|

هوشمندان هشداردهنده زلزله

نقش هوش مصنوعی در بهبود سامانه‌‌های هشدار پیش‌هنگام زمین‌لرزه و مخاطرات اقلیمی

ابتکار سامانه‌های هشدار پیش‌هنگام سوانح طبیعی برای همه بر استفاده از فناوری مانند هوش مصنوعی گشایشی برای دسترسی همگانی به فناوری ایمنی است. البته هنوز با عملیاتی‌شدن این همگانی‌شدن یا اجرای راه‌حل‌های هوش مصنوعی در هشدارهای پیش‌هنگام فاصله داریم

نقش هوش مصنوعی در بهبود سامانه‌‌های هشدار پیش‌هنگام زمین‌لرزه و مخاطرات اقلیمی

مهدی زارع: ابتکار سامانه‌های هشدار پیش‌هنگام سوانح طبیعی برای همه بر استفاده از فناوری مانند هوش مصنوعی گشایشی برای دسترسی همگانی به فناوری ایمنی است. البته هنوز با عملیاتی‌شدن این همگانی‌شدن یا اجرای راه‌حل‌های هوش مصنوعی در هشدارهای پیش‌هنگام فاصله داریم. موارد استفاده موجود و کاربردهای بالقوه هوش مصنوعی برای تولید دانش بهتر درمورد کاهش ریسک سوانح، و برای تقویت قابلیت‌های آمادگی و واکنش به سوانح بسیار بااهمیت است.

   

سامانه هشدار زلزله سامانه‌ای تشکیل‌شده از شتاب‌سنج‌ها، لرزه‌سنج‌ها، ارتباطات، رایانه‌ها و هشداردهنده‌هاست که برای اطلاع‌رسانی سریع به مناطق مجاور وقوع یک زمین‌لرزه شدید پس از شروع یک زلزله ساخته شده است. این سامانه مشابه پیش‌بینی زلزله نیست. زلزله در اثر آزادشدن انرژی تغییر شکل الاستیک ذخیره‌شده در حین لغزش سریع در یک گسل ایجاد می‌شود. لغزش از جایی شروع می‌شود و در هر جهت در امتداد سطح گسل از کانون گسترش می‌یابد. سرعت پیشروی این گسیختگی گسله آهسته‌تر و متمایز از سرعت امواج فشاری و برشی حاصله است و موج فشاری سریع‌تر از موج برشی حرکت می‌کند. امواج فشاری همیشه از نظر دامنه کوچک‌تر از امواج برشی (آسیب‌رسان) هستند. موج‌های برشی برای سازه‌ها مخرب‌ترین هستند، به‌ویژه ساختمان‌هایی که پریود تشدید مشابهی با امواج دریافتی دارند. چنین سامانه‌هایی برای توقف ایمن قطار در سامانه‌های ریلی شهری در هنگام زلزله‌ها مانند سامانه‌های قطار سریع شهری در کالیفرنیا ( BART (Bay Area Rapid Transit و LA Metro اجرا می‌شوند. تا سال 2024، چین، ژاپن، تایوان، کره جنوبی و رژیم اشغالگر قدس دارای سامانه‌های هشدار پیش‌هنگام زلزله در سراسر کشور هستند که از طریق هشدارهای اضطراری بی‌سیم به مردم مناطق آسیب‌دیده اطلاع می‌دهند. در کشورهایی مانند ترکیه و ایتالیا این سامانه‌ها در شهرهای پرجمعیت مانند استانبول و رم نصب شده است. پیشرفت‌های اخیر در مدل‌های پایه (سامانه‌های هوش مصنوعی آموزش‌دیده بر روی مقادیر وسیعی از داده‌های بدون برچسب، امکان انجام وظایف مختلف با تنظیم دقیق کمی، مانند GPT 7) نویدبخش حل مشکلات علوم زمین است. این مدل‌ها را می‌توان روی داده‌های مشاهداتی و شبیه‌سازی گسترده آموزش داد و با تحلیل‌های علوم زمین مختلف در مقیاس‌های مکانی-زمانی متنوع با حداقل آموزش در مجموعه داده‌های موضوعی خاص سازگار شد. علاوه بر این، مدل‌های پایه از حوزه‌های مختلف علوم زمین را می‌توان ادغام کرد که امکان توسعه مدل‌های مجموعه قوی را فراهم می‌کند که به طور مؤثرتری دینامیک سامانه زمین را شبیه‌سازی می‌کنند. با این حال، تکیه صرف بر مدل‌های پایه ممکن است در آینده کافی نباشد زیرا این مدل‌ها کاملا از داده‌ها تولید می‌شوند، بنابراین کامل‌بودن و کیفیت مجموعه داده‌های آموزشی، عملکرد آنها را محدود می‌کند. برای درک بهتر دینامیک پیچیده زمین (به عنوان مثال، زلزله‌ها و رویدادهای اقلیمی شدید)، مدل‌های پایه باید با دیدگاه احتمالی و دانش علوم زمین و درک فرایند‌ها تکمیل شوند.

