Στην πρόληψη και στον μετριασμό των επιπτώσεων των κινδύνων από τις φυσικές καταστροφές θα έχει τη δυνατότητα να συμβάλει η τεχνητή νοημοσύνη, η οποία αποτελεί το κορυφαίο θέμα συζήτησης στην επιστημονική κοινότητα. Η αξιοποίηση της τεχνητής νοημοσύνης θα αποτελέσει εργαλείο στα χέρια των επιστημόνων, των επιχειρησιακών φορέων αλλά και των τεχνολογικών εταιρειών στην διαχείριση και αντιμετώπιση της κλιματικής κρίσης.
Μιλώντας στο Αθηναϊκό-Μακεδονικό Πρακτορείο Ειδήσεων ο επίκουρος καθηγητής στο Εθνικό Μετσόβιο Πολυτεχνείο και συνεργάτης ερευνητής στο ΙΑΑΔΕΤ του Εθνικού Αστεροσκοπείου Αθηνών Γιάννης Παπουτσής, επισημαίνει ότι η τεχνητή νοημοσύνη σε σχέση με την κλιματική αλλαγή έρχεται να λειτουργήσει σε τρία διαφορετικά επίπεδα.
Πρώτον, όπως αναφέρει, ο κ. Παπουτσής, στην πρόληψη αλλά και στην πρόβλεψη της εμφάνισης κάποιας φυσικής καταστροφής. «Εδώ εστιάζουμε σε σχέση με την κλιματική αλλαγή στα ακραία φαινόμενα, τα ακραία γεγονότα, που είναι διαφορετικό από το να προβλέπει κανείς έναν μέσο κίνδυνο. Δηλαδή στο γεγονός εκείνο που έχει τη δυναμική να εξελιχθεί σε κάποια πολύ μεγάλη καταστροφή όπως αυτές που έχουμε βιώσει στην Ελλάδα και με τις πλημμύρες και με τις δασικές πυρκαγιές. Η τεχνητή νοημοσύνη θα προσπαθήσει να προβλέψει αυτή την αύξηση στη συχνότητα και στην ένταση των φαινομένων αυτών και των καταστροφών που προκαλούν», εξηγεί ο κ. Παπουτσής και προσθέτει ότι ένα δεύτερο κομμάτι είναι η εξηγήσιμη τεχνητή νοημοσύνη (explainable artificial intelligence). «Να φτιάξουμε δηλαδή δεδομένα ερμηνεύσιμα έτσι ώστε να χτιστεί μία εμπιστοσύνη σε αυτά που παράγουμε. Για παράδειγμα στον επιχειρησιακό παράγοντα δεν αρκεί να πεις μόνο που θα είναι υψηλός ο κίνδυνος για την εκδήλωση μιας πυρκαγιάς ή μιας πλημμύρας αλλά θα πρέπει να του εξηγήσεις τον λόγο που ένα μοντέλο έχει φτάσει σε ένα τέτοιο συμπέρασμα», σημειώνει ο κ. Παπουτσής.
Τρίτο πεδίο, όπως επισημαίνει ο κ. Παπουτσής θα αποτελέσει η αιτιότητα. «Υπάρχουν κάποιες αλγοριθμικές προσεγγίσεις που προσπαθούν να συνδέσουν το αίτιο με το αποτέλεσμα. Δηλαδή να λέμε ότι όταν έχουμε παρατεταμένη θερμοκρασία πάνω από τόσο, και βροχοπτώσεις λιγότερο από τόσο τότε έχουμε υψηλό κίνδυνο για την έναρξη και εξάπλωση μιας καταστροφικής δασικής πυρκαγιάς. Αλλά να προσπαθήσει να το κάνει αυτό με έναν τρόπο όχι εμπειρικό αλλά μέσα από τα δεδομένα ότι υπάρχει αυτή η σχέση αιτίου αποτελέσματος και όχι μία συσχέτιση αλλά μια σχέση αιτιότητας που είναι διαφορετικό σε επιστημονικούς όρους, η συσχέτιση με την αιτιότητα. Όταν κανείς αξιοποιεί την τεχνητή νοημοσύνη για γεγονότα που έχουν να κάνουν με την κλιματική αλλαγή και τις φυσικές καταστροφές καλείται να κάνει earth system deep learning. Δηλαδή για να μπορέσω να προβλέψω τι θα γίνει στην Ελλάδα σε δύο μήνες από τώρα πρέπει να αντλήσω πληροφορία για τις μετεωρολογικές συνθήκες για κλιματικούς δείκτες από παντού στον κόσμο. Είναι μια νέα κατεύθυνση που στην ουσία προσπαθεί να αξιοποιήσει παρατηρήσεις σε παγκόσμια κλίμακα για να μπορέσει κανείς να πει τι θα γίνει τοπικά», υπογραμμίζει στο ΑΠΕ-ΜΠΕ ο κ. Παπουτσής.
