нейросети и наука

В вузе оценили эффективность ИИ для прогнозов природных катаклизмов

Ученые Сколтеха изучили больше 200 работ о применении ИИ и спутниковых данных для мониторинга природных угроз. Они выяснили и оценили сильные стороны и ограничения разных подходов.
Автор Наука Mail
Наводнение
ИИ помогает отслеживать пожары и наводнения из космосаИсточник: Наука Mail

Сотрудники Центра искусственного интеллекта Сколтеха проанализировали больше 200 научных работ о применении спутниковых данных и ИИ для мониторинга лесных пожаров, наводнений, засух и изменений земного покрова. Они обобщили и оценили сильные стороны и ограничения разных подходов, сообщили в пресс-службе института.

Искусственный интеллект
Сложная модель не всегда дает надежный прогнозИсточник: Freepik

Исследователи проследили эволюцию методов — от спектральных индексов до глубоких нейросетей и трансформеров. Для этого спутники фиксируют разные свойства поверхности и атмосферы: оптические, радиолокационные, тепловые и лазерные данные. Современные модели ИИ могут объединять эту информацию и находить признаки возгораний, затоплений или вырубки лесов. Авторы показали, что разные архитектуры решают разные задачи: сверточные нейросети учитывают пространство, рекуррентные модели — время, а трансформеры сопоставляют данные с удаленных участков.

Универсального алгоритма для всех угроз не существует. Пожар развивается за часы, а засуха — за месяцы и годы. Поэтому одним моделям важна скорость, другим — анализ длинных рядов наблюдений. Глубокое обучение дает преимущества, но высокий результат на тестах не гарантирует работу в реальной системе.

Мы хотели не просто перечислить современные алгоритмы, а понять, в каких задачах они действительно дают преимущество и где упираются в ограничения данных и самих природных процессов. Для практического мониторинга важна не только точность на тестах: модель должна работать на новых территориях, учитывать физику процесса и показывать, насколько можно доверять ее прогнозу
Светлана Илларионова
руководитель исследовательской группы «Компьютерное зрение для обработки данных» Центра ИИ Сколтеха

Более сложная модель не всегда надежнее. Алгоритм, обученный на данных одного региона, теряет точность на другой территории из-за различий в климате и рельефе. Кроме того, огонь может резко изменить направление из-за ветра, а качество прогноза зависит от точности погодных данных. Проблема иногда не в мощности ИИ, а в недостатке информации. Авторы считают, что наиболее перспективный подход — не заменять физические модели нейросетями, а объединять их. Обзор опубликован в журнале Earth Systems and Environment.

Ранее Наука Mail писала о том, что деятельность человека увеличивает количество пожаров в Арктике.