Milano politechnikos universiteto profesorius Andrea Castelletti tiria vandens veiklos ir kraštovaizdžių pokyčius. Jis, kaip gamtos išteklių valdymo ekspertas, mano, kad dirbtinis intelektas (DI) gali pateikti labai reikalingų atsakymų, nes dėl visuotinio atšilimo vis dažniau kyla vis destruktyvesnės stichinės nelaimės – audros, potvyniai, karščio bangos ir sausros.
Potencialus sąjungininkas
Spalio potvyniai Italijoje kilo iš karto po didžiulės sausros, kuri niokojo šalį vos prieš kelis mėnesius. Kai kurios Graikijos dalys, įskaitant centro rytiniame regione esantį Volo uostamiestį, patyrė panašią dvigubą nelaimę, kai liepą dėl kepinančios kaitros kilo dideli miškų gaisrai, o rugsėjį siaubingos audros sunaikino dirbamąją žemę, gyvulius, namus, kelius, transporto priemones ir kitą turtą.
„Mes susiduriame su dramatiškais išbandymais dėl vis spartėjančios klimato kaitos poveikio, – sako A. Castelletti. – Turime efektyviau švelninti šių reiškinių pasekmes ir geriau jiems pasiruošti. Padėti gali dirbtinis intelektas.“
Iki šiol dirbtinis intelektas naujienų portalų dėmesį labiausiai traukė dėl nuolat tobulėjančio gebėjimo generuoti tekstą, individualizuoti paslaugas ir netgi kurti meno kūrinius.
Vis dėlto ši technologija taip pat gali būti naudojama sprendžiant neatidėliotinus kovos su klimato kaita iššūkius, kai ekstremalūs orų reiškiniai ne tik dažnėja, bet ir yra sunkiau prognozuojami. Taigi kyla klausimas, ar dirbtinis intelektas gali padėti prognozuoti stichines nelaimes ir ar būtų galėjęs numatyti Komo ežero potvynį?
Praėjusių metų pabaigoje vykusio Jungtinių Tautų kovos su klimato kaita aukščiausiojo lygio susitikimo Dubajuje (Jungtiniai Arabų Emyratai) metu dėmesys buvo skirtas ir ekstremalioms oro sąlygoms.
Siekdamos kovoti su visuotiniu atšilimu, JT pareiškė, kad viso pasaulio žmonės turi būti tinkamai įspėjami dėl ekstremalių įvykių, kad galėtų jiems pasiruošti. Tobulinti išankstinio įspėjimo sistemas – pagrindinis Jungtinių Tautų penkerių metų plano tikslas.
Šiuo atveju DI galėtų atlikti svarbų vaidmenį.
Aiškesnės prognozės
A. Castelletti mano, kad dirbtinis intelektas ypač praverstų tobulinant dabartinius klimato ir oro sąlygų modelius. Šiandieniniai modeliai pagrįsti tuo, kad, siekiant daryti prognozes, į matematines formules suvedami dideli duomenų kiekiai.
Jo nuomone, nepaisant didelių duomenų apdorojimo galimybių, šie modeliai galėtų būti tikslesni.
„Jie vis dar turi silpnų vietų, – sako A. Castelletti. – Dirbtinis intelektas turėtų šias problemas išspręsti.“
A. Castelletti vadovauja ES finansuojamam mokslinių tyrimų projektui, kurio tikslas – sujungti dirbtinį intelektą ir Europos palydovų tinklą „Copernicus“ siekiant pagerinti klimato prognozes. Ketverių metų projektas, pavadintas CLINT, truks iki 2025 m. birželio.
Belgijos, Prancūzijos, Italijos, Vokietijos, Graikijos, Nyderlandų, Ispanijos, Švedijos ir Jungtinės Karalystės mokslininkai siekia išsiaiškinti, kaip dirbtinis intelektas galėtų pagerinti žinias apie ekstremalias oro sąlygas.
„Dabartiniai klimato modeliai nėra labai tinkami tam tikriems ekstremaliems oro reiškiniams prognozuoti, – sako Amsterdamo universiteto (Nyderlandai) klimatologijos ekspertas profesorius Dimas Coumou. – Pavyzdžiui, realiame pasaulyje karščio bangos Europoje kartojasi kur kas dažniau, palyginti su tuo, ką mums rodo modeliai.
Kartojasi dažniau?
To priežastis gali būti dideliame aukštyje esančių atmosferos sraujymių pokyčiai, kurie gali turėti įtakos visų tipų oro reiškiniams, įskaitant karščio bangas, uraganus ir sausras.
Mokslininkai tikisi, kad dirbtinis intelektas padės geriau suprasti tokių įvykių priežastis ir galbūt juos tiksliau prognozuoti.
Taigi, pavyzdžiui, Pietų Europos gyventojai laiku gautų patikimesnius įspėjimus dėl pavojingai karštų vasarų. Jis taip pat praverstų ir kitose pasaulio dalyse, pavyzdžiui, Afrikoje, kur susiduriama su vis daugiau žalos darančiomis oro sąlygomis.
