בשעות אחר הצהריים של יום שישי, קייטלין קונטיס וחלק מהמדענים האחרים במעבדות דקארט מתכנסים במשרד סנטה פה, ניו מקסיקו, ויורדים לעבוד על פרויקט שורשי עשב שאינו חלק מתפקידם: לצפות בהוריקנים מלמעלה, ולראות אם הם יכול להבין מה הסערות יעשו. *
הם רוכשים נתונים מ- GOES, הלוויין הסביבתי התפעולי הגיאוסטציונרי המופעל על ידי NOAA ונאס"א, המתעד תמונות של חצי הכדור המערבי כל חמש דקות. זה בערך כמה זמן לוקח לצוות לעבד כל תמונה באמצעות אלגוריתם למידה עמוק המגלה את עינו של הוריקן ומרכז את מעבד התמונות על כך. לאחר מכן, הם משלבים נתוני צמצם סינטטי, המשתמשים ברדאר גל ארוך כדי לראות מבעד לעננים, ויכולים להבחין במים שמתחת על בסיס רפלקטיביות. זה, בתורו, יכול להראות שיטפונות כמעט בזמן אמת, העקוב אחר ימים, של ערים בדרך של הוריקנים.
"המטרה של הפרויקטים האלה ... היא באמת להביא נתונים לידיהם של המגיבים הראשונים ואנשים שמקבלים החלטות ויכולים לעזור", אומר קונטיס, מדען יישומי מוביל בדקארט.
ההוריקן הארווי, למשל, הציפה במפתיע חלקים גדולים מיוסטון למרות מהירות הרוח המצטמצמת. הסערה ההיא עוררה השראה במדענים של דקארט לבנות את התוכנית בה הם משתמשים כעת, אם כי איחרו להחיל נתונים אלה על מאמצי התאוששות. אמנם מעבדות דקארט היו בקשר עם FEMA וארגונים אחרים, אך אין שימוש רשמי בנתונים שהם אוספים.
תמונה זו מציגה את ההסתברות למים לפני הוריקן הארווי באזור דרום הכפר של יוסטון, כפי שנמדד על ידי מודל ראיית מחשב מעמיקה של מעבדות דקארט המיועדות לגילוי שיטפונות. תמונת "לפני" היא מה -1 ביוני 2017. (מעבדות דקארט) 
תמונה זו מציגה את ההסתברות למים במהלך הוריקן הארווי באותו אזור. כחול כהה יותר מצביע על הסתברות גבוהה יותר למים. תמונת "במהלך" זו היא מה- 29 באוגוסט 2017. (מעבדות דקארט) העבודה עם הוריקנים אינה חלק מעסקיה העיקריים של דקארט, המורכבת משימוש במכונות דומות להערכת רשתות אספקת מזון, נדל"ן ועוד. לדוגמה, דקארט יכול להסתכל בנתוני לוויין של חקלאות בברזיל, ארגנטינה וסין, ולהעלות תחזיות לגבי תשואות ומחירי תירס גלובליים. או שהוא יכול להעריך את שיעורי הבנייה ולהעריך את שווי הקרקע. אך הקבוצה יכולה למנף את אותה הטכנולוגיה לבחינת סופות הוריקן ואסונות טבע אחרים, ומתכננת לשלב בעתיד מידע נוסף לאלגוריתם, כמו גודל הוריקן, מהירות רוח ואפילו גובה יבשה כדי לחזות טוב יותר את השיטפונות.
דקארט הוא רק אחת מרבות סוכנויות, חברות וקבוצות מחקר שמנסות למנף נתונים גדולים ולמידת מכונות על חיזוי הוריקן, בטיחות ומודעות. הצלחה עשויה להיות נזקים מופחתים - כלכליים ואנושיים - לנוכח החמרה של סערות הנגרמות על ידי האקלים, או לפחות הגדלת אפשרויות להפחתת הנזקים הללו.
החיזוי לאן ילך הוריקן זו נקודת מבט מבוססת, אומרת איימי מקגוברן, פרופסור למדעי המחשב באוניברסיטת אוקלהומה. מקגוברן בוחן את השימוש ב- AI בקבלת החלטות לגבי סופות רעמים ו טורנדו, אך לא הוריקנים, מסיבה זו. אבל היא אומרת שיש עדיין המון גורמים בהוריקנים שקשה לחזות. איפה שהם ינחתו עשוי להיות צפוי, אבל מה שיקרה ברגע שהם יגיעו לשם זה סיפור אחר; סופות הוריקן ידועות בזכות סחרחורות או השתוללות ממש לפני הנפילה.
