکننده می توانند در صورت ترکیب با مدلهای فیزیکی، محتوای واقعی و قابل اعتماد تولید کنند. جهت استفاده از این شیوه در مناطق دیگر و شبیه سازی سیلاب های ناشی از طوفان های آینده، ضروری است این مدل روی تعداد بیشتری از تصاویر ماهواره ای آموزش داده شود تا نحوه وقوع سیلاب در مناطق مختلف را یاد بگیرد.

کمک به آمادگی در مقابل طوفان ها

بیورن لوئتیِنز؛ پژوهشگر فوق دکتری در دپارتمان علوم زمین، جو و سیاره شناسی MIT که رهبری این پژوهش را در دوران دانشجویی در دپارتمان هوافضا بر عهده داشت، می گوید: «ایده اینست که روزی بتوانیم این شیوه را قبل از وقوع طوفان ها به کار بگیریم و لایه ای اضافی از اطلاعات تصویری برای عموم عرضه دهیم. یکی از بزرگ ترین چالش ها، تشویق مردم به تخلیه مناطق در معرض خطر است. شاید این تصاویر بتوانند سطح آمادگی را بالا برند.»
این تیم روش جدید خود، که "موتور هوش زمین" نام دارد، به شکل یک منبع آنلاین در دسترس عموم قرار داده است.
این مطالعه بخشی از تلاشهای این گروه جهت استفاده از ابزارهای هوش مصنوعی تولیدکننده در تصویرسازی سناریوهای آینده اقلیمی است.
دوا نیومن؛ استاد هوافضا و مدیر لابراتوار رسانه ای MIT، و نویسنده ارشد این مطالعه می گوید: «ارائه دیدگاهی محلی از تغییرات اقلیمی مؤثرترین روش برای انتقال نتایج علمی ماست. مردم با منطقه کدپستی خود، جایی که خانواده و دوستانشان زندگی می کنند، ارتباط بیشتری برقرار می کنند. شبیه سازی های محلی اقلیم سبب می شود نتایج شهودی تر، شخصی تر و قابل درک تر شوند.»
برای این مطالعه، محققان از یک شبکه تولیدکننده تقابلی شرطی (GAN) استفاده کردند. این شیوه یادگیری ماشینی، با استفاده از دو شبکه عصبی که به شکل رقابتی کار می کنند، می تواند تصاویر واقعی تولید نماید. یکی از این شبکه ها به نام "تولیدکننده" با داده های واقعی، مانند تصاویر ماهواره ای قبل و پس از طوفان، آموزش داده می شود. شبکه دیگر به نام "تفکیک کننده" هم برای تشخیص بین تصاویر واقعی و شبیه سازی شده آموزش داده می شود.
این روش نشان دهنده راهی ملموس برای ترکیب یادگیری ماشینی با علم فیزیک است و می تواند نقشی مؤثر در تصمیم گیری های محلی و نجات جان افراد ایفا کند.
این پژوهش در مجله IEEE Transactions on Geoscience and Remote Sensing انتشار یافته است.


منبع:

1403/09/08
13:33:21
5.0 / 5
80
مطلب را می پسندید؟
(1)
(0)
X

تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب
لطفا شما هم نظر دهید
= ۵ بعلاوه ۵
اسمارت کاور
smartcover.ir - مالکیت معنوی سایت اسمارت كاور متعلق به مالکین آن می باشد