نقش هوش مصنوعی در بهبود سامانه‌های هشدار





نقش هوش مصنوعی در بهبود سامانه‌های هشدار

۲۳ مهر ۱۴۰۳، ۱۷:۴۵

۲۰ مهرماه ۱۴۰۳ «علی آقامحمدی»، عضو مجمع تشخیص مصلحت نظام، در جریان بازدید از دستاوردهای شهرداری تهران در «نمایشگاه شهر پایدار» گفت: «معتقدم ایجاد سامانه هشدار سریع زلزله را می‌توان مهمترین کار شهرداری تهران دانست و اگر شهرداری بخواهد ارائه‌ای از دستاورد خود به مردم در یک کلمه داشته باشد همین یک سامانه کافی است.» معاون پیشگیری و کاهش خطر سازمان پیشگیری و مدیریت بحران شهر تهران روز یکشنبه ۱۱ شهریور در یک برنامه تلویزیونی گفت: «زمستان امسال -۱۴۰۳- سامانه هشدار سریع زلزله و سیل تهران را راه‌اندازی می‌کنیم، با این سامانه حدود ۱۲ ثانیه قبل از زلزله پیامک هشدار اعلام می‌شود تا اقداماتی صورت گیرد.»

سامانه هشدار زلزله سامانه از شتاب‌سنج‌ها، لرزه‌سنج‌ها، ارتباطات، رایانه‌ها و هشداردهنده‌ها است که برای اطلاع‌رسانی سریع به مناطق مجاور وقوع یک زمین‌لرزه شدید پس از شروع یک زلزله ساخته شده است. این سامانه مشابه پیش‌بینی زلزله نیست. زلزله در اثر آزاد شدن انرژی تغییر شکل الاستیک ذخیره‌شده در حین لغزش سریع در یک گسل ایجاد می‌شود. لغزش از جایی شروع می‌شود و در هر جهت در امتداد سطح گسل از کانون گسترش می‌یابد. سرعت پیشروی این گسیختگی گسل آهسته‌تر و متمایز از سرعت امواج فشاری و برشی حاصله است و موج فشاری سریع‌تر از موج برشی حرکت می‌کند. امواج فشاری همیشه از نظر دامنه کوچکتر از امواج برشی (آسیب‌رسان) هستند. موج‌های برشی برای سازه‌ها مخرب‌ترین هستند، به‌ویژه ساختمان‌هایی که پریود تشدید مشابهی با امواج دریافتی دارند. چنین سامانه‌هایی برای توقف ایمن  قطار در سامانه‌های ریلی شهری در هنگام زلزله‌ها مانند سامانه‌های قطار سریع شهری در کالیفرنیا ( BART (Bay Area Rapid Transit  و LA Metro اجرا می‌شوند . تا سال 2024 چین، ژاپن، تایوان، کره جنوبی و رژیم اشغالگر قدس دارای سامانه‌های هشدار پیش‌هنگام زلزله در سراسر کشور هستند که از طریق هشدارهای اضطراری بی‌سیم به مردم مناطق آسیب‌دیده اطلاع می‌دهند. در کشورهایی مانند ترکیه و ایتالیا این سامانه‌ها در شهرهای پرجمعیت مانند استانبول و رم نصب شده است.

سامانه هشدار پیش‌هنگام زلزله ShakeAlert که توسط سازمان زمین‌شناسی ایالات متحده مدیریت می‌شود، زمین‌لرزه‌های مهم را به‌سرعت تشخیص می‌دهد، به‌طوری‌که می‌توان هشدارها را چند ثانیه قبل از رسیدن لرزش‌های قوی به مردم و سامانه‌های خودکار ارسال کرد. ShakeAlert در کالیفرنیا، اورگان و واشنگتن فعالیت می‌کند و به بیش از ۵۰ میلیون نفر در این ایالت‌ها خدمات ارائه می‌دهد. هدف این سامانه کاهش اثر زلزله برای نجات جان و مال است. اقدام محافظتی یا راه‌اندازی اقدامات خودکار شامل کند کردن قطارها، بستن دریچه‌های آب، روشن کردن ژنراتورهای پشتیبان و صدور اطلاعیه‌های عمومی است.

