استفاده از هوش مصنوعی برای تعیین مناطق پرخطر
به گزارش کارگروه فناوری اطلاعات سایبربان؛ یکی از حوزههایی که در آن هوش مصنوعی عملکردی واقعا عالی دارد، کار کردن با سناریوهایی است که تعداد بسیار زیادی متغیرهای پیچیده دارند؛ مانند اینکه چگونه تشعشعات طی یک حادثه در نیروگاه هستهای در محیط انتشار خواهند یافت. این موضوع نقطهی تمرکز یک مطالعهی هوش مصنوعی جدید است که در ژاپن توسعه پیدا کرده است. این مدل خیلی دقیقتر از قبل به ما ایمنترین مناطق و خطرناکترین موقعیتها را طی یک بحران هستهای نشان میدهد.
در حالیکه بهترین وضعیت این است که اصلا مشکلی در مراکز هستهای پیش نیاید ولی دانستن اینکه از چه راههایی بارانهای رادیواکتیوی منتشر میشوند، میتواند در اجرای عملیات ضروری و ایمن نگه داشتن انسانها حیاتی باشد. این موضوع واقعا میتواند موجب نجات جان انسانها شود. پژوهشی جدید در حوزه هوش مصنوعی که توسط گروهی از پژوهشگران دانشگاه توکیو انجام شدهاست این قابلیت را دارد که متغیرهای تصادفی و الگوهای غالب آبوهوایی منطقه را در نظر بگیرد و مشخص کند طی ۳۳ ساعت آینده، در کدام مناطق خطر تشعشات بیشترین مقدار است. تاکایو یوشیکانی یکی از اعضای این گروه پژوهشی گفت:
این مدل جدید ابتدا توسط اطلاعات آبوهوای مربوط به چندین سال آموزش داده شد تا پیشبینی کند که اگر تشعشات از یک نقطهی مشخص منتشر شوند، در کجاها گسترش خواهند یافت. این مدل قادر بود جهت پراکنش را با حداقل دقت ۸۵ درصد پیشبینی کند و در زمستان که الگوهای آبوهوایی مشخصتر بودند، این دقت به ۹۵ درصد میرسید.
رآکتور شمارهی ۳ نیروگاه هستهای فوکوشیما که در پی زلزله و سونامی سال ۲۰۱۱ دچار انفجار شد
روش یادگیری ماشین با استفاده از دادههای گذشته برای تعیین محتملترین پیامدهای آینده باید سطح بالایی از دقت داشته باشد. قابلیت اطمینان به سیستمهای کنونی پیشبینی باران رادیواکتیو محدود است. با استفاده از این دانش جدید روشهای تخلیه مردم میتواند سریعتر و کارآمدتر شود. خارج کردن گروه زیادی از مردم از یک منطقه اقدام بزرگی است و مسئولین میخواهند فقط هنگامی که کاملا ضروری باشد، این کار انجام شود.
یاشیکانی میگوید:
این واقعیت که دقت این روش هنگام پیشبینیها طی ۳۰ ساعت آینده نیز کاهش نمییابد در سناریوهای فاجعهبار بسیار مهم است.
این مدل اطلاعات مفیدی درباره این که کدام مناطق بیشترین آسیب را خواهند دید و نیاز به تخلیه دارند و اینکه کدام مناطق در خطر کمتری هستند و در آن موارد فقط لازم است افراد ساکن در مورد مواد آشامیدنی و خوراکی خود دقت کنند، فراهم میکند. حوادث هستهای با دماهای بالایی همراه هستند و طی آن مواد رادیواکتیو میتوانند تا در هوا تا دو هزار متر حرکت کنند و حتی با رسیدن به بخشهای بالایی تروپوسفر میتوانند در کل جهان منتشر شوند. در پایینترین سطوح نیز نسیمهای دریایی و بادهای کوهستانی میتوانند موجب انتشار محلی مواد رادیواکتیو شوند. برای ایجاد یک مدل درست لازم است که تمام این متغیرها در نظر گرفته شوند. پایینترین میزان دقت در این سیستم هوش مصنوعی در مورد دادههای جمع آوری شده طی ماه جولای بود که دقت به ۷۸ درصد رسید. دانشمندان علت این موضوع را بینظمی و قابل پیشبینی نبودن طوفانهایی که در این ماه حادث میشوند، عنوان کردند. البته در روش یادگیری ماشین هرچه حجم اطلاعات بخش آموزش بیشتر شود انتظار میرود که دقت مدل بهبود یابد. اگر حادثهای شبیه فوکوشیما اتفاق افتد، این تکنولوژی قادر است به آمادگی بهتر برای برخورد با فاجعه، کمک کند.
