Η τεχνητή νοημοσύνη (AI) βελτιώνει την ακρίβεια των προβλέψεων πυρκαγιών που πραγματοποιούνται από το κορυφαίο διακυβερνητικό μετεωρολογικό κέντρο της Ευρώπης, σύμφωνα με δημοσίευμα του Bloomberg.

Οι παραδοσιακές προβλέψεις πυρκαγιών βασίζονται σε μεγάλο βαθμό σε μετεωρολογικά μοντέλα που προβλέπουν τη θερμοκρασία, την υγρασία, την ταχύτητα του ανέμου και τη βροχόπτωση. Αντίθετα, το μοντέλο πιθανότητας πυρκαγιάς που χρησιμοποιείται από το Ευρωπαϊκό Κέντρο Μεσοπρόθεσμων Προβλέψεων Καιρού τροφοδοτείται από αλγορίθμους AI που αναλύουν τα πρότυπα πυρκαγιάς, τις πιθανές πηγές καύσιμης ύλης και την ανθρώπινη δραστηριότητα.

Η AI προβλέπει με μεγαλύτερη ακρίβεια τις περιοχές υψηλού κινδύνου και μπορεί να εντοπίσει με μεγαλύτερη ακρίβεια τις εστίες όπου οι πυρκαγιές είναι πιθανό να αναφλεγούν, διαπίστωσαν οι ερευνητές. Το μοντέλο AI είναι επίσης καλύτερο στο να λαμβάνει υπόψη την ανθρώπινη δραστηριότητα – την κύρια σπίθα των περισσότερων πυρκαγιών.

«Χρειάζεται μια πιο ολιστική προσέγγιση», δήλωσε η Francesca Di Giuseppe, η οποία συνέγραψε την έρευνα και διευθύνει ένα τμήμα του κέντρου που αξιολογεί τις προβλέψεις.

Καθώς ο πλανήτης θερμαίνεται και οι καιρικές συνθήκες εξαπλώνονται, τα σύνθετα καιρικά φαινόμενα – όπως οι έντονες βροχοπτώσεις και η ξηρασία που προηγήθηκαν των θανατηφόρων πυρκαγιών στη Νότια Καλιφόρνια νωρίτερα φέτος – αυξάνουν τους κινδύνους σε ολόκληρο τον κόσμο. Αυτό αυξάνει την ανάγκη ακριβούς πρόβλεψης των ακραίων καιρικών φαινομένων, καθώς οι πυρκαγιές απειλούν χώρες από τη Νότια Κορέα έως την Ελλάδα.

Πώς λειτουργεί η AI

Η μεγαλύτερη βελτίωση της Τεχνητής Νοημοσύνης προέρχεται από καλύτερα δεδομένα σχετικά με τις πιθανές πηγές καύσιμης ύλης, οι οποίες είναι δύσκολο να παρατηρηθούν και να ληφθούν υπόψη σε προβλέψεις που βασίζονται στις καιρικές συνθήκες, όπως ο Δείκτης Καιρού Πυρκαγιάς, ένα ευρέως χρησιμοποιούμενο μοντέλο έγκαιρης προειδοποίησης που αναπτύχθηκε αρχικά για δασικές πυρκαγιές στον Καναδά.

Το μοντέλο AI χρησιμοποιεί πληροφορίες για τον καιρό, αλλά αντλεί επίσης από 19 διαφορετικά σύνολα δεδομένων, συμπεριλαμβανομένων δορυφορικών εικόνων που μπορούν να διακρίνουν μεταξύ ζωντανών και νεκρών φυτών, ενώ εντοπίζουν επίσης την πυκνότητα του πληθυσμού και των δρόμων, καθώς και την εγγύτητα σε αστικές περιοχές.

Με την προσθήκη των πιο λεπτομερών δεδομένων για τα καύσιμα, τα μοντέλα τεχνητής νοημοσύνης ήταν σε θέση να βελτιώσουν τις προβλέψεις κατά 30%, σύμφωνα με την έρευνα. Μπορεί επίσης να μειώσει τους ψευδείς συναγερμούς, αποφεύγοντας μια άλλη παγίδα των προβλέψεων που βασίζονται στον καιρό: την τάση να υπερεκτιμούν τους κινδύνους πυρκαγιάς σε εξαιρετικά ζεστά, ξηρά και αραιοκατοικημένα μέρη, όπως οι έρημοι.

«Είτε επειδή δεν υπάρχουν άνθρωποι, είτε επειδή δεν υπάρχει καύσιμη ύλη για να καεί», δήλωσε ο Di Giuseppe.

Οι ερευνητές δοκίμασαν το μοντέλο τεχνητής νοημοσύνης συγκρίνοντας τις προβλέψεις για πυρκαγιές, συμπεριλαμβανομένης της πυρκαγιάς του Ιανουαρίου του 2025 που κατέστρεψε τη Νότια Καλιφόρνια. Ενώ το μοντέλο που βασιζόταν στις καιρικές συνθήκες ήταν σε θέση να προβλέψει τη χαμηλή υγρασία, τις ξηρές συνθήκες και τους τυφλούς ανέμους και μια ευρεία περιοχή υψηλού κινδύνου πυρκαγιάς, το μοντέλο AI προέβλεψε καλύτερα συγκεκριμένες περιοχές όπου τελικά αναζωπυρώθηκαν οι πυρκαγιές.

Οι ερευνητές δήλωσαν ότι το μοντέλο τεχνητής νοημοσύνης προβλέπει καλύτερα τον τρόπο με τον οποίο η κλιματική αλλαγή μεταβάλλει τις συνθήκες πυρκαγιάς, συμπεριλαμβανομένου του φαινομένου του «μαστιγίου» των υγρών περιόδων με έντονη ανάπτυξη των φυτών που ακολουθούνται από ζεστές, ξηρές περιόδους που μετατρέπουν τη βλάστηση σε καύσιμη ύλη, το οποίο έπαιξε σημαντικό ρόλο στη Νότια Καλιφόρνια. Τα μοντέλα AI έδειξαν ότι αυτές οι ανωμαλίες δημιουργούν ένα «ξεχωριστό μοτίβο αυξημένης ευφλεκτότητας», δήλωσαν οι ερευνητές.

Η πρόβλεψη της τεχνητής νοημοσύνης για τις πυρκαγιές αναπτύχθηκε το 2023, καθώς οι μετεωρολόγοι του κέντρου στοιχημάτισαν ότι οι τεχνικές μηχανικής μάθησης θα νικήσουν τελικά τις συμβατικές μεθόδους και θα παρέχουν κρίσιμες καιρικές προβλέψεις με μεγαλύτερη ακρίβεια και ταχύτητα. Το κέντρο κυκλοφόρησε τον Φεβρουάριο ένα γενικό μοντέλο τεχνητής νοημοσύνης -το πρώτο από μια μεγάλη υπηρεσία πρόγνωσης- το οποίο χρησιμοποιείται ήδη από περιφερειακά γραφεία μετεωρολογίας και εμπόρους που αναζητούν ένα κερδοφόρο πλεονέκτημα στην ευμετάβλητη αγορά ενέργειας της Ευρώπης.

Διαβάστε ακόμη