 رویدادهای شدید مرتبط با اقلیم، مانند سیل، طوفان یا خشکسالی، در حال تکرار و شدت گرفتن هستند و راه‌های نوآورانه برای محافظت از جوامع آسیب‌پذیر را ضروری می‌سازند. هوش مصنوعی (AI) در تقویت سامانه‌های هشدار پیش‌هنگام، به‌ویژه تغییر سامانه‌های هشدار اولیه مبتنی‌بر خطر به سامانه‌های هشدار اولیه مبتنی‌بر ضربه (شوک) که فراتر از پیش‌بینی آب‌وهوا به‌سمت اتفاقی که از آب‌وهوا حاصل خواهد داد، نویدبخش است. بااین‌حال، ادغام هوش مصنوعی در این سامانه‌ها نیز چالش‌هایی را ایجاد می‌کند. پنج روش که هوش مصنوعی می‌تواند به بهبود سامانه هشدار پیش‌هنگام و چالش‌های پیش‌آمده کمک کندرا می توان به‌ترتیب زیر خلاصه کرد.  

۱. هوش مصنوعی می‌تواند به پیشرفت دانش خطر سوانح کمک کند: هوش مصنوعی می‌تواند نقش مهمی در جمع‌آوری و تحلیل داده‌های آسیب‌پذیری و قرار گرفتن در معرض – عناصر حیاتی در افزایش دانش ریسک سوانح برای سامانه هشدار پیش‌هنگام ایفا کند. برای مثال، می‌تواند به شناسایی محله‌هایی کمک کند که در هنگام وقوع زلزله یا طوفان بیشتر تحت اثر قرار می‌گیرند. این نوع اطلاعات می تواند به‌طور قابل‌توجهی دانش ریسک سوانح را برای سامانه هشدار پیش‌هنگام، به‌ویژه در مناطق کم داده، افزایش دهد. بااین‌حال، مدل‌های هوش مصنوعی می‌توانند داده‌های آسیب‌پذیری و قرار گرفتن در معرض ریسک را به اشتباه تفسیر کنند یا تفاوت‌های ظریف خاص، مانند گروه‌های به حاشیه رانده‌شده را نادیده بگیرند. در زمینه سامانه هشدار پیش‌هنگام، این موضوع می‌تواند منجر به عواقب ویرانگر با پاسخ‌های اضطراری نامناسب شود. بنابراین، استفاده از هوش مصنوعی تنها به‌عنوان ابزاری مکمل برای جمع‌آوری اطلاعات از کسانی که بیشتر در معرض خطرند حیاتی است.

۲. هوش مصنوعی می‌تواند تشخیص و نظارت بر مخاطرات را سرعت بخشد: هوش مصنوعی این پتانسیل را دارد که سامانه هشدار پیش‌هنگام را با پیشرفت تجزیه و تحلیل پیش‌بینی‌کننده و ارزیابی داده‌های بلادرنگ تقویت کند. به‌عنوان مثال، هوش مصنوعی در پلتفرم‌هایی معرفی شده است که اطلاعات رویداد اقلیمی شدید را یکپارچه و منتشر می‌کند؛ مانند مرکز اطلاعات اقلیمی شدید سازمان جهانی هواشناسی. خدمات مبتنی‌بر هوش مصنوعی به منابع قابل‌توجهی نیاز دارند که به‌ویژه در مناطق کم‌داده در دسترس نیستند. سرمایه‌گذاری‌های سنگین در مدل‌های هوش مصنوعی برای تشخیص و نظارت بر ریسک ممکن است با منابع موجود مناطق و دولت‌ها امکانپذیر و قابل نگهداری نباشد.

