ابزار هوش مصنوعی جدید تصاویر ماهواره‌ای واقعی از سیل آینده تولید می‌کند. این روش می‌تواند به جوامع کمک کند تا طوفان‌های نزدیک را تجسم کنند و در تشخیص وقوع سیل بهتر شوند.
تجسم اثرات بالقوه یک طوفان بر خانه‌های مردم قبل از وقوع می‌تواند به ساکنان کمک کند تا آماده شوند و تصمیم تخلیه بگیرند.
دانشمندان MIT روشی ابداع کرده‌اند که تصاویر ماهواره‌ای را از آینده تولید می‌کند تا نشان دهد که چگونه یک منطقه درگیر سیل می‌شود. این روش یک مدل هوش مصنوعی مولد را با یک مدل سیل مبتنی بر فیزیک ترکیب می‌کند تا تصاویری واقع‌گرایانه از یک منطقه ایجاد کند که نشان می‌دهد با توجه به قدرت طوفان پیش رو، احتمال وقوع سیل در کجا وجود دارد.
روش این تیم اثبات مفهومی است که هدف آن نمایان موردی است که در آن مدل‌های هوش مصنوعی مولد می‌توانند محتوای واقعی و قابل اعتماد را در صورت جفت شدن با یک مدل مبتنی بر فیزیک تولید کنند. به منظور اعمال این روش در مناطق دیگر برای به تشخیص وقوع سیل ناشی از طوفان‌های آینده، باید در بسیاری از تصاویر ماهواره‌ای آموزش صورت بگیرد تا یاد بگیرد که سیل در مناطق دیگر چگونه به نظر می‌رسد.
بیشتر بخوانید: تشخیص مقاومت باکتری به دارو با هوش مصنوعی
تصاویر خصمانه تولیدی
مطالعه جدید گسترش تلاش‌های این تیم برای استفاده از ابزارهای هوش مصنوعی مولد برای تجسم سناریوهای آب و هوایی آینده است.
نیومن، نویسنده ارشد این مطالعه است. او می‌گوید: «به نظر می‌رسد ارائه یک دیدگاه بیش از حد محلی از آب و هوا مؤثرترین راه برای انتقال نتایج علمی ما باشد.
برای این مطالعه، نویسندگان از یک شبکه متخاصم مولد شرطی یا GAN، یک نوع روش یادگیری ماشینی استفاده می‌کنند. که می‌تواند تصاویر واقعی را با استفاده از دو شبکه عصبی رقیب، یا «متخاصم» تولید کند. اولین شبکه “مولد” بر روی جفت داده‌های واقعی مانند تصاویر ماهواره‌ای قبل و بعد از طوفان آموزش می‌بینند. سپس دومین شبکه «تبعیض‌کننده» آموزش داده می‌شود تا بین تصاویر ماهواره‌ای واقعی و تصویری که توسط شبکه اول ترکیب می‌شود تمایز قائل شود.
هر شبکه به طور خودکار عملکرد خود را بر اساس بازخورد شبکه دیگر بهبود می‌بخشد. بنابراین، ایده این است که چنین فشار و کشش خصمانه‌ای باید در نهایت تصاویر مصنوعی تولید کند که از مورد واقعی قابل تشخیص نیستند. با این وجود، GANها هنوز هم می‌توانند “توهمات” یا ویژگی‌های واقعی نادرست را در یک تصویر واقع‌گرایانه ایجاد کنند که نباید وجود داشته باشد.
توهمات و تشخیص سیل
محققان در کار جدید خود، سناریویی حساس به ریسک را در نظر گرفتند که در آن هوش مصنوعی مولد وظیفه ایجاد تصاویر ماهواره‌ای از سیل آینده را دارد. که می‌تواند به اندازه کافی قابل اعتماد باشد تا تصمیم‌گیری درباره نحوه آماده‌سازی و تخلیه احتمالی افراد از مسیر آسیب‌دیدگی را فراهم کند.
به طور معمول، سیاست‌گذاران می‌توانند بر اساس تجسم‌هایی در قالب نقشه‌های رنگی، ایده‌ای از محل وقوع سیل پیدا کنند. این نقشه‌ها محصول نهایی خط لوله‌ای از مدل‌های فیزیکی هستند. معمولاً با یک مدل مسیر طوفان شروع می‌شود، که سپس به مدل باد می‌خورد که الگوی و قدرت باد را در یک منطقه محلی شبیه‌سازی می‌کند.
این تیم روشی ملموس برای ترکیب یادگیری ماشین با فیزیک برای استفاده‌ای حساس به ریسک نشان می‌دهند. البته که ملزم هستند تا پیچیدگی سیستم‌های زمین را تجزیه و تحلیل کنند و اقدامات آینده و سناریوهای احتمالی را برای دور نگه‌داشتن مردم از خطرات پیش‌بینی کنند.
این تحقیق تا حدی توسط برنامه MIT پرتغال، شتاب دهنده هوش مصنوعی DAF-MIT، ناسا و Google Cloud پشتیبانی شد.