Pożary buszu w Australii wybuchają co roku, różna jest tylko ich skala. Australijczycy od dawna wykorzystują sztuczną inteligencję w walce z żywiołem

Z pobieżnej lektury medialnych doniesień można by wywnioskować, że tegoroczne pożary buszu w Australii są czymś wyjątkowym. Nie jest to prawda, tegoroczne wciąż (jeszcze) nie są największe w historii, ani pod względem strawionej przez ogień powierzchni, ani liczby śmiertelnych ofiar (na razie są odpowiednio czwarte i piąte). Pożary wybuchają bowiem w tym suchym klimacie co roku. Różne jest tylko ich nasilenie.

Większość obszarów Australii jest przystosowana do regularnych wybuchów ognia. Wiele gatunków roślin potrzebuje go, by wykiełkować, o czym wiedzieli Aborygeni wypalając busz. Zakazując tego i bezwzględnie walcząc z wypalaniem, europejscy kolonizatorzy paradoksalnie zwiększyli tylko skalę pożarów.

Wiadomo gdzie, ale nie wiadomo kiedy

Ale czy żywioł ognia można jakoś przewidzieć? Okazuje się, że sztuczna inteligencja nie ma z tym problemu, co zresztą wykazali Australijscy badacze już siedem lat temu.

Sieci neuronowe można nauczyć rozpoznawać pewne wzorce: na przykład związek między mapami klimatu a satelitarnymi zdjęciami ukazującymi miejsca pożarów. Zespół badaczy już w 2013 r. wyuczył sieć neuronową, by wskazywała miejsca o wysokim ryzyku powstania pożarów (pracę na ten temat opublikowano w „Nature Scientific Reports) na podstawie danych o klimacie i zdjęć satelitarnych. Nauczona związku między klimatem a występowaniem pożaru sieć potrafiła później skutecznie odtworzyć miejsca wystąpienia ognia w ciągu dekady, opisywała na stronie internetowej CSIRO (Commonwealth Scientific and Industrial Research Organisation, australijska federalna agencja odpowiedzialna za badania naukowe).

Jeśli na podstawie przeszłych danych o klimacie można trafnie odtworzyć miejsca wystąpienia pożarów, to można także na podstawie bieżących danych przewidzieć, gdzie pojawi się ogień w danym sezonie. W praktyce jednak nikt nie będzie kierował tam strażackich wozów, żeby stały. To, że wiadomo, gdzie wystąpi pożar nie oznacza jeszcze (niestety), że wiadomo kiedy. Zaś Australia jest krajem niezwykle rozległym – pożary w obecnym sezonie występują na połaci tego kraju większej od Polski.

SI przewiduje drogę ognia

Sieci neuronowe mogą też przewidzieć rozwój konkretnego pożaru, czyli jego drogę.

W dwu pracach naukowych opublikowanych dwa lata temu w naukowych czasopismach „Physical Review Letters” matematycy z University of Maryland, pod kierunkiem znanego badacza teorii chaosu Edwarda Otta, zajęli się równaniami Kuramoto-Shivashinskiego, które przewidują niestabilność czoła pożaru.

Algorytm rzecz jasna nie zna równań, jedyne co się doń wprowadza to dane opisujące chaotyczny system. Okazało się to znakomitym rozwiązaniem. Przedział czasu, w granicach którego możliwe jest precyzyjne przewidywanie rozwoju procesu turbulentnego, a po którym taki proces staje się chaotyczny, nazywa się czasem Lapunowa. Nawet najdokładniejsze wyliczenia nie pozwalają za tę zasłonę zajrzeć.

Charakterystyczne dla systemów chaotycznych (jakim jest na przykład pożar) jest, że nawet bardzo drobna zmiana początkowych parametrów sprawia, iż późniejsze obliczenia mocno się od siebie różnią. Samo zaokrąglenie danych wejściowych – a do komputera nie jesteśmy w stanie wprowadzić liczby niewymiernej – sprawia, że po każdym kolejnym kroku obliczeń błąd bardzo szybko narasta. Zwykle wykładniczo, bo taki jest zwykle charakter równań przewidujących pogodę, turbulentny przepływ cieczy lub rozprzestrzenianie się ognia. To spory problem, jeśli chce się takie zjawiska modelować, czyli obliczać ich zachowanie na podstawie matematycznych wzorów. Ale sztuczna inteligencja nie wylicza niczego na podstawie wzorów. Po prostu wyszukuje wzorce wśród danych.

Maszynie udało się przewidzieć wynik równań Kuramoto-Shivashinskiego na osiem takich kroków naprzód, czyli zajrzeć w przyszłość – do tej pory niedostępną nawet dla superkomputerów, dokonujących obliczeń na podstawie matematycznych modeli.

Matematycy osiągnęli to dzięki tzw. reservoir computing w trzech krokach. W dużym skrócie ich metoda polegała na wprowadzeniu numerycznego modelu rozchodzącego się ognia do jednej sieci o strukturze losowej (zwanej rezerwuarem, ang. reservoir) i nauczenia drugiej, żeby z każdym obliczeniowym krokiem coraz dokładniej przewidywała zachowanie tej pierwszej (jak opisywał „Quanta Magazine” w 2018 roku).

W „Chaos: An Interdisciplinary Journal of Nonlinear Science” badacze dowodzili, że ich metoda sprawdzi się w przewidywaniu zachowania wielu innych fizycznych systemów, na przykład rozchodzenia się impulsów elektrycznych w sercu. Charakter procesu nie ma przy tym znaczenia, te same równania opisują zachowanie systemu fizycznego, mechanicznego, czy biologicznego. Odkrycie to pozwala zajrzeć w przyszłość systemów chaotycznych, takich jak pogoda i może przyczynić się do dłuższych prognoz.

Jest jedna przeszkoda – sieci neuronowe są bardzo kosztowne obliczeniowo. Póki co odkrycie nie zawędruje do wozów strażackich i nie przełoży się na działania gaśnicze. Ale kto wie, może uda się to w przyszłości.

Skip to content