В умовах підвищення рівня моря дослідники використовують штучний інтелект для моніторингу міських повеней

В міру прискорення кліматичних змін прибережні громади по всьому світу стикаються зі страшним ворогом – підвищенням рівня моря. Поєднуючи такі інструменти, як штучний інтелект, соціальні мережі і краудсорсингові додатки, дослідники вважають, що вони можуть допомогти цим громадам підготуватися до руйнівних стихійних лих.

Команда науковців і інженерів з шотландського Університету Данді нещодавно продемонструвала, як технологічна триєдність – штучний інтелект, соціальні мережі і краудсорсингова громадянська наука – може бути використана для моніторингу міських повеней.

Команда з Данді поставила собі за мету розробити систему раннього виявлення повеней, почавши з комп’ютерної моделі міської повені з високою роздільною здатністю. Для достовірності дослідникам необхідно було перевірити результати моделі на основі фактичних даних, отриманих на місцевості. Але після трьох місяців пошуку надійного набору даних провідний дослідник Роджер Ван залишився з порожніми руками.

Супутникове дистанційне зондування є дорогим і занадто часто зіпсоване технічними проблемами в міських районах, в той час як наземні сенсорні мережі є дорогими у встановленні та обслуговуванні. Навіть найпоширеніший метод, опитування свідків державними службовцями, не був передбачений бюджетом.

Ван і його колеги знайшли альтернативу в Twitter і MyCoast, краудсорсинговому додатку, який збирає дані про прибережні умови, такі як ерозія і припливи. Скануючи Twitter на предмет ключових слів, таких як “повінь”, “дамба” і “дамба”, команда могла ідентифікувати подію, схожу на повінь. Потім, використовуючи тип штучного інтелекту, який називається обробка природної мови (NLP), вони змогли відсортувати ці події за такими факторами, як серйозність і місцезнаходження.

“Твіт може бути дуже інформативним, – сказав Ванг в інтерв’ю Digital Trends. “Він може містити інформацію про місце розташування повені, глибину води, тенденцію повені, людські почуття і оцінку збитків. Що ще важливіше, він має потенціал для надання даних з високою роздільною здатністю”. За словами пана Вана, ці дані можуть бути точними аж до футів, якщо, наприклад, користувач вкаже назву вулиці і номер будинку.

“Без ШІ в даних було б багато шуму, оскільки багато твітів з ключовими словами все ще можуть бути нерелевантними”, – сказав Ван. НЛП допомогло їм визначити місцезнаходження користувачів Twitter, в той час як комп’ютерний зір відрізнив фотографії повені від інших фотографій, які не були пов’язані з повінню.

Ван і його команда продемонстрували, що твіти, пов’язані з повенями, корелюють з більш високим рівнем опадів, а краудсорсингові дані тісно пов’язані з фактичним закриттям доріг. Вони вважають, що такий інструмент, як Twitter, краще підходить для широкомасштабного моніторингу, в той час як такий додаток, як MyCoast, надає цінну інформацію в менших масштабах. За допомогою цих інструментів вони сподіваються допомогти громадам діяти на випередження, коли справа доходить до потенційних повеней.

Система не ідеальна. Програма комп’ютерного зору, яку використовують Ванг і його команда, має 70-відсоткову точність, хоча вони продовжують тренувати її на фотографіях MyCoast.

Дослідники планують доповнити свою модель фізичною моделлю повені, що дозволить їм прогнозувати розвиток повені.

Стаття з описом дослідження була нещодавно опублікована в журналі Computers & Geosciences.

Рекомендації редакторів

• Я використовував чат-бота ChatGPT AI для святкового шопінгу в цьому році
• 10 найкращих АІ-генераторів зображень для створення мистецтва з тексту
• Microsoft відмовляється від свого моторошного АІ, що зчитує емоції
• Аналоговий АІ? Звучить божевільно, але за цим може бути майбутнє
• Як розумна камера Surface Hub 2 використовує ШІ для переосмислення зустрічей

Source: digitaltrends.com