אפילו עם רשתות עצביות, מודלים בקנה מידה גדול כולם משתמשים בהנחות מסוימות, בזכות כמות סופית של נתונים שהם יכולים לשלב ומספר כמעט אינסופי של סוגי קלט פוטנציאליים. "זה הופך את הכל לאתגר עבור AI, " אומר מקגוברן. "הדגמים בהחלט לא מושלמים. הדגמים כולם בקנה מידה שונה, הם זמינים ברזולוציות זמן שונות. לכולם הטיות שונות. אתגר נוסף הוא רק כמות הנתונים המוחלטת העצומה. "
זו אחת הסיבות לכך שמדענים רבים פונים ל- AI כדי לעזור להבין את כל הנתונים האלה. אפילו NOAA עולה על הסיפון. הם אלה שמפעילים את לווייני GOES, כך שהם מוצפים גם בנתונים.
עד כה, מדעני NOAA משתמשים בלמידה מעמיקה כדרך להבין אילו נתונים הם יכולים להשיג מהתמונות שלהם, במיוחד עכשיו כאשר GOES-16 החדשה יכולה לחוש 16 להקות ספקטרליות שונות, שכל אחת מהן מספקת הצצה שונה לדפוסי מזג האוויר, וכתוצאה מכך בסדר גודל גדול יותר נתונים מאשר הלוויין הקודם. "עיבוד נתוני הלוויין יכול להיות מהיר משמעותית כשמיישמים עליו למידה עמוקה", אומר ג'ב סטיוארט, מנהל אינפורמטיבי והדמיה ב- NOAA. "זה מאפשר לנו להסתכל על זה. יש צינור אש של מידע ... כאשר המודל יוצר תחזיות אלה יש לנו סוג מידע שונה מסוג זה, היכולת לעבד זאת כדי להבין את זה לגבי תחזיות. "
NOAA מכשירה את המחשבים שלה לבחירת הוריקנים מתמונות הלוויין שלה, ובסופו של דבר תשלב את זה עם שכבות נתונים אחרות כדי לשפר תחזיות הסתברותיות, מה שיעזור לחיל הים, לחברות שילוח מסחריות, אסדות נפט ותעשיות רבות אחרות לקבל החלטות טובות יותר לגבי פעולות.
גם נאס"א משתמשת בלמידה עמוקה, בכדי להעריך את עוצמתם בזמן אמת של סערות טרופיות, ומפתחת כללים אלגוריתמים שמזהים דפוסים בספקטרומים הגלויים והאינפרא אדום. הכלי מבוסס האינטרנט של הסוכנות מאפשר למשתמשים לראות תמונות ותחזיות מהירות הרוח להוריקנים חיים והיסטוריים המבוססים על נתוני GOES.
ברגע שאנו יכולים לצפות כי מחשבים ימצאו באופן מהימן הוריקנים, אנו זקוקים לדרך לתרגם את זה למשהו שאנשים יכולים להבין. יש הרבה יותר מידע מאשר רק מהירות רוח, והבנתו של זה יכולה לעזור לנו להבין את כל שאר הדרכים בהן סופות הוריקן משפיעות על קהילות. חוסאם מחמוד, פרופסור חבר להנדסה אזרחית וסביבתית באוניברסיטת קולורדו סטייט, בחן בהרחבה את הגורמים שהופכים חלק מההוריקנים להרסניים יותר מאחרים. העיקרי ביניהם, לדבריו, הם היכן שהסערות הללו נופלות, ומה, או למי, מחכה להם כשיגיעו לשם. אין זה מפתיע לרמז כי הוריקן הפוגע בעיר יגרום נזק גדול יותר מזו שפוגע בחוף לא כובש, אך לאזור שפוגע באזור המוכן עם חומות ים וגורמים מקלים אחרים ישפיע גם הוא.
ברגע שאתה יודע לאיזה נזק לצפות, אתה יכול להיות מוכן טוב יותר לאתגרים בערים, כמו צפיפות בבתי חולים ובכיבוי בתי הספר, ותוכל להיות בטוח יותר אם פינוי הוא הכרחי. אבל יש את הבעיה בתקשורת: נכון לעכשיו, הוריקנים מתוארים על ידי מהירות הרוח שלהם, ממוקמים בקטגוריות בין 1 עד 5. אבל מהירות הרוח היא רק מנבא אחד לנזק. מחמוד ושותפיו פרסמו בשנה שעברה מחקר שנערך ב- Frontiers in Built Environment בנושא הערכה שנקראה רמת ההשפעה של הוריקן.
"רצינו לעשות משהו כדי שנוכל לתקשר את הסיכון בצורה טובה יותר, שכוללת את האפשרויות השונות שהסכנה הזו עשויה להביא", אומר מחמוד. "גל הסערה יהיה חשוב מאוד, כמה משקעים יש לך מאוד חשוב וכמה מהירות הרוח."
