به گزارش خبرگزاری آنا به نقل از رویترز، هنگامی که سیل در ماه سپتامبر بخش هایی از اروپا را درنوردید، مقیاس تخریب مردم را غافلگیر کرد. بارش های شدید نباید خسارت آفرین باشند، زیرا این بارش ها توسط سیستم های پیشرفته مبتنی بر هوش مصنوعی پیش بینی شده بودند.اما هشدار قبلی به معنای مسلح شدن نبود. اگرچه باران ها به دقت پیش بینی شده بودند، اما اثرات آن ها در مناطق خشک و خالی از سکنه نبود.

هوش مصنوعی با استفاده از طیف وسیعی از ابزارهای آماری برای تجزیه و تحلیل داده های تاریخی و پیش بینی الگوها و با هزینه ای کم تر از پیش بینی های عددی سنتی آب و هوا را پیش بینی کرده است.

فن آوری هوش مصنوعی می تواند پیش از حوادثی مانند سیل شهری یا در مناطق پیچیده مانند مناطق کوهستانی، پیش بینی های خاص تری ایجاد کند.

به عنوان مثال، گراف‌کست با سرمایه گذاری گوگل، یک روش مبتنی بر یادگیری ماشین که مستقیما از داده های تحلیل مجدد آموزش دیده بود، عملکرد بهتری نسبت به مدل های سنتی داشت. داده های تحلیلی متکی بر پیش بینی های گذشته هستند که با مدل های پیش بینی مدرن دوباره اجرا می شوند تا کامل ترین تصویر از آب و هوای گذشته را ارائه دهند.

اما کارشناسان می گویند هنوز شکاف هایی در دانش، نحوه استفاده از اطلاعات و سرمایه گذاری برای تقویت مدل های جمع آوری داده وجود دارد.

اندرو چارلتون پرز، استاد هواشناسی در دانشگاه ریدینگ در بریتانیا گفت:در برخی موارد و برای برخی متغیرها، مدل های هوش مصنوعی می توانند مدل های مبتنی بر فیزیک را شکست دهند، اما در موارد دیگر برعکس.

یک مساله این است که کارایی یک مدل هوش مصنوعی تنها به خوبی اطلاعاتی است که تغذیه می کند. اگر داده های ورودی کمی وجود داشته باشد، یا رویدادهای شدید در زمان های مختلف سال یا در مناطق مختلف رخ دهند، پیش بینی بلایای آب و هوایی چالش برانگیزتر می شود.

چارلتون پرز افزود: یک استفاده خوب از پیش بینی های آب و هوایی مبتنی بر هوش مصنوعی، تکمیل و افزایش جعبه ابزار پیش بینی ما خواهد بود، شاید با اجازه دادن به ما برای تولید مجموعه بزرگتری از پیش بینی ها که امکان ارزیابی و تفسیر دقیق احتمال رویدادهای شدید را فراهم می کند.