Rugsėjį ciklonas Libijoje sukėlė smarkias liūtis, dėl kurių kilo potvyniai, sugriuvo dvi užtvankos ir žuvo daugiau nei 4 000 žmonių rytinėse pakrantės zonose, įskaitant Darnos miestą.
„Svarbu numatyti ekstremalius įvykius, kad galėtume iš anksto įspėti žmones“, – sako D. Coumou.
Jis teigia, kad per ateinančius penkerius metus dirbtinis intelektas greičiausiai bus plačiai pritaikytas klimato modeliuose.
Anot A. Castelletti, šios tendencijos jau matomos: Europos vidutinio laikotarpio orų prognozių centras pristatė daugybę mašininio mokymosi modelių.
„Tikiuosi, kad dirbtinio intelekto ir klimato modelių integracija ims augti eksponentiškai“, – sako jis.
Tikrosios padėties įvertinimas
Pagal dabartinius klimato modelius mokslininkai kuria formules, kurias taikydami siekia prognozuoti orą.
Tuo tarpu DI sistemos naudoja didžiulius oro sąlygų duomenų kiekius, kad sukurtų prognozės modelį, kuris nuolat autonomiškai koreguojamas, kol labiausiai priartėja prie tikrovės.
D. Coumou vadovauja ES finansuojamam mokslinių tyrimų projektui, kuris vykdomas lygiagrečiai su CLINT ir kurį įgyvendinant bandoma panaudoti DI, kad pagerėtų ekstremalių oro įvykių prognozės. Jo ketverius metus vykdoma iniciatyva, pavadinta XAIDA, truks iki 2025 m. rugpjūčio; joje dalyvauja partneriai iš Prancūzijos, Vokietijos, Ispanijos, Šveicarijos ir Jungtinės Karalystės.
Kitaip nei CLINT, XAIDA komanda kartu daug dėmesio skiria ekstremalių oro sąlygų pagrindinėms priežastims nustatyti.
Pagrindinis D. Coumou mokslinių tyrimų tikslas – atsakymo į klausimą, kaip visuotinis atšilimas veikia ekstremalių oro reiškinių skaičių ir intensyvumą, paieška.
Be darbo Amsterdamo universiteto Aplinkos tyrimų institute, jis darbuojasi Nyderlandų karališkajame meteorologijos institute ir koordinuoja specialią tyrimų grupę climateextremes.eu, kurios veikloje taip pat dalyvauja Potsdamo klimato poveikio tyrimų institutas (Vokietija).
„Siekiame išsiaiškinti klimato kaitos reikšmę tokiems įvykiams kaip karščio bangos, sausros ir ekstremalūs krituliai, – sako D. Coumou. – Norime sužinoti svarbiausius poveikį darančius veiksnius.“
Žvilgsnis iš vidaus
Vis dėlto mokslininkų norą plačiau panaudoti dirbtinį intelektą varžo didžiulis sudėtingumas.
Įprastos DI sistemos apdoroja duomenis naudodamos didžiulį tinklą parametrų, t. y. verčių, kurias algoritmai keičia mokydamiesi. Naujausias DI modelis GPT4, kuris buvo išleistas šių metų pradžioje, apima 1,76 trln. parametrų.
Norėdami interpretuoti rezultatą, mokslininkai pirmiausia turi išsiaiškinti, kurie parametrai buvo svarbiausi.
„Dirbtinis intelektas – labai galingas įrankis, tačiau sunku interpretuoti gautus rezultatus“, – teigia D. Coumou.
Jis su kolegomis tyrinėja dirbtinio intelekto sistemą ir bando išsiaiškinti, kurie parametrai (šiuo atveju susiję su informacija apie oro sąlygas) turi lemiamos įtakos rezultatui.
„Alkanos“ mašinos
Kita kliūtis, su kuria susiduria mokslininkai, kyla dėl DI duomenų „alkio“. Trumpai tariant, dirbtiniam intelektui reikia daug duomenų, kad jis tinkamai veiktų.
Nors pasaulyje surinkta daug su oro sąlygomis susijusios informacijos, kartais siekiančios šimtmečius, trūksta naujausių ekstremalių klimato įvykių duomenų.
„Ekstremalūs įvykiai iš esmės yra reti, – sako A. Castelletti. – Taigi ne visada turima daug stebėjimo duomenų. Tai didelė kliūtis, kai norima naudoti dirbtinio intelekto metodus.“
Įgyvendinant CLINT projektą siekiama išspręsti šią duomenų trūkumo problemą – naudojamas metodas, vadinamas duomenų papildymu. Mokslininkai naudoja dirbtinio intelekto sistemas, kad sukurtų duomenis, pagrįstus ankstesne informacija. Tada naują informaciją galima pateikti kitoms DI sistemoms, kad jos kurtų prognozes.
„Pastaraisiais metais viso pasaulio žmonės reguliariai susidurdavo su ekstremaliomis oro sąlygomis, – teigia A. Castelletti. – Tuo pat metu DI keičia mūsų gyvenimus. Turime šiuos pasaulius sujungti ir pasiekti, kad DI padėtų sumažinti šių ekstremalių įvykių poveikį.
Šis straipsnis pirmą kartą buvo publikuotas ES mokslinių tyrimų ir inovacijų žurnale „Horizon“.
