Natura często zaskakuje nas w nieprzyjemny sposób: pożary, powodzie i trzęsienia ziemi powodują poważne zniszczenia. Ostatnie dni pokazują, że człowiek z naturą nie wygra, szczególnie jeśli będzie działał wbrew porządkowi przyrody. Możemy jednak zadbać o skuteczne zarządzanie kryzysowe.
Pojawiają się głosy, że przy odpowiednio wczesnym i dokładnym prognozowaniu na niektóre z takich wydarzeń można by się lepiej przygotować, a także zminimalizować szkody. I tu wchodzi cała na biało sztuczna inteligencja – często hejtowana jako koszmar twórców, ale w tym wypadku akurat pożyteczna. Dobrze poprowadzona mogłaby zaoferować proaktywne rozwiązania zamiast ograniczaćsie do analizy po fakcie.
AI doskonale sobie radzi z analizą dużych zbiorów danych, na przykład w medycynie. Odnajduje w nich wzory, które człowiekowi mogłyby umknąć. Z takimi możliwościami sprawdzi się w zarządzaniu kryzysowym. Monitorując na przykład aktywność sejsmiczną czy zmiany pogody pomaga prognozować anomalie, co z kolei umożliwia wczesne wdrożenie środków prewencyjnych.
Jako że człowiek w ciągu ostatniego stulecia dość mocno naraził się przyrodzie, nie powinno nas dziwić, że katastrof naturalnych jest coraz więcej. Ale wyciągnięcie wniosków to jedno, a skorzystanie z najnowszej technologii, by zminimalizować skutki katastrof to drugie. Skoro już stworzyliśmy taką technologię, dajmy jej się wykazać w warunkach bojowych. W ten sposób analiza danych stanie się naszą najpotężniejszą bronią w starciu z nieprzewidywalnymi żywiołami.
1. Trzęsienia ziemi
Dane sejsmiczne mogą posłużyć do wytrenowania systemów AI, które uczą się w ten sposób analizować wielkość i wzór dotychczasowych trzęsień ziemi, by na tej podstawie prognozować lokalizację kolejnych trzęsień i wstrząsów następczych.
Systemy deep learning analizują ogromne zbiory danych zebranych przez naukowców. Takie informacje są przydatne do formułowania prognoz dotyczących mocy kolejnych trzęsień ziemi. Google i Harvard, na przykład, pracują nad systemem AI, który będzie w stanie prognozować wstrząsy następcze. Aby stworzyć sieć neuronową, naukowcy przebadali około 131 000 trzęsień ziemi i wstrząsów następczych. Sieć neuronową następnie przetestowano na zbiorze 30 000 zdarzeń. Wyniki okazały się lepsze niż w przypadku tradycyjnych metod przewidywania lokalizacji wstrząsów następczych.
W przyszłości naukowcy być może dopracują takie rozwiązania, a wówczas władze będą mogły wcześniej wdrażać procedury ewakuacyjne na danym terenie. W Japonii prowadzi się analizę zdjęć satelitarnych, która ma posłużyć do formułowania bardziej precyzyjnych prognoz katastrof naturalnych. Aby przewidzieć prawdopodobieństwo takich zdarzeń jak trzęsienia ziemi czy tsunami, algorytmy badają zmiany na zdjęciach, a także analizują zniszczenia infrastruktury. Systemy AI są w stanie wyłapać zniekształcenia w strukturze budynków i konstrukcji, co w dłuższe perspektywie pozwoli zminimalizować szkody spowodowane przez zwalone mosty, zburzone budynki czy zapadające się drogi.
2. Powodzie
Google pracuje nad schematem AI, który pomógłby w prognozowaniu powodzi w Indiach i wysyłałby alerty przez aplikacje Google Maps i Google Search. Dane dotyczące opadów oraz symulacje powodzi wykorzystuje się do trenowania rozwiązań opartych na sztucznej inteligencji. Naukowcy testują obecnie systemy, które analizują opady i inne dane klimatyczne, by móc wcześniej i dokładniej przewidywać powodzie.
Sztuczna inteligencja sprawdza się również do monitorowania miast pod kątem zalania. Badacze z brytyjskiego uniwersytetu w Dundee wykorzystują Twittera i inne aplikacje mobilne do pozyskiwania danych na temat sytuacji w mieście. Obrazy i inne informacje dotyczące lokalizacji zalanych terenów są następnie wprowadzane do systemów AI i analizowane przez algorytmy. W ten sposób zarządzanie kryzysowe może być skuteczniejsze i dotrzeć dokładnie tam, gdzie najbardziej go potrzeba.
Na uwagę zasługuje również polska aplikacja Łowcy Burz, która umożliwia śledzenie frontu burzowego w czasie rzeczywistym. Choć niektórzy monitorowanie burz traktują jak hobby z dreszczykiem, te informacje już nieraz pozwoliły ludziom z zagrożonych terenów przygotować się zawczasu na intensywne opady deszczu.