Όπως τονίζει, όλα αυτά τα επιστημονικά εργαλεία μπορούν κυρίως να βοηθήσουν στον μετριασμό των επιπτώσεων, στην πρόληψη και στον σχεδιασμό.
«Υπάρχει ένας πολύ μεγάλος πλούτος από δεδομένα, όπως παρατηρήσεις από επίγεια δίκτυα, μετεωρολογικά, πτητικά, σεισμογράφους, επιστημονικά όργανα με αποτέλεσμα να έχουν συγκεντρωθεί πάρα πολλά δεδομένα, είτε αυτά είναι δορυφορικά δεδομένα, είτε είναι δεδομένα που προέρχονται από υπολογιστικά μοντέλα και προσομοιώσεις. «Ο πλούτος δεδομένων που έχουμε η πολύ καλή υπολογιστική ισχύ πλέον με τις κάρτες γραμμικών και με τους υπερυπολογιστές που είναι διαθέσιμοι και το αλγοριθμικό κομμάτι της τεχνητής νοημοσύνης το οποίο έχει ανθίσει τα τελευταία χρόνια, αν λάβει κανείς υπόψη και τα τρία αυτά μαζί μπορεί να αξιοποιήσει αυτό το ιστορικό αρχείο δεδομένων όπου είχαμε παρατηρήσεις από φυσικές καταστροφές», σημειώνει ο κ. Παπουτσής και προσθέτει ότι έχουν συλλέξει τα ιστορικά δεδομένα και τα γεγονότα γύρω από μία φυσική καταστροφή, όπως τι έκταση είχε λάβει, με τι ένταση και με τι συχνότητα συνέβη.
«Στην ουσία έχουμε την ευκαιρία να εκπαιδεύσουμε με όλα αυτά τα δεδομένα, μοντέλα, ώστε να μπορούμε να βρίσκουμε όλους αυτούς τους συσχετισμούς μεταξύ των παραμέτρων που οδηγούν σε μία φυσική καταστροφή με στόχο να προβλέψουμε πότε θα έρθει μία μεγάλη καταστροφή. Αυτή είναι η μεγάλη συμβολή της τεχνητής νοημοσύνης να μπορεί σε διάφορες χωρικές και χρονικές κλίμακες να προβλέψει τον κίνδυνο για μια σειρά από καταστροφές», υπογραμμίζει στο ΑΠΕ-ΜΠΕ ο κ. Παπουτσής.
Στο κομμάτι της κλιματικής αλλαγής, όπως τονίζει ωστόσο, υπάρχουν κάποια ζητήματα που είναι αναμφισβήτητα και κάποια προς μελέτη και διερεύνηση. Παρόλα αυτά στην επιστημονική κοινότητα, όπως εξηγεί ο κ. Παπουτσής υπάρχει αναβρασμός για το Chat GPT και όσα μπορεί να παράξει αξιοποιώντας έναν πλούτο δεδομένων και εκπαιδεύοντας μοντέλα. «Αντίστοιχα η αλγοριθμική τεχνολογία είναι η ίδια, τα δεδομένα που έχουμε εμείς να αντλήσουμε από τα δορυφορικά, τα μετεωρολογικά δίκτυα είναι εκεί και διαθέσιμα, έχουμε τον αντίστοιχο πλούτο πληροφορίας, άρα μπορεί να υπάρξει και ένα αντίστοιχο Chat GPT που να μοντελοποιεί όλα αυτά τα σύνθετα και τον δυναμικό χαρακτήρα που έχει το γήινο σύστημα με την ατμόσφαιρα, τη θάλασσα να τα μοντελοποιήσει και να μπορεί κανείς να πηγαίνει να κάνει στο αντίστοιχο Chat GPT», σημειώνει στο ΑΠΕ-ΜΠΕ ο κ. Παπουτσής.
