Εξηγεί ο επίκουρος καθηγητής στο ΕΜΠ Γιάννης Παπουτσής
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.
