ИИ сгенерировал последствия катаклизмов «снимками из будущего»

Статьи по теме

• «Известия» показали кадры со сбитой над Херсоном ракетой «Точки-У»
• Губернатор Павел Маклов высказался по поводу ареста экс-главы Минстроя региона
• Под Новомихайловкой боевики ВСУ убили британского наемника за насмешки над ВС РФ

Ученые Массачусетского технологического института (MIT) разработали уникальную модель искусственного интеллекта, способную с высокой точностью предсказывать последствия стихийных бедствий. Это инновационное решение имеет потенциал стать важным инструментом в управлении чрезвычайными ситуациями и минимизации ущерба от катастроф. Исследование было опубликовано в авторитетном журнале IEEE Transactions on Geoscience and Remote Sensing.

Для создания этой системы исследователи применили подход, основанный на использовании генеративной состязательной сети (GAN) и технологий машинного обучения. GAN представляет собой два алгоритма, которые соревнуются друг с другом: один генерирует данные, а другой оценивает их реалистичность. В данном случае первая нейросеть обучалась на спутниковых снимках территорий до и после таких катастроф, как ураган Харви, разрушивший Техас в 2017 году.

Результатом работы нейросети стали уникальные изображения, имитирующие спутниковые фотографии будущих последствий бедствий. Например, система сгенерировала снимки районов, которые могли бы быть затоплены в случае наводнения. Ученые отметили, что в большинстве случаев прогнозы оказались близки к реальности, однако искусственный интеллект иногда допускал ошибки. Например, он мог предположить затопление местностей, находящихся на большой высоте, что физически невозможно. Для повышения точности и устранения подобных недочетов была интегрирована дополнительная физическая модель.

Особенностью разработки стало использование второй нейросети, которая обучалась на реальных спутниковых данных. Этот подход позволил сделать систему самообучающейся: обе сети начали работать в тандеме, улучшая результаты друг друга. Такая «сотрудничество» позволило минимизировать вероятность ошибок и сделать прогнозы максимально точными.

Специалист MIT Бьерн Лютьенс, принимавший участие в проекте, подчеркнул, что одна из ключевых целей разработки — предоставить общественности и властям инструмент визуализации, который поможет принимать более обоснованные решения до начала бедствия. По его словам, точные и наглядные прогнозы помогут убедить даже самых скептичных граждан в необходимости организованной эвакуации и других превентивных мер.