Από τη γνώση της πιθανότητας πυρκαγιάς έως την πρόβλεψη ξαφνικών πλημμυρών σε αστικές περιοχές, η εφαρμογή της τεχνητής νοημοσύνης (ΤΝ), και ιδίως της μηχανικής μάθησης, έχει γίνει σύμμαχος των ειδικών απέναντι σε φυσικές καταστροφές.

Η τελευταία εταιρεία που εφάρμοσε την τεχνητή νοημοσύνη σε αυτόν τον τομέα είναι η Google. Πριν από λίγες ημέρες, ο τεχνολογικός γίγαντας παρουσίασε μια νέα μεθοδολογία βασισμένη στην ΤΝ που ονομάζεται Groundsource, η οποία μετατρέπει τις δημόσιες πληροφορίες σε ένα υψηλής ποιότητας αρχείο ιστορικών δεδομένων καταστροφών.

Χρησιμοποιώντας ένα σύνολο δεδομένων που βασίζεται σε δημόσιες αναφορές και δεδομένα τοποθεσίας, η Google έχει εκπαιδεύσει ένα νέο μοντέλο που επιτρέπει σημαντική πρόοδο στην πρόβλεψη ξαφνικών πλημμυρών σε αστικές περιοχές έως και 24 ώρες νωρίτερα.

Η εταιρεία τεχνολογίας τόνισε επίσης ότι η ίδια αυτή προσέγγιση «έχει τη δυνατότητα να εφαρμοστεί και σε άλλες φυσικές καταστροφές, όπως κατολισθήσεις ή καύσωνες, μετατρέποντας επαληθευμένες αναφορές από όλο τον κόσμο σε σύνολα δεδομένων που επιτρέπουν μεγαλύτερη παγκόσμια ανθεκτικότητα».

Το εργαλείο της Google ανοίγει νέους δρόμους στην εφαρμογή της τεχνολογίας σε περίπτωση φυσικών καταστροφών, αν και δεν είναι το μόνο.

Στην Ισπανία, μια ομάδα από το Πανεπιστήμιο της Μούρθια (UMU) ανέπτυξε ένα πρωτότυπο που προβλέπει παγκόσμιες ανωμαλίες σε καμένες περιοχές έως και τέσσερις μήνες πριν από την έναρξη της περιόδου πυρκαγιών χάρη στον συνδυασμό κλιματικών δεδομένων και μηχανικής μάθησης, με αποτελεσματικότητα 70% σε περιοχές υψηλού κινδύνου.

«Αυτό που κάνει βασικά αυτό το μοντέλο είναι να προσπαθήσει να προβλέψει ανωμαλίες, είτε θα είναι θετική είτε αρνητική ανωμαλία. Δηλαδή, εάν θα είναι μια περίοδος πυρκαγιών πάνω ή κάτω από το φυσιολογικό», εξήγησε στο ισπανικό πρακτορείο EFE ο Μιγκέλ 'Ανχελ Τορές, ερευνητής του πρωτοτύπου και καθηγητής στο Πανεπιστήμιο της Αλκαλά ντε Ενάρες (UAH).

Το πρωτότυπο αναπτύχθηκε στο πλαίσιο του έργου ONFIRE, το οποίο ολοκληρώθηκε τον περασμένο Δεκέμβριο, και δεν προοριζόταν ποτέ να τεθεί σε λειτουργία, αλλά ο Τορές πιστεύει ότι η μελλοντική ιδέα θα μπορούσε να είναι η εφαρμογή του σε πραγματικό χρόνο, όχι μόνο σε παγκόσμια κλίμακα, αλλά και σε διαφορετικές περιοχές, αν και αναγνωρίζει ότι χρειάζονται πόροι για αυτό.

Αυτό το μοντέλο είναι ιδιαίτερα ακριβές σε περιοχές με υψηλά ποσοστά πυρκαγιών, όπως η Ισπανία, η Αυστραλία και η Καλιφόρνια, μεταξύ άλλων.

Μάλιστα, στην περίπτωση της Ισπανίας, τον Μάιο του περασμένου έτους προέβλεψε ότι η πιθανότητα μιας ανωμαλίας πυρκαγιάς τον Αύγουστο ήταν μεταξύ 90 και 100%.

«Αν είχαμε περισσότερες λεπτομέρειες, ίσως να γνωρίζαμε την περιοχή όπου θα εκδηλώνονταν αυτές οι πυρκαγιές, επειδή τελικά οι πυρκαγιές συγκεντρώθηκαν στη βορειοδυτική περιοχή της Ισπανίας», εξήγησε.

Εκτός από το ότι επιτρέπει περαιτέρω πρόοδο στην επιστήμη, ο Τορές έχει δηλώσει ότι αυτοί οι τύποι μοντέλων βοηθούν στην πρόβλεψη και διαχείριση των πόρων πολύ νωρίτερα «ώστε να μην συμβούν καταστροφές όπως αυτές που συνέβησαν αυτό το καλοκαίρι, για παράδειγμα».

«Παρέχουμε την πιθανότητα ότι σε μια περιοχή, μια περιοχή ή ένα συγκεκριμένο σημείο, θα συμβεί μια ανωμαλία στην έκταση των πυρκαγιών», δήλωσε πριν εξηγήσει ότι αυτό επιτρέπει, σε περίπτωση πυρκαγιάς, να γνωρίζουμε εάν η έκταση θα είναι πάνω από το φυσιολογικό.

Αυτό θα μπορούσε να επιτρέψει την κινητοποίηση και την προετοιμασία πόρων, αν και αναγνωρίζει ότι είναι αρκετά περίπλοκο αυτή τη στιγμή και ότι για να συμβεί αυτό χωρίς κινδύνους, υπάρχει ακόμα «μεγάλο περιθώριο βελτίωσης σε αυτό το σύστημα».

Σε κάθε περίπτωση, σημειώνει ότι «βρίσκονται στο σωστό δρόμο» και ότι με την τεχνητή νοημοσύνη ή τα μοντέλα βαθιάς μάθησης, «θα συνεχίσουν να βελτιώνονται στις ασφαλείς προβλέψεις».