הפרויקט משלב נתונים מסופות סערות אחרונות - מהירות רוח, נחשול סערה ומשקעים, אך גם מיקום ואוכלוסייה - ומחיל עליהם רשת עצבית. ואז הוא יכול להתאמן בעצמו, להעריך, למשל, אם הוריקן צריך להפיל נפילה במיקום X, עם מהירות הרוח Y, נחשול הסערה Z וכו ', הנזק ככל הנראה יהיה ברמה מסוימת, הבאה לידי ביטוי בעלות כלכלית. הוא משווה בין תשומות מרשומות NOAA, נתוני מפקד ומקורות אחרים מסערות אמיתיות, ונותן רמת נזק הדומה למה שהתרחש בסערות אלה. הצוות של מחמוד ניסה את זה באמת, ובשנתיים האחרונות המודל נתן הערכות מדויקות לסופות הוריקן שגרמו לנפילה.
"אם אנו יכולים לעשות זאת, אולי נוכל, קודם כל, להבין את גודל הנזק שאנו עומדים לחוות בגלל הוריקן, ו ... להשתמש בו כדי להוציא צווי פינוי, שהיו אחד המרכזיים "בעיות עם הפחתה ותגובה של הוריקן", אומר מחמוד.
המערכת המוצעת של מחמוד טרם יצאה לפיתוח, אך הוא נמצא בשיחות עם ערוץ מזג האוויר, אותו הוא מכנה שלב מוקדם, אך מבטיח.
חברת מזג האוויר (חברת האם של ערוץ מזג האוויר) כבר משתמשת בפלטפורמת הנתונים הגדולים של חברת הבת שלה IBM PAIRS Geoscope כדי לחזות הפסקות חשמל וכך להכין תגובת אסון טובה יותר בעקבות הוריקנים. התשומות למערכת מגיעות לא רק מלווייני מזג אוויר, אלא מדגמי רשת שירות והיסטוריית הפסקות חשמל. גם תחזיות אלה יהנו מהוספת יותר ויותר מקורות נתונים, כולל לחות בקרקע, שיכולים לעזור לחזות נפילות עצים.
כמות הנתונים הזמינים צומחת במהירות רבה וכך גם היכולת שלנו לעבד אותם, מרוץ חימוש המצביע על עתיד של התרחבות הדיוק ותחזית ההוריקן ההסתברותית שתעזור להיערכות הסערה ברחבי העולם.
# אלדר, טיפוס הרים ו- MosesFiresFire # אלדר, טיפוס הרים ו- MosesFires; lat, lon: 36.220, -118.620 # EdenFire #Eden; lat, lon: 36.410, -118.740; 1718 דונם # CAfire pic.twitter.com/B2ZwfmxJiv
- איתות Wildfire (@wildfiresignal) 27 בנובמבר 2018
גם במעבדות Descartes יש פרויקט נוסף בעבודות, שאינו קשור להוריקנים, פרט לכך שהוא ממנף טכנולוגיה דומה לאסון טבע אחר - שריפות בר. כשפרצה מחנה האש בקליפורניה בתחילת נובמבר, בוט טוויטר בשם @wildfiresignal צץ לחיים. @Wildfiresignal, שנבנה על ידי אותו צוות מדסקארט, מוליך נתונים כל שש שעות מ- GOES-16 עבור פלומות עשן וטוויסטים תמונות אופטיות ואינפרא אדום זו לצד זו. מידע אינפרא אדום יכול להראות את חום האש, שיכול לעזור לדמיין את מיקומו ממש ברגע שהלהט מתחיל, או בלילה כאשר קשה לראות עשן. זה יכול לעזור לכבאים או לתושבים לתכנן מסלולי בריחה כאשר האש מתקרבת אליהם, אך כמו בפרויקט ההוריקן, שיתופי פעולה עם כבאים או יערות לאומיים הם ראשוניים.
"אם הייתה לנו מערכת התראה ברחבי העולם בה ידעת מתי שריפה התרחשה תוך עשר דקות אחרי שהיא התחילה, זה יהיה מרהיב", אומר מרק ג'ונסון, מנכ"ל דקארט. "אנחנו עדיין כנראה רחוקים מכאן, אבל זו המטרה הסופית."
* הערת העורך, 28 בנובמבר 2018: גרסה קודמת של מאמר זה הצהירה באופן שגוי כי המטה של מעבדות דקארט נמצא בלוס אלמוס, ניו מקסיקו, כאשר למעשה הוא ממוקם כיום בסנטה פה, ניו מקסיקו. הסיפור נערך כדי לתקן עובדה זו.
