Πόσο διαφορετική θα ήταν η κατάσταση στη Θεσσαλία, αν υπήρχε ένα μοντέλο πρόγνωσης σε πραγματικό χρόνο των επιπτώσεων της κακοκαιρίας Daniel; Πόσο λιγότερα θύματα θα είχαμε θρηνήσει αν οι πολίτες ήταν εκπαιδευμένοι με βιωματικό τρόπο να αντιδρούν σε συνθήκες ακραίων καιρικών φαινομένων;
Οι ερωτήσεις είναι ρητορικές, όχι όμως και η απάντηση στο ερώτημα αν αυτό είναι εφικτό. Η τεχνητή νοημοσύνη έρχεται να δώσει λύσεις εκεί που δεν μπορεί να τα καταφέρει ο ανθρώπινος νους και να αποτελέσει τον καλύτερο σύμμαχο απέναντι στις προκλήσεις της κλιματικής κρίσης. Τέτοιες λύσεις μελετά και υλοποιεί η διεπιστημονική ομάδα του εργαστηρίου ASSIST του τμήματος Δασολογίας και Φυσικού Περιβάλλοντος της Σχολής Γεωτεχνικών Επιστημών του Διεθνούς Πανεπιστημίου της Ελλάδος, το οποίο αναπτύσσει εκπαιδευτική και ερευνητική δραστηριότητα στις σύγχρονες περιοχές της πρόληψης, αντιμετώπισης και της τηλεκπαίδευσης – ενημέρωσης και προετοιμασίας των πολιτών για την αντιμετώπιση των ανθρωπογενών και φυσικών καταστροφών.
«Είμαστε ένας φορέας ακαδημαϊκός με πολλές συνεργασίες στην Ελλάδα και διακρατικά και ασχολούμαστε με ζητήματα που άπτονται όχι μόνο της αντιμετώπισης της καταστροφής και των συνεπειών της, αλλά και της προετοιμασίας πριν από αυτήν. Γιατί αντιλαμβανόμαστε ότι τα φαινόμενα γίνονται πιο έντονα, πιο συχνά, άρα δεν φτάνει μόνο να καταφέρουμε να προετοιμάσουμε έναν μηχανισμό, αλλά πρέπει να προετοιμάσουμε και τους πολίτες. Άλλωστε, όλοι όσοι ασχολούνται σε αυτόν τον τομέα και ειδικά από το κομμάτι της τεχνολογίας κινούνται σε δύο βασικούς άξονες. Ο ένας είναι η εκπαίδευση και η προετοιμασία και ο δεύτερος η πρόληψη με τεχνολογικά μέσα και η ενίσχυση των συστημάτων και φυσικά μετά η αντιμετώπιση του όποιου φαινομένου», είπε στη Voria.gr η επιστημονική συνεργάτης εργαστηρίου Assist, διδάκτωρ Καλλιόπη Κράβαρη.
Οι τέσσερις προκλήσεις της Ευρώπης
Σύμφωνα με την κ. Κράβαρη, όχι μόνο η Ελλάδα, αλλά ολόκληρη η Ευρώπη, καλείται να βρει λύσεις σε τέσσερα ζητήματα, με πρώτο και σημαντικότερο τη συνεργασία και την εκπαίδευση του κοινού. «Είναι πολύ σημαντικό να αντιληφθούμε ότι όσο καλά κι αν εκπαιδεύσεις τους πρώτους αποκριτές και τους μηχανισμούς ανταπόκρισης -κάτι που γίνεται- δεν φτάνει. Είναι ένας πεπερασμένος αριθμός ανθρώπων που δεν μπορούν να βρίσκονται παντού ταυτόχρονα, ειδικά όταν έχουμε φαινόμενα με μεγάλη γεωγραφική διασπορά. Επομένως, θα πρέπει να εκπαιδεύσουμε τους ίδιους τους πολίτες, με την έννοια να μπορούν να μπορούν να αναγνωρίσουν ένα φαινόμενο που εξελίσσεται γύρω τους, να ξέρουν πώς να το αντιμετωπίσουν, πώς να κινηθούν και να μπορούν να αντιληφθούν πώς να διαχειριστούν τις οδηγίες που τυχόν τους δίνονται από τις αρχές ή από τους αποκριτές», τόνισε.
Το δεύτερο έχει να κάνει με τη συλλογή όλων των πληροφοριών από όλα τα διαθέσιμα μέσα, ακόμα και από τα κοινωνικά δίκτυα, που εμπεριέχουν δεδομένα από ανθρώπους που βρίσκονται στα σημεία των καταστροφών.
Το τρίτο έρχεται να συμπληρώσει τα δύο πρώτα και είναι η δημιουργία ενός αξιόπιστου alert system, ώστε οι πολίτες να έχουν την ασφάλεια ότι η πληροφορία που παίρνουν είναι σωστή και σε πραγματικό χρόνο. «Υπάρχουν τέτοια συστήματα σήμερα και στην Ευρώπη και στις ΗΠΑ αλλά δεν είναι ευρέως χρησιμοποιούμενα, με την έννοια ότι εστιάζουν σε συγκεκριμένες περιοχές, δεν μπορούν να καλύψουν μια ολόκληρη χώρα. Εν δυνάμει θα μπορούσαν, όμως αυτό απαιτεί συνεργασία, καθώς υπάρχουν πολλά συστήματα, όμως δεν είναι όλα του ίδιου τύπου, άρα έχουμε ζητήματα προτυποποίησης και πρωτοκόλλων, τα οποία φυσικά λύνονται», εξήγησε η κ. Κράβαρη.