Παράλληλα ωστόσο με την επιστημονική κοινότητα η τεχνητή νοημοσύνη έχει μπει και στη ζωή των επιχειρησιακών φορέων που καλούνται να διαχειριστούν φυσικές καταστροφές και ακραία φαινόμενο. Όπως επισημαίνει ο κ. Παπουτσής οι επιχειρησιακοί πλέον πλαισιώνονται από επιστήμονες, αυτό όμως που χρειάζεται είναι «αυτοί οι δύο κόσμοι να έρθουν λίγο πιο κοντά. Κι αυτό χρειάζεται προσπάθεια και από τις δύο πλευρές».
«Υπάρχει απόσταση που πρέπει να καλυφθεί και από τις δύο πλευρές. Ένα μοντέλο που θα παρουσιαστεί σε έναν επιχειρησιακό και θα αφορά την πλημμύρα ή την πιθανή έναρξη μιας κατολίσθησης πρέπει να είναι εξηγήσιμο, πρώτα για επιστημονικούς σκοπούς αλλά και για να βοηθήσει αυτόν που θα λάβει απόφαση να τον εμπιστευτεί. Γιατί το θέμα της εμπιστοσύνης είναι πολύ σημαντικό γενικότερα στην τεχνητή νοημοσύνη αλλά ειδικότερα όταν έχει να κάνει με αποφάσεις που έχουν να κάνουν με την ανθρώπινη ζωή, με οικονομικό και περιβαλλοντικό αντίκτυπο κλπ κλπ. Άρα πρέπει να φτιάξει ένα μοντέλο που να είναι εξηγήσιμο και αυτή η εξήγηση να συνάδει με την εμπειρική γνώση που έχει ο επιχειρησιακός από τα χρόνια δουλειάς σωρευτικά και η οποία είναι πολύ σημαντική και πολύ χρήσιμη», εξηγεί ο κ. Παπουτσής.
Από το 2021 μέσω καινοτόμων προγραμμάτων που αναπτύχθηκαν με συντονιστή το Εθνικό Αστεροσκοπείο Αθηνών, ο κ. Παπουτσής έχει αξιοποιήσει την τεχνητή νοημοσύνη για την πρόληψη και την αντιμετώπιση των δασικών πυρκαγιών. Τα καινοτόμα προγράμματα αυτά που ολοκλήρώνονται στις 31/12/2023 επιχείρησαν να εκτιμήσουν τον κίνδυνο δασικής πυρκαγιάς με διαφορετικούς τρόπους μέσω της αξιοποίησης τεχνολογιών τεχνητής νοημοσύνης και μεγάλου πλούτου δορυφορικών δεδομένων. Το πρόγραμμα “Deep Cube” αναπτύχθηκε σσε συνεργασία με το Πυροσβεστικό Σώμα» και λειτούργησε πιλοτικά για την Ελλάδα ενώ επεκτάθηκε και στην υπόλοιπη Μεσόγειο. «Σε αυτή την προσπάθεια συμμετείχε από την πρώτη μέρα και το Πυροσβεστικό Σώμα. Και με την παροχή δεδομένων και με την παροχή τεχνογνωσίας αλλά και με τη συνεχή συμμετοχή προσωπικού που απάντησε σε ερωτηματολόγια, τα δεδομένα και τους χάρτες που παράγουμε σε καθημερινή βάση. Το Πυροσβεστικό Σώμα υπήρξε πολύ ανοιχτόμυαλο και πολύ θετικό στο να μας βοηθήσει», σημειώνει ο κ. Παπουτσής.
«Ζούμε σε μία φανταστική εποχή αυτή είναι η πραγματικότητα όλα αυτά έχουν έρθει λιγάκι κατακλυσμικά και από τη μία στιγμή στην άλλη θα δούμε πράγματα να χρησιμοποιούνται άμεσα και επιχειρησιακά. Από τα κλασικά αριθμητικά μοντέλα για πρόγνωση καιρού θα πηγαίνουμε σε μοντέλα που αξιοποιούν την τεχνητή νοημοσύνη. Αυτό είναι το μέλλον και αυτό θα συμπεριλάβει και τις φυσικές καταστροφές και τη μελέτη της κλιματικής αλλαγής. Νομίζω θα γίνονται κατακλυσμικά πράγματα, ωστόσο θα πρέπει να υπάρξει ένα κανονιστικό πλαίσιο για το πώς θα μπορεί να λειτουργεί», καταλήγει στο ΑΠΕ-ΜΠΕ ο κ. Παπουτσής.
πηγή ΑΠΕ ΜΠΕ
