Έλληνες ερευνητές στην ΗΠΑ, ανέπτυξαν μια ομολογουμένως εντελώς πρωτοποριακή μέθοδο, η οποία βασίζεται επάνω στην τεχνητή νοημοσύνη και συνδυάζει πρόβλεψη σπάνιων στοιχείων φυσικών καταστροφών.
Η επιστήμη είναι αυτή που μπορεί να συμβάλει ουσιαστικά στο να υπάρξει στροφή προς την κατεύθυνση μιας πιο βιώσιμης ανάπτυξης και δη της πράσινης οικονομίας, στην οποία πλέον όλοι ελπίζουν τόσο στο να περιοριστεί το περιβαλλοντικό μας αποτύπωμα όσο και να περιοριστούν κατά το δυνατόν οι μεγάλες ζημιές σε επίπεδο καταστροφών που προκαλεί η κλιματική αλλαγή σε ολόκληρο τον πλανήτη.
Advertisment
Είναι γεγονός ότι μια εξαιρετική προσέγγιση σε ένα ακραίο φαινόμενο θα μπορούσε να είναι η πρόληψη, αλλά δεν υπάρχουν σε βάσεις δεδομένων εκείνα τα ιστορικά στοιχεία που θα μπορούσαν να συμβάλλουν προς αυτή την κατεύθυνση και να μπορεί να προλαμβάνεται μια πανδημία, ένα τεράστιο τσουνάμι. Το νέο σύστημα που ανακάλυψαν δυο ομογενής Έλληνες επιστήμονες στις ΗΠΑ βασίζεται επάνω σε πολλά ιστορικά στοιχεία, λαμβάνει δεδομένα που επεξεργάζονται μέσα από την τεχνητή νοημοσύνη ή αλλιώς μηχανική μάθηση.
Σύμφωνα με το ΑΠΕ, οι καθηγητές μηχανολογίας και επιστήμης των ωκεανών Θεμιστοκλής Σαψής του Ινστιτούτου Τεχνολογίας της Μασαχουσέτης (ΜΙΤ) και εφαρμοσμένων μαθηματικών & μηχανικής Γιώργος Καρνιαδάκης του Πανεπιστημίου Μπράουν του Ρόουντ Άιλαντ, μαζί με δύο Αμερικανούς συναδέλφους τους, έκαναν τη σχετική δημοσίευση στο περιοδικό υπολογιστικής επιστήμης «Nature Computational Science».
Με ποιους τρόπους θα μπορεί το νέο μοντέλο πρόβλεψης καταστροφών να λειτουργήσει
Η βάση επάνω στην οποία βασίζονται οι επιστήμονες, είναι μια σειρά από αλογάριθμους που αναπτύσσονται έχοντας ανάγκη πολύ λιγότερες πληροφορίες ώστε μέσω της τεχνικής μηχανικής που λέγεται DeepOnet και ανακαλύφθηκε το 2019 από τον Καρνιαδάκη, τροφοδοτήθηκε με τέτοια δεδομένα ώστε να μπορεί να εκδηλώνει πιθανά σενάρια καταστροφών αλλά και το πότε αυτά θα μπορούσαν να συντελεστούν χωρίς να απαιτούνται ιστορικά στοιχεία.
Advertisment
Ένα σύστημα πρόβλεψης που θα διέθετε πολλά ιστορικά στοιχεία καταγραφής καταστροφών του παρελθόντος όπως σεισμοί, πανδημίες, τσουνάμι, θα ήταν ιδανικά όμως η συχνότητα αυτών των ακραίων φαινομένων είναι τόσο σπάνια που τέτοια στοιχεία δεν υπάρχουν για να αποτελέσουν την βάση μελλοντικών προβλέψεων. Η νέα μελέτη βασίζεται περισσότερο στην ποιότητα των πιο κοντινών χρονικά δεδομένων παρά σε μια ιστορική διαχρονική ιστορική καταγραφή.