 هوش مصنوعی و زلزله و رخدادهای اقلیمی

سامانه هشدار پیش‌هنگام زلزله ShakeAlert که توسط سازمان زمین‌شناسی ایالات متحده مدیریت می‌شود، زمین‌لرزه‌های مهم را به سرعت تشخیص می‌دهد به طوری که می‌توان هشدارها را چند ثانیه قبل از رسیدن لرزش‌های قوی به مردم و سامانه‌های خودکار ارسال کرد. ShakeAlert در کالیفرنیا، اورگان و واشنگتن فعالیت می‌کند و به بیش از 50 میلیون نفر در این ایالت‌ها خدمات ارائه می‌دهد. هدف این سامانه کاهش اثر زلزله برای نجات جان و مال است. اقدام محافظتی یا راه‌اندازی اقدامات خودکار شامل کندکردن قطارها، بستن دریچه‌های آب، روشن‌کردن ژنراتورهای پشتیبان، صدور اطلاعیه‌های عمومی است. رویدادهای شدید مرتبط با اقلیم، مانند سیل، طوفان یا خشکسالی، در حال تکرار و شدت‌گرفتن هستند و راه‌های نوآورانه برای محافظت از جوامع آسیب‌پذیر را ضروری می‌سازند. هوش مصنوعی (AI) در تقویت سامانه‌های هشدار پیش‌هنگام، به‌ویژه تغییر سامانه‌های هشدار اولیه مبتنی بر خطر به سامانه‌های هشدار اولیه مبتنی بر ضربه (شوک)، که فراتر از پیش‌بینی آب‌وهوا به سمت اتفاقی که از آب‌وهوا حاصل خواهد داد، نویدبخش است. با این حال، ادغام هوش مصنوعی در این سامانه‌ها نیز چالش‌هایی را ایجاد می‌کند. پنج روش که هوش مصنوعی می‌تواند به بهبود سامانه هشدار پیش‌هنگام و چالش‌های پیش‌آمده کمک کند را می‌توان به ترتیب زیر خلاصه کرد.

1- هوش مصنوعی می‌تواند به پیشرفت دانش ریسک سوانح کمک کند: هوش مصنوعی می‌تواند نقش مهمی در جمع‌آوری و تحلیل داده‌های آسیب‌پذیری و قرار گرفتن در معرض - عناصر حیاتی در افزایش دانش ریسک سوانح برای سامانه هشدار پیش‌هنگام ایفا کند. برای مثال، می‌تواند به شناسایی محله‌هایی کمک کند که در هنگام وقوع زلزله یا طوفان بیشتر تحت اثر قرار می‌گیرند. این نوع اطلاعات می‌تواند به طور قابل توجهی دانش ریسک سوانح را برای سامانه هشدار پیش‌هنگام، به ویژه در مناطق کم‌داده، افزایش دهد. با این حال، مدل‌های هوش مصنوعی می‌توانند داده‌های آسیب‌پذیری و قرار گرفتن در معرض ریسک را به اشتباه تفسیر کنند یا تفاوت‌های ظریف خاص، مانند گروه‌های به حاشیه رانده‌شده را نادیده بگیرند. در زمینه سامانه هشدار پیش‌هنگام، این موضوع می‌تواند منجر به عواقب ویرانگر با پاسخ‌های اضطراری نامناسب شود. بنابراین، استفاده از هوش مصنوعی تنها به‌عنوان ابزاری مکمل برای جمع‌آوری اطلاعات از کسانی که بیشتر در معرض خطرند حیاتی است.

2- هوش مصنوعی می‌تواند تشخیص و نظارت بر مخاطرات را سرعت ببخشد: هوش مصنوعی این پتانسیل را دارد که سامانه هشدار پیش‌هنگام را با پیشرفت تجزیه و تحلیل پیش‌بینی‌کننده و ارزیابی داده‌های بلادرنگ تقویت کند. به عنوان مثال، هوش مصنوعی در پلتفرم‌هایی معرفی شده است که اطلاعات رویداد اقلیمی شدید را یکپارچه و منتشر می‌کند، مانند مرکز اطلاعات اقلیمی شدید سازمان جهانی هواشناسی.