Το τέταρτο είναι ένα αναβαθμισμένο μοντέλο διαχείρισης των κρίσεων με συγκεκριμένα πρότυπα που θα ανταποκρίνονται στη μεταβαλλόμενη κατάσταση. «Αυτό λέμε στην Ευρώπη σε όλα τα ερευνητικά έργα που κινούμαστε και σε όλες τις υποδομές που πάμε να φτιάξουμε. Πρέπει στο τέλος της ημέρας να φτιάξουμε πρότυπα που θα ακολουθούν όλοι, άρα θα μπορούμε να διασυνδεθούμε όλοι. Ζητούμενο είναι η διακρατική συνεργασία. Αυτό γίνεται και υπάρχει πληθώρα έργων στην ΕΕ. Ήδη τρέχουμε πολλά τέτοια έργα που έχουν να κάνουν με υδρολογικά μοντέλα, με αντιπυρικά μοντέλα, με προστασία δασικών περιοχών ή περιοχών με ιδιαίτερη πανίδα και χλωρίδα», σημείωσε.
Η συμβολή της τεχνητής νοημοσύνης
Πρώτη εφαρμογή της τεχνητής νοημοσύνης είναι στο κομμάτι της εκπαίδευσης. Με δεδομένο ότι δεν επαρκεί ένα σεμινάριο ή μία προφορική ενημέρωση, το εργαστήριο ASSIST χρησιμοποιεί τεχνικές XR εικονικής και επαυξημένης πραγματικότητας για βιωματική διαδραστική εκπαίδευση. Με τον τρόπο αυτό οι πολίτες μπορούν να αντιμετωπίσουν διαφορετικά σενάρια μέσα από εικονική περιήγηση.
Βασική προϋπόθεση όμως είναι ακριβώς η διαμόρφωση των πιθανών σεναρίων, που εξαρτώνται όχι μόνο από το φυσικό φαινόμενο, αλλά και από την περιοχή, ακόμα και το ακριβές σημείο στο οποίο βρίσκεται ο πολίτης. «Εδώ ο ρόλος της τεχνητής νοημοσύνης είναι διπλός. Πριν φτάσουμε να χρησιμοποιήσουμε τεχνικές επαυξημένης πραγματικότητας πρέπει να μελετήσουμε την περιοχή. Αυτό γίνεται με μηχανισμούς, όπως η μηχανική μάθηση. Μια τεχνολογία που μπορεί να μας δώσει μία πρόβλεψη, το μοτίβο που θα συναντήσουμε αν έχουμε πλημμύρες, με βάση ιστορικά στοιχεία του πώς μπορεί να εξελιχθεί και παρατηρώντας βέβαια και αυτό που συμβαίνει, δηλαδή παίρνοντας δεδομένα. Από πού θα πάρουμε δεδομένα; Εδώ ερχόμαστε στο άλλο κομμάτι της τεχνητής νοημοσύνης, αυτό που ονομάζουμε διαδίκτυο των πραγμάτων (Internet of Things – IoT). Ουσιαστικά είναι όλη αυτή η ένωση αισθητήρων και μηχανισμών που μπορούμε να χρησιμοποιήσουμε, για να πάρουμε δεδομένα σε πραγματικό χρόνο και να μπορέσουμε να τα επεξεργαστούμε μαζί με τα ιστορικά δεδομένα που έχουμε, έτσι ώστε μέσα από τους αλγορίθμους της τεχνητής νοημοσύνης να μπορέσουμε να κάνουμε σωστές προβλέψεις. Και άρα να προετοιμαστούμε κάνοντας αντίστοιχα τεχνικά έργα, να εκπαιδεύσουμε τους ανθρώπους και τους αποκριτές και στο τελευταίο στάδιο αφού αναλύσουμε την επικινδυνότητα και να φτάσουμε στο στάδιο της απόκρισης», επισήμανε η κ. Κράβαρη.
Η επιστημονική συνεργάτης του εργαστηρίου σημείωσε πως -σε αντίθεση με τον άνθρωπο- η τεχνητή νοημοσύνη έχει τη δυνατότητα να «τρέχει» πολλά σενάρια ταυτόχρονα και -το κυριότερο- να τα αναπροσαρμόζει γρήγορα με βάση τα πραγματικά δεδομένα. «Το «πρέπει να κάνω κάτι» δεν μπορεί να βασίζεται μόνο σε ανθρώπους. Είναι αδύνατον πια να έχουν όλη την πληροφορία και τη δυνατότητα αντίδρασης. Άρα φτιάχνουμε ευφυή συστήματα που είναι πραγματικού χρόνου, λαμβάνουν δεδομένα από όσους αισθητήρες, drone κλπ, είναι διαθέσιμα σε κάθε περίπτωση και επαναπροσδιορίζουν την κατάσταση. Γιατί μπορεί να έχω κάνει ένα πλάνο εκκένωσης εξαιρετικό, αλλά οι συνθήκες να αλλάξουν οπότε να μην είναι επαρκές και να δημιουργήσει περισσότερα προβλήματα από αυτά που θα πήγαινε να λύσει. Μία εφαρμογή τεχνητής νοημοσύνης μπορεί να αξιολογήσει την κατάσταση και να ενημερώσει τους υπευθύνους ότι αυτό το σχέδιο πρέπει να αναπροσαρμοστεί με αυτόν τον τρόπο. Δηλαδή, τρέχουν τα εναλλακτικά σενάρια κάνοντας πρόγνωση γι’ αυτά που έρχονται σε διάφορα χρονικά σημεία, σε μία ώρα, σε μία ημέρα, άρα θα μας στηρίξουν για να πάρουμε γρήγορα αποφάσεις», κατέληξε.