Ο Καρνιαδάκης δήλωσε ότι, «Πρέπει να γίνει συνειδητό ότι πρόκειται για στοχαστικά συμβάντα. Το ξέσπασμα μιας πανδημίας όπως η Covid-19, μια περιβαλλοντική καταστροφή όπως εκείνη στον Κόλπο του Μεξικού, ένας σεισμός, οι τεράστιες πυρκαγιές στην Καλιφόρνια, ένα κύμα 30 μέτρων που αναποδογυρίζει ένα πλοίο – όλα αυτά είναι σπάνια γεγονότα και επειδή είναι σπάνια, δεν έχουν πολλά ιστορικά δεδομένα. Το ερώτημα που αντιμετωπίζουμε στη μελέτη μας είναι: Ποια είναι τα καλύτερα δυνατά δεδομένα που μπορούμε να χρησιμοποιήσουμε για να ελαχιστοποιήσουμε τον αριθμό των δεδομένων που χρειαζόμαστε»
Η ομάδα των επιστημόνων χρησιμοποίησαν την τεχνική δειγματοληψίας που λέγεται ενεργή μάθηση και αφορά στατιστικούς αλγόριθμους. Αυτοί συνδυάζονται με το υπολογιστικό μοντέλο DeepOnet, ένα είδος τεχνητού νευρωνικού δικτύου που μιμείται τους νευρώνες του ανθρώπινου εγκεφάλου. Είναι ισχυρότερο από τα τυπικά τεχνητά νευρωνικά δίκτυα επειδή στην πραγματικότητα απαρτίζεται από δύο ξεχωριστά δίκτυα που επεξεργάζονται δεδομένα εκ παραλλήλου. Αυτό επιτρέπει να αναλύονται γιγάντιες ομάδες δεδομένων και σεναρίων με αστραπιαία ταχύτητα και να προκύπτουν ανάλογες πιθανότητες. Όταν η δυνατότητα αυτή συνδυαστεί με τους έξυπνους στατιστικούς αλγόριθμους της ενεργού μάθησης τότε, το DeepOnet μπορεί να κάνει προβλέψεις καταστροφικών συμβάντων ακόμη και όταν δεν έχει πολλά δεδομένα για να επεξεργαστεί.
«Το κλειδί είναι να μην πάρει κανείς όλα τα δυνατά δεδομένα και να τα τροφοδοτήσει στο σύστημα, αλλά να αναζητήσει εκ των προτέρων γεγονότα που θα σηματοδοτήσουν σπάνια συμβάντα. Μπορεί να μην έχουμε πολλά παραδείγματα του πραγματικού συμβάντος, αλλά μπορεί να έχουν τα πρόδρομα γεγονότα τους. Μέσω των μαθηματικών τα εντοπίζουμε και αυτά, μαζί με τα πραγματικά γεγονότα, τα οποία θα μας βοηθήσουν να εκπαιδεύσουμε αυτό το πεινασμένο για δεδομένα σύστημα DeepOnet», ανέφερε ο Καρνιαδάκης.
Οι επιστήμονες με αυτό τον τρόπο υπολόγισαν διάφορες πιθανότητες για μελλοντικές εξάρσεις μιας πανδημίας ή για την εμφάνιση από το πουθενά ενός τσουνάμι.
Ο Καρνιαδάκης, ήδη συνεργάζεται με επιστήμονες ώστε η νέα τεχνική να μπορέσει να χρησιμοποιηθεί σε κλιματικά συμβάντα όπως οι τυφώνες.
Το διδακτορικό των δυο επιστημόνωνείναι από το ΜΙΤ και είναι απόφοιτοι της Σχολής Μηχανολόγων Μηχανικών του ΕΜΠ. Ο Σαψής επίσης είναι κάτοχος του επιστημονικού βραβείου Μποδοσάκη 2021.
Σε όλα αυτά τα ακραία φυσικά φαινόμενα που είναι και υπεύθυνα για τις τεράστιες καταστροφές που καταγράφονται σε ολόκληρο τον πλανήτη με τεράστιο κόστος για τους κατοίκους τους, τόσο σε υλικές ζημιές, όσο και σε κόστος ζωών, την ευθύνη έχει κατά κύριο λόγο η αλόγιστη χρήση της ενέργειας. Στο αν τελικά θα καταφέρουμε να σώσουμε τον πλανήτη με ταυτόχρονη βελτίωση της ποιότητας την απάντηση έχει στα χέρια της η επιστήμη δίνοντας τις δικές της απαντήσεις.
