به گزارش یازاکو، طی دهه‌های گذشته خسارات ناشی از بلایای طبیعی در جهان به طور چشمگیری افزایش‌یافته است. درعین‌حال در جوامع مدیریت بلایا و میزان آگاهی برای اقدامات جامع به‌جای امدادرسانی پس از وقوع روبه‌رشد بوده است، همچنین تجارب گذشته نشان داده است وقوع بلایای کوچک و متوسط می‌تواند پیش‌درآمد بلایای عظیم‌تر باشد؛ ازاین‌رو تجزیه و تحلیل‌ها نشان‌دهنده لزوم راه‌اندازی سامانه‌ای برای ردگیری الگوهای نوظهور خطرپذیری است که این سامانه‌ای به‌عنوان بانک داده‌های زمین و مرجع نظام‌مند بلایا بادقت حداکثری می‌تواند اولین گام مفید محسوب شود.
بر اساس گزارش شرکت دیلویت Deloitte، شرکت خدمات مالی و مدیریتی، بلایای طبیعی در ۱۵ سال گذشته سالانه حدود ۱۷۰ میلیارد یورو خسارت در سراسر جهان به بار آورده‌اند. ازآنجاکه تغییرات آب‌وهوایی باعث افزایش این بلایا می‌شود، طبق پیش‌بینی‌ها، این رقم تا سال ۲۰۵۰ به ۴۰۰ میلیارد یورو افزایش خواهد یافت. علاوه بر این، انتظار می‌رود این فجایع در سال‌های آینده بیشتر رخ دهند.
بااین‌حال، با استفاده از ابزارهای هوش مصنوعی، تا سال ۲۰۵۰ می‌توان سالانه ۶۵ میلیارد یورو در هزینه‌های مستقیم ناشی از این بلایا صرفه‌جویی کرد. بر اساس گزارش هوش مصنوعی برای تاب‌آوری زیرساخت، بهبود در هوش مصنوعی می‌تواند صرفه‌جویی سالانه را به بیش از ۹۰ میلیارد یورو برساند.
چه خطراتی زیرساخت‌ها را تحت‌تأثیر قرار می‌دهند؟
بلایای طبیعی مانند زلزله، طوفان، و سیل شدیدترین آسیب را به زیرساخت‌ها وارد می‌کنند. تخمین زده می‌شود که تنها ۲۵ درصد از خسارات ناشی از این بلایا، که بیش از ۴۰۰ میلیارد یورو است، بیمه شدهاند.
افزایش خسارات زیرساختی ناشی از بلایای طبیعی عمدتاً به دلیل تشدید این پدیده‌ها در سال‌های اخیر است. بر اساس گزارش سازمان جهانی هواشناسی، بلایای مرتبط با تغییرات اقلیمی در چهار دهه گذشته بیش از ۸۰ درصد افزایش یافته است. طوفان‌ها به همراه دماهای شدید و آتش‌سوزی‌های جنگلی بیشترین خسارات را به همراه دارند.
هوش مصنوعی چگونه می‌تواند به حفظ زیرساخت‌ها کمک کند؟ ابزارهای هوش مصنوعی می‌توانند تاب‌آوری زیرساخت‌ها را در طول کل چرخه عمر آن، از برنامه‌ریزی و پیشگیری تا بازیابی پس از فاجعه، افزایش دهند.
در مرحله برنامه‌ریزی، مدل‌های پیش‌بینی مبتنی بر هوش مصنوعی با ارائه داده‌هایی در مورد ارتفاع زمین، اشباع خاک و تراکم شهری، به بهینه‌سازی کاربری مناسب‌تر اراضی کمک می‌کنند. دوقلوهای دیجیتال نیز با فعال‌کردن شبیه‌سازی نحوه تأثیر بلایای طبیعی بر زیرساخت‌ها و کمک به آماده‌سازی آن برای به‌حداقل‌رساندن اثرات منفی، به برنامه‌ریزی کمک می‌کنند.
در مرحله پیشگیری، از مدل‌های یادگیری ماشین استفاده می‌شود؛ زیرا حجم زیادی از داده‌ها را پردازش می‌کنند که به پیش‌بینی دقیق‌تر بلایا کمک می‌کند. آنها همچنین امکان فعال‌سازی زودهنگام سیستم‌های هشدار را برای کاهش اثرات بلایا فراهم می‌کنند. یک نمونه از این مدل‌ها، سیستمی است که توسط ناسا با استفاده از داده‌های ماهواره‌ای برای پیش‌بینی نقاط اشتعال آتش‌سوزی‌های جنگلی توسعه‌یافته است که به تیم‌های آتش‌نشانی کمک می‌کند تا اقدامات هدفمندی را برای کاهش خطر آتش‌سوزی انجام دهند.
در مرحله بازیابی، ابزارهای هوش مصنوعی با فعال‌کردن ارزیابی‌های پیش‌بینی‌کننده آسیب و تخصیص کارآمدتر منابع برای به‌حداقل‌رساندن هزینه‌ها، ارزیابی خسارت و تعمیر زیرساخت‌ها را تسریع می‌کنند.
چالش‌های استفاده از هوش مصنوعی
علی‌رغم مزایای قابل‌توجه استفاده از ابزارهای هوش مصنوعی در زیرساخت‌ها برای کاهش اثرات بلایای طبیعی، چالش‌هایی برای توسعه آنها وجود دارد. از یک سو، محدودیت‌های مالی وجود دارد؛ زیرا پیاده‌سازی آنها پرهزینه است و نیاز به سرمایه‌گذاری‌های بزرگ در سخت‌افزار و نرم‌افزار و همچنین پرسنل متخصص دارد.
همچنین چالش‌های نظارتی را در مورد حفظ حریم خصوصی داده‌ها و همچنین کیفیت داده‌ها ایجاد می‌کند، زیرا اگر مدل‌های هوش مصنوعی با داده‌های نادرست آموزش داده شوند، نتایج کمتر مؤثر خواهند بود.
راه‌حل بهبود تاب‌آوری زیرساخت‌ها و جلوگیری از خسارات ناشی از بلایای طبیعی در همکاری مشترک بین مؤسسات مالی، بیمه‌گران، کارشناسان مهندسی، قانون‌گذاران و اپراتورهای زیرساخت نهفته است. هوش مصنوعی باید در برنامه‌ریزی و طراحی زیرساخت‌ها گنجانده شود تا کارایی را افزایش داده و تاب‌آوری را تقویت کند، بودجه را از طریق ابزارهای مالی نوآورانه تأمین کند و راه‌حل‌های یکپارچه را پیاده‌سازی کند که این امر الزام ادغام هوش مصنوعی را با سایر فناوری‌های مکمل بیش‌ازپیش مهم جاوه می‌کند.
منبع:
https://www.tomorrow.city/can-ai-tools-reduce-disaster-infrastructure-losses/