Jak zwiększyć dokładność w prognozowaniu burz? Używając sztucznej inteligencji. Na taki pomysł wpadli niemieccy naukowcy z Uniwersytetu Kraju Saary
Postanowili wykorzystać cyfrowe obrazy satelitarne mas powietrza i użyć algorytmu, który na ich podstawie tworzy modele w 3D. Cyfrowe modele są porównywane z obrazem rzeczywistym. Dzięki tym modelom naukowcom ma być łatwiej przewidzieć wystąpienie burzy na danym obszarze.
Nad podobnym rozwiązaniem pracują Amerykanie. Ich algorytm wykrywa formacje chmur, z których tworzą się burze, huragany i cyklony – donosi serwis Livemint.com.
Eksperci z amerykańskich uniwersytetów California Institute of Technology i Colorado State University stworzyli strukturę opartą na sztucznej inteligencji, która wykrywa ruchy rotacyjne w chmurach z obrazów satelitarnych niezauważalne dla innych sposobów detekcji.
Przecinek zwiastunem burzy
Jak informuje serwis Livemint.com, w ramach badania naukowcy przeanalizowali ponad 50 tysięcy obrazów satelitarnych pogody. Następnie wyszczególniono wzory chmur powiązane z formacjami cyklonowymi. Sztuczna inteligencja odpowiedzialna jest za wykrywanie tych formacji. Co ciekawe, wzory te przypominają przecinek. Chmura o takim kształcie jest zapowiedzią gradu, burzy, silnych wiatrów lub zamieci śnieżnych. Sztuczna inteligencja lokalizuje taką chmurę w 40 sekund. Tradycyjna metoda potrzebuje na to około dwóch godzin.
Nad tradycyjnymi prognozami pogody zwykle pracuje sztab ludzi. Aby stworzyć całościowy obraz pogody na świecie, trzeba pobrać wyniki pomiarów parametrów meteorologicznych z co najmniej 10 tysięcy naziemnych stacji meteorologicznych oraz wyniki z około 300 stacji aerologicznych dokonujących pomiarów parametrów atmosfery do wysokości 30 km. Do tego dochodzą między innymi dane z kilkunastu satelitów meteorologicznych geostacjonarnych i okołobiegunowych, dane z radarów meteorologicznych oraz systemów wykrywania burz i wyładowań atmosferycznych.
Mimo olbrzymiej liczby danych i ciągłego rozwoju technologii cyfrowych tradycyjne modele prognozowania pogody nie są jeszcze wystarczająco efektywne. Tradycyjna, tzw. numeryczna prognoza pogody polega na ocenie stanu atmosfery w przyszłości na podstawie znajomości warunków początkowych oraz sił działających na powietrze.
Taka analiza działa aktualnie w wielu instytutach meteorologicznych na całym świecie. Opiera się na prawdopodobieństwie wystąpienia danych warunków atmosferycznych na dużych obszarach, na podstawie oceny warunków w skali synoptycznej (skala ta służy do opisywania rozległych układów barycznych, które zajmują obszar od kilkuset do kilku tysięcy kilometrów szerokości i długości). Niestety często lokalizacja, czas i intensywność poszczególnych zdarzeń pogodowych generowanych przez modele numeryczne odbiega od rzeczywistości. Dlatego tę sytuację mogą zmienić nowe technologie.
Uczenie maszynowe do trzęsień ziemi
Sztuczna inteligencja jest też wykorzystywana do przewidywania trzęsień ziemi. W 2018 roku magazyn „Nature” informował o grupie ekspertów z Nowego Meksyku w USA, którzy z pomocą uczenia maszynowego analizowali, gdzie nastąpią wstrząsy wtórne po trzęsieniach ziemi. Wstrząs pierwotny jest zazwyczaj ogromnym zaskoczeniem i trudno go zlokalizować, choć Japonia i Stany Zjednoczone mają systemy wczesnego ostrzegania przed takimi zdarzeniami. Jednak ostrzeżenia docierają do mieszkańców stosunkowo późno.
Algorytmy sztucznej inteligencji na podstawie danych z trzęsienia ziemi w Japonii w 2011 roku stworzyły model, który pozwolił zrozumieć, jak faktycznie działa wstrząs wtórny, jakie siły i w jaki sposób rozchodzą się podczas takiego zdarzenia i w jakim kierunku. W przyszłości pozwoli to przewidzieć, na jakim obszarze powstaną wstrząsy wtórne. Prace nad tym projektem nadal trwają w Los Alamos.
W Polsce inteligentny system przeciwpożarowy
Polsce trzęsienia ziemi nie grożą, ale z pewnością przydałby się inteligentny system wczesnego ostrzegania przed huraganami. Wprawdzie jeszcze tego nie mamy, ale za to mamy system do wykrywania ognia i dymu oparty o analizę obrazu z wykorzystaniem sztucznej inteligencji. Taki system przeciwpożarowy zainstalowano niedawno w nadleśnictwie Ostrołęka.
Głównymi elementami systemu jest specjalistyczne oprogramowanie SmokeDetection oraz kamery Full HD rozmieszczone w lasach. Obracająca się kamera monitoruje z góry obszar w promieniu do 30 kilometrów. Obraz jest przesyłany do nadleśnictwa drogą radiową i poddawany analizie przez oprogramowanie wykorzystujące algorytmy. Wykrycie pożaru zajmuje ok. 5 minut. Następnie obserwator jest alarmowany o pożarze, co pozwala szybko zawiadomić straż pożarną. Dodatkowo program zaznacza miejsce wykrycia dymu na mapie oraz zapisuje zgłoszony alarm. System działa w ponad 52 nadleśnictwach, a stoi za nim warszawska spółka Taxus IT.