۳. هوش مصنوعی می‌تواند ارسال هشدار را سرعت بخشد و ارتباطات و انتشار را بهبود بخشد: ارتباط مؤثر هشدارهای اولیه برای نجات جان انسان‌ها و تسهیل اقدامات اولیه بسیار مهم است. هوش مصنوعی می‌تواند نحوه انتشار هشدارها را بهینه کند. به‌عنوان مثال، در جنوب آسیا از هوش مصنوعی برای تنظیم پیام‌ها از طریق کانال‌های مختلف استفاده می‌شود و اطمینان حاصل می‌شود که هشدارها به افراد مناسب می‌رسد. هوش مصنوعی همچنین می‌تواند هشدارها را به چندین زبان ترجمه کند و یا آنها را برای تسهیل هشدارهای کاربردی سفارشی کند. با وجود این پیشرفت‌ها، ایجاد اعتماد در هشدارهای تولیدشده توسط هوش مصنوعی همچنان یک چالش است. هشدارهای نادرست یا داده‌های نادرست می‌توانند اعتماد را از بین ببرند و تشویق به اقدام به‌موقع را دشوارتر کنند. نظارت انسانی و اعتبارسنجی هشدارهای مبتنی‌بر هوش مصنوعی برای حفظ اعتماد ضروری است.

۴. هوش مصنوعی می‌تواند پاسخ به سوانح را از طریق شبیه‌سازی بلادرنگ تقویت کند: توانایی هوش مصنوعی برای شبیه‌سازی سناریوهای اضطراری مختلف، بینش‌های ارزشمندی را برای آمادگی و واکنش ارائه می‌دهد. با شبیه‌سازی موقعیت‌های مختلف سوانح، هوش مصنوعی می‌تواند از سازمان‌های بشردوستانه و دولت‌ها برای آماده شدن برای سناریوهای مختلف، اصلاح طرح‌های اضطراری و تخصیص مؤثرتر منابع از طریق ارزیابی‌های بلادرنگ حمایت کند. ایراد سامانه هشدار پیش‌هنگام با پشتیبانی از هوش مصنوعی می‌تواند این باشد که درصورت عدم طراحی مشترک، گیرندگان پیام‌های هشدار را نادیده بگیرند.   

۵. استفاده اخلاقی از هوش مصنوعی کلید هشدارهای اولیه منصفانه و فراگیر است.

هوش مصنوعی پتانسیل بالایی برای بهبود سامانه هشدار پیش‌هنگام  دارد، اما بی‌عیب نیست. این فناوری باید با تفکر و اخلاقی اجرا شود. ازآنجاکه هوش مصنوعی به‌شدت از داده‌ها و دانش موجود استفاده می‌کند، ممکن است مزایای متفاوتی را برای محیط‌های غنی از داده در مقایسه با محیط‌های کم‌داده ارائه دهد. پرداختن به شکاف دیجیتال بسیار مهم است؛ زیرا کسانی که به فناوری لازم دسترسی ندارند ممکن است نادیده گرفته شوند. مدل‌های هوش مصنوعی نباید سوگیری‌های موجود را تداوم بخشند یا موارد جدید سوگیری ایجاد کنند، مانند اینکه جوامع خاصی را در داده‌های مورد استفاده برای آموزش این سامانه‌ها به نمایش بگذارند. برای دستیابی به این هدف، دستورالعمل‌ها و چارچوب‌هایی برای استفاده اخلاقی از هوش مصنوعی در سامانه هشدار پیش‌هنگام باید ایجاد و دنبال شود. الگوریتم‌های شفاف، اقدامات پاسخگویی و راهبردهای کاهش سوگیری برای اطمینان از کاربرد اخلاقی در زمینه هشدار اولیه ضروری هستند. علاوه‌براین، تقویت همکاری بین کارشناسان هوش مصنوعی و فعالان اقدامات بشردوستانه می‌تواند کمک کند تا اطمینان حاصل شود که هوش مصنوعی به‌طور مسئولانه و مؤثر در زمینه سامانه هشدار پیش‌هنگام استفاده می‌شود.

به اشتراک بگذارید:





نظر کاربران

نظری برای این پست ثبت نشده است.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

بیشترین نظر کاربران

زندگی در تعلیق

زندگی در تعلیق