با این حال، خدمات مبتنی بر هوش مصنوعی به منابع قابل توجهی نیاز دارند که به ویژه در مناطق کم‌داده از دست رفته است. سرمایه‌گذاری‌های سنگین در مدل‌های هوش مصنوعی برای تشخیص و نظارت بر خطر ممکن است با منابع موجود مناطق و دولت‌ها امکان‌پذیر نباشد و قابل نگهداری نباشد. ارتباط مؤثر هشدارهای اولیه برای نجات جان انسان‌ها و تسهیل اقدامات اولیه بسیار مهم است. هوش مصنوعی می‌تواند نحوه انتشار هشدارها را بهینه کند. به عنوان مثال، در جنوب آسیا از هوش مصنوعی برای تنظیم پیام‌ها از طریق کانال‌های مختلف استفاده می‌شود و اطمینان حاصل می‌شود که هشدارها به افراد مناسب می‌رسد. هوش مصنوعی همچنین می‌تواند هشدارها را به چندین زبان ترجمه کند و هشدارها را برای تسهیل هشدارهای کاربردی سفارشی کند. با وجود این پیشرفت‌ها، ایجاد اعتماد در هشدارهای تولیدشده توسط هوش مصنوعی همچنان یک چالش است. هشدارهای نادرست یا داده‌های نادرست می‌توانند اعتماد را از بین ببرند و تشویق به اقدام به‌موقع را دشوارتر کنند. نظارت انسانی و اعتبارسنجی هشدارهای مبتنی بر هوش مصنوعی برای حفظ اعتماد ضروری است. توانایی هوش مصنوعی برای شبیه‌سازی سناریوهای اضطراری مختلف، بینش‌های ارزشمندی را برای آمادگی و واکنش ارائه می‌دهد. با شبیه‌سازی موقعیت‌های مختلف سوانح، هوش مصنوعی می‌تواند از سازمان‌های بشردوستانه و دولت‌ها برای آماده‌شدن برای سناریوهای مختلف، اصلاح طرح‌های اضطراری و تخصیص مؤثرتر منابع از طریق ارزیابی‌های بلادرنگ حمایت کند. خطر سامانه هشدار پیش‌هنگام با پشتیبانی از هوش مصنوعی این است که در صورت عدم طراحی مشترک، گیرندگان پیام‌های هشدار و عوامل محلی را پشت سر بگذارد.

 جمع‌بندی

پیشرفت فزاینده هوش مصنوعی (AI) در زمینه‌های مختلف علوم زمین فرصت‌هایی برای پیشرفت و هم‌زمان به‌طور بالقوه خطر بی‌ارزش‌کردن روش‌ها و فنونی در علوم زمین به همراه دارد. مزایای متقابل هوش مصنوعی و علوم زمین با توجه به بحث‌های گسترده درمورد سهم هوش مصنوعی در علوم زمین نقش تحول‌آفرین هوش مصنوعی در علوم زمین را در مدیریت داده‌ها - از جمله جمع‌آوری، نگهداری و پردازش - و همچنین در مدل‌سازی و پیش‌بینی و افزایش درک فرایندها می‌توان خلاصه کرد. علوم زمین دانش، شواهد، مجموعه داده‌ها و متدولوژی‌هایی را در طول چندین دهه جمع‌آوری کرده که می‌تواند با توسعه هوش مصنوعی، به رشد نوآوری در حوزه زمین‌شناسی هم بپردازد. علوم زمین با ارائه مجموعه داده‌های چندوجهی می‌تواند کار کند و به این ترتیب پیش‌بینی‌های هوش مصنوعی از نظر فیزیکی واقعی‌تر هستند. دانشمندان علوم زمین با هوش مصنوعی به تقویت نوآوری بین رشته‌ای و کاهش تعصبات و حمایت از شیوه‌های پایدار می‌پردازند. شک و تردید در مورد کاربرد و دقت هوش مصنوعی در سناریوهای پیچیده، و بحث‌های مربوط به ارتباط مدل‌های سنتی علوم زمین، هنوز هم اغلب مانع همکاری مؤثر بین متخصصان هوش مصنوعی و علوم زمین می‌شوند. درحالی‌که هوش مصنوعی پتانسیل بالایی برای بهبود سامانه هشدار پیش‌هنگام دارد، اما این فناوری باید با تفکر و اخلاق اجرا شود. از آنجایی که هوش مصنوعی به‌شدت از داده‌ها و دانش موجود استفاده می‌کند، ممکن است مزایای متفاوتی را برای محیط‌های غنی از داده در مقایسه با محیط‌های کم‌داده ارائه دهد. پرداختن به شکاف دیجیتال بسیار مهم است، زیرا کسانی که به فناوری لازم دسترسی ندارند ممکن است آن را پشت سر بگذارند. مدل‌های هوش مصنوعی نباید سوگیری‌های موجود را تداوم ببخشند یا موارد جدیدی ایجاد کنند، مانند اینکه جوامع خاصی را در داده‌های مورد استفاده برای آموزش این سامانه‌ها به نمایش بگذارند. برای دستیابی به این هدف، دستورالعمل‌ها و چارچوب‌هایی برای استفاده اخلاقی از هوش مصنوعی در سامانه هشدار پیش‌هنگام باید ایجاد و دنبال شود. الگوریتم‌های شفاف، اقدامات پاسخ‌گویی و استراتژی‌های کاهش تعصب برای اطمینان از کاربرد اخلاقی در زمینه هشدار اولیه ضروری هستند. علاوه بر این، تقویت همکاری بین کارشناسان هوش مصنوعی، بازیگران بشردوستانه و جوامع می‌تواند کمک کند تا اطمینان حاصل شود که هوش مصنوعی به طور مسئولانه و مؤثر در زمینه سامانه هشدار پیش‌هنگام استفاده می‌شود.