3. Huragany
Każdego roku huragany powodują wielomilionowe szkody. Meteorolodzy dokładają starań, by coraz dokładniej prognozować takie zdarzenia, a także bacznie monitorować ich przebieg oraz natężenie. Odpowiednie techniki prognozowania mogą wesprzeć działania władz i zapobiec wielu tragediom.
NASA i Development Seed monitorują huragany w oparciu o badanie zdjęć satelitarnych i machine learning. Do tej pory system okazał się sześciokrotnie bardziej skuteczny niż metody tradycyjne. Umożliwia on monitorowanie huraganów z godzinną częstotliwością – dla porównania, metody tradycyjne zapewniały odczyty co sześć godzin.
4. Wybuchy wulkanów
To kolejna katastrofa naturalna, jaką naukowcy starają się rozgryźć przy użyciu sztucznej inteligencji. W tej chwili trenują systemy AI w zakresie rozróżniania mikrocząsteczek pyłu wulkanicznego. Morfologia takiej mikrocząsteczki może posłużyć do ustalenia, z jakiego rodzaju wulkanu pochodzi.
IBM z kolei ma w zanadrzu program o nazwie Watson, który wykorzystuje czujniki sejsmiczne i dane geologiczne do przewidywania erupcji wulkanicznych. IBM chce w ten sposób prognozować, gdzie dojdzie do kolejnego wybuchu, i jaka będzie jego siła. Tego typu aplikacje mogą pomóc zapobiegać szkodom i w porę ewakuować ludzi z obszarów zagrożonych erupcją.
5. Pożary
Strażacy pracujący w terenach górskich często dopiero na miejscu odkrywają, że ogień dotarł do miejsc trudno dostępnych. Zdarzają się lokalizacje, w które nie sposób dostać się wozem strażackim, z kolei podejście pieszo trwałoby za długo. W takich sytuacjach wzywa się helikopter lub samolot. Dzięki nowoczesnej technologii można szybciej i bardziej precyzyjnie wykrywać i lokalizować zarzewie ognia. Wiadomo wówczas, gdzie wysłać sprzęt latający. A jak wiadomo, z ogniem nie ma żartów – liczy się każda sekunda. Im wcześniej zostaną podjęte odpowiednie decyzje, tym lepiej.
Oparty na sztucznej inteligencji system N5 w San Antonio wykorzystuje strategicznie rozmieszczone czujniki, które wyłapują ślady chemiczne, cząsteczki dymu i gazów, a także odczytują temperaturę. Dane następnie analizuje system w chmurze, który aktualizuje cyfrowe mapy, a następnie wysyła alerty.
Algorytmy są tak opracowane, by skutecznie odróżniały dym z nieszkodliwych źródeł, takich jak kominy domostw czy ogniska na kempingach, od dymu, który powinien budzić niepokój.
Gdzie człowiek nie może, tam AI pośle
Choć dysponujemy różnymi systemami wczesnego ostrzegania, sztuczna inteligencja wciąż niesie ze sobą pewne ograniczenia. Po pierwsze, podobnie jak człowiek, AI również się myli. Może i działa szybciej i analizuje większe partie danych, ale i sztucznej inteligencji zdarzają się błędy. Po drugie, dane do systemu wprowadza człowiek – oznacza to, że na tym etapie również istnieje ryzyko błędu lub niedokładności, co przekłada się na wyniki analizy AI. Po trzecie wreszcie, jako że jest to nowy wynalazek, mamy tendencje do wyolbrzymiania jego zasług i zbytniego polegania na jego wynikach. Aby mieć pewność, że technologia jest wiarygodna i sprawdzi się w zarządzaniu kryzysowym, naukowcy muszą prowadzić liczne testy.
Kolejny problem polega na tym, że dane do analizy to informacje z przeszłości. Rozwiązania AI nie radzą sobie zatem z bieżącymi zmianami klimatu – opierają się bowiem wyłącznie na danych historycznych, nie uwzględniając zmiennych uwarunkowań. Dlatego AI ma trudności z dokładnym prognozowaniem długoterminowych trendów w zakresie katastrof naturalnych. Nie jest w stanie ująć w swoich analizach mechanizmu zmiany klimatu.
Podsumowanie – zarządzanie kryzysowe wspomagane AI
Katastrofy naturalne, jak trzęsienia ziemi, pożary, powodzie czy huragany zazwyczaj atakują znienacka, szczególnie w obszarach, gdzie zarządzanie kryzysowe nie stoi na najwyższym poziomie. Sztuczna inteligencja może zrewolucjonizować ten obszar i umożliwić tworzenie proaktywnych rozwiązań, opartych na zaawansowanej analizie danych i rozpoznawaniu wzorców. W ten sposób będzie możliwe formułowanie precyzyjnych prognoz i wdrażanie skutecznych środków prewencyjnych oraz zaradczych.