新人工智能工具生成未來洪水的真實衛星影像
麻省理工學院的科學家們開發了一種方法，可以生成未來的衛星影像，以描繪某個地區在潛在洪水事件後的模樣。這種方法結合了生成式人工智能模型和基於物理的洪水模型，創造出真實的鳥瞰圖，顯示在即將來臨的風暴強度下，洪水可能發生的地點。
作為試驗案例，研究團隊將這一方法應用於休斯頓，生成了衛星圖像，展示在類似於2017年襲擊該地區的哈維颶風後，城市某些地點的情況。團隊將這些生成的圖像與哈維襲擊後實際拍攝的衛星圖像進行了比較，還比較了不包括基於物理的洪水模型的AI生成圖像。
團隊的物理增強方法生成的未來洪水衛星圖像更真實、準確。相比之下，僅使用AI的方法則生成了在物理上不可能發生洪水的地點的圖像。
這一方法是一個概念驗證，旨在展示生成式AI模型在與基於物理的模型相結合時，能夠生成真實且可靠的內容。要將這一方法應用於其他地區以描繪未來風暴的洪水情況，還需要用更多衛星圖像進行訓練，以了解其他地區的洪水樣貌。
提升公眾應對風暴的準備
“這個想法是：有朝一日，我們可以在颶風來臨之前使用這個工具，為公眾提供額外的視覺化層面，”麻省理工學院地球、氣候及行星科學系的博士後研究員比約恩·盧特延斯（Björn Lütjens）表示。他在麻省理工學院航空航天系攻讀博士學位時主導了這項研究。“最大的挑戰之一是鼓勵人們在面臨風險時撤離。也許這可以成為另一種視覺化工具，幫助提高他們的準備意識。”
為了展示這一新方法的潛力，團隊將其命名為“地球智能引擎”，並作為在線資源提供給其他人試用。
生成對抗影像的應用
這項研究是團隊努力將生成式AI工具應用於可視化未來氣候情境的延伸。“提供超本地的氣候視角似乎是傳達我們科學結果的最有效方式，”該研究的資深作者達瓦·紐曼（Dava Newman）表示。“人們會與他們自己的郵政編碼、他們的地方環境及其家人和朋友生活的地方產生共鳴。提供本地氣候模擬變得直觀、個人化且易於理解。”
在這項研究中，作者使用了一種條件生成對抗網絡（GAN），這是一種可以使用兩個競爭的神經網絡生成真實圖像的機器學習方法。第一個“生成器”網絡在真實數據對（例如颶風前後的衛星圖像）上進行訓練。第二個“判別器”網絡則被訓練用來區分真實衛星影像和由第一個網絡合成的影像。
每個網絡根據另一個網絡的反饋自動改進其性能。這種對抗性推拉的想法最終應該能生成與真實圖像無法區分的合成圖像。然而，GAN仍然可能生成“幻覺”，即在其他真實圖像中出現不應存在的事實上錯誤的特徵。
減少幻覺，增強可靠性
在他們的新研究中，研究人員考慮了一個風險敏感的情境，即生成AI被要求創建未來洪水的衛星圖像，這些圖像足夠可靠，以幫助決策者制定準備和撤離的決策。
通常，政策制定者可以根據以顏色編碼的地圖的可視化來了解洪水可能發生的地點。這些地圖是基於物理模型的流程的最終產品，通常從颶風軌跡模型開始，然後進入模擬當地風模式和強度的風模型。這與預測風如何將附近水體推向陸地的洪水或風暴潮模型相結合。隨後，水力模型根據當地洪水基礎設施繪製洪水將發生的地點並生成特定區域的顏色編碼洪水高度地圖。
“問題是：衛星影像的可視化能否在這一過程中增加一個更具體和情感共鳴的層面，與顏色編碼的紅色、黃色和藍色地圖相比，同時仍然可靠？”盧特延斯說。
團隊首先測試了僅使用生成AI的方式來生成未來洪水的衛星圖像。他們在實際衛星圖像上訓練了一個GAN，這些圖像是衛星在哈維颶風前後經過休斯頓時拍攝的。當他們要求生成器生成相同地區的新洪水圖像時，發現這些圖像類似於典型的衛星影像，但仔細觀察卻發現一些圖像中出現了不應該存在的洪水幻覺（例如，在較高的地勢上）。
為了減少幻覺並提高AI生成圖像的可靠性，團隊將GAN與基於物理的洪水模型結合，該模型納入了即將到來的颶風軌跡、風暴潮和洪水模式等實際物理參數和現象。通過這種物理增強的方法，團隊生成的衛星圖像逐像素地描繪了休斯頓周圍的洪水範圍，與洪水模型預測的結果一致。
“我們展示了一種將機器學習與物理結合的具體方式，這對於需要分析地球系統複雜性並預測未來行動和可能情境以保護人們安全的風險敏感用例至關重要，”紐曼表示。“我們迫不及待想把我們的生成AI工具交到地方社區的決策者手中，這可能會帶來重大變化，甚至拯救生命。”
這項研究部分得到麻省理工學院葡萄牙計劃、DAF-MIT人工智能加速器、NASA和Google Cloud的支持。
—
這篇報導展示了生成式AI在氣候變化和災害應對中的潛力，尤其是在提升社會對風險的認識及應對能力方面。透過這一新技術，未來我們可能能更好地視覺化災害影響，讓公眾更容易理解和接受撤離的必要性。然而，這也引發一個重要的問題：在技術迅速發展的背景下，如何確保這些AI生成的數據不僅真實可靠，更能夠有效地被普通民眾所理解？這需要我們在技術開發的同時，重視對社會的教育和溝通，以確保科技真正造福人類。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
