هوش مصنوعی؛ ابزاری نوین برای پیشبینی فرونشست و کاهش ریسک زلزله
هوش مصنوعی در سالهای اخیر به یکی از ابزارهای مهم در مدیریت مخاطرات طبیعی تبدیل شده و بسیاری از کشورها از این فناوری برای تحلیل دادههای گسترده، پیشبینی روند وقوع مخاطرات و برنامهریزی برای کاهش خسارات استفاده میکنند. در ایران نیز با گسترش پدیده فرونشست زمین و افزایش نگرانیها درباره خطرات ناشی از زلزله، استفاده از ظرفیتهای هوش مصنوعی بیش از گذشته مورد توجه قرار گرفته است.
علی بیتالهی، رئیس بخش زلزلهشناسی مهندسی و خطرپذیری مرکز تحقیقات راه، مسکن و شهرسازی، در گفتوگو با سیناپرس با اشاره به قابلیتهای هوش مصنوعی در تحلیل پدیده فرونشست زمین اظهار کرد: با توجه به سازوکار یادگیری هوش مصنوعی و روندی که از پدیده فرونشست در نقاط مختلف کشور در اختیار داریم، این فناوری میتواند رفتار فرونشست زمین را بهخوبی یاد بگیرد و بر اساس الگوهای موجود، روند آینده این پدیده را نیز پیشبینی کند.
وی افزود: هوش مصنوعی با تحلیل دادههای موجود، امکان شناسایی مناطق پرخطر و اولویتبندی اقدامات کنترلی را فراهم میکند و میتواند به تصمیمگیریهای مدیریتی در این حوزه کمک موثری داشته باشد.
لزوم آموزش هوش مصنوعی با دادههای بومی
بیتالهی گفت: طبق بررسیها هرچه اطلاعات دقیقتر و کاملتری از فرونشستهای زمین در ایران در اختیار سامانههای هوش مصنوعی قرار گیرد، دقت پاسخها و تحلیلهای این سامانهها نیز به شکل محسوسی افزایش خواهد یافت، به همین دلیل لازم است موضوع نقش هوش مصنوعی در شناسایی، تحلیل و پیشبینی خطر فرونشست زمین بهصورت منظم و مستمر در دانشگاهها و مراکز پژوهشی کشور دنبال شود.
به گفته وی، اگرچه تاکنون مطالعات پراکندهای در این زمینه انجام شده است، