درباره استفاده گوگل از هوش مصنوعی در پیش بینی سیل، یک ویدیو توضیحات 1.5 ساعته از توسعه دهندگان این ابزار که با نام Google Flood HUB شناخته می شود، وجود دارد. در این ویدیو علاوه بر اهمیت این ابزار به نحوه کارکرد آن هم اشاره کرده اند. توضیحات مفصلی از نحوه بکارگیری شبکه های عصبی مصنوعی در پیش بینی سیل ارائه می دهند. اصل محاسبات بر پایه تعداد بسیار زیادی نقاط اندازه گیری توسعه پیدا کرده است. در اصل گوگل تلاش کرده تا با استفاده از داده های منطقه ای که از نهاد های گوناگون و دولت های محلی در صدها هزار موقعیت مکانی دریافت کرده، یک مدل جهانی استخراج کند. کاری که تا پیش از این در هیدرولوژی غیر ممکن تصور می شد. در اصل گوگل با استفاده از ساختار محاسباتی و سخت افزاری ویژه خود اقدام به توسعه یک ابزار در این حیطه کرده است. به همین دلیل علی رغم ارائه رایگان کد در مخزن GitHub به صورت عمومی، توصیه ای برای استفاده از آن ندارد. با وجود تبلیغات اخیر بر روی هوش مصنوعی، این ابزار در عین پیشرفت هایی که داشته همچنان در مقابل انتظارات موجود، ضعف های بزرگی را دارد. برای مثال، به اعتراف توسعه دهندگان آن، پیش بینی ها تا بیش از 7 روز تقریبا غیر ممکن است، همچنین دقت پیش بینی سیلاب های با دوره بازگشت بیش از 2 ساله هم به نسبت بزرگی رخداد (مثلا 50 ساله) کاهش دقت مشخصی پیدا می کنند. گفته شده است که دقت 25 درصدی پیش بینی سیلاب در ابزارهای جهانی که پیش از این وجود داشته در این ابزار به 40 تا 45 درصد ارتقا پیدا کرده است؛ آن هم به صورت متوسط جهانی. همچنین مقیاس بندی مکانی این ابزار از حدود 4 کیلومتر تا چند صد هزار کیلومتر در حوضه های آبریز متغیر است؛ که در مقیاس های خرد، دقت آن کاهش زیادی پیدا می کند. در حال حاضر برای دقت اندک آن در مقیاس های کوچک، نتایج پیش بینی تنها در رودخانه های با حوضه های وسیع ارائه می شود. همچنین از دیگر ضعف های این مدل، عدم وجود داده های اندازه گیری شده در بسیاری از حوضه ها است، به همین دلیل عموم توسعه این مدل بر روی خاک ایالات متحده انجام شده است که هم دارای محصولات ورودی متعددی نظیر بارش های واسنجی شده از داده های شبکه ماهواره ای هست و هم دارای نقاط اندازه گیری زمینی توسعه یافته تر. بنابراین به همین دلیل نتایج آن اکنون تنها بر حوضه های مهم جهانی که داده های مشاهداتی مشخصی در دوره های تاریخی دارند ارائه می شود. مثل رودخانه گنگ هند و... . روند ساخت این ابزار نشان میدهد که توسعه دهندگان آن از مدل های متعدد یادگیری ماشین بهره جسته اند و برای تایید روش نهایی و مدل جهانی از میانگین نتایج در تحلیل پیش بینی ها و عدم قطعیت ها و بایاس های آماری استفاده کرده اند. بنابراین ادعای Google Flood HUB در بهبود عمومی پیش بینی سیل در مقیاس جهانی است و نه در تمام محدوده های محلی. پهنه بندی سیلاب نیز در این مدل بر اساس آرشیو آبگیری تصاویر ماهواره ای بر حسب احتمال ارائه می شود. تنها در برخی موارد این محدوده های آبگیری از مدل های غرقابی و پهنه بندی سیلاب توسعه پیدا کرده است. طبق گفته توسعه دهندگان وجود ضعف های بزرگ در داده های ورودی بخصوص در بارش و تنوع اقلیمی در جهان، وجود شرایط مختلف ژئومورفولوژیک و تفاوت در طول داده های تاریخی و همچنین صدها فاکتور دیگر که بر دقت کار موثر هستند، همچنان محدودیت توسعه این ابزار است. با این حال دو چالش بزرگ به شکل مشخص تری همچنان پیشروی این ابزار وجود دارد:
1- نیاز به پیش پردازش داده های اندازه گیری شده زمینی در هر مختصات برای حصول پیش بینی دقیق در آن مختصات.
2- نیاز به داده های زمان واقعی در هر لحظه برای پیش بینی سیل.
با وجود پیشرفت های چشمگیر در این زمینه، با توجه به عدم همکاری و یا عدم توانایی همکاری در ارائه چنین داده هایی در سطح جهانی، و همچنین پیچیدگی مکانی جهان و تنوع و تغییر وضعیت رابطه بارش-رواناب، همچنان رسیدن به یک مدل شگفت انگیز و یکپارچه در سطح وسیع را با چالش روبرو می کند.
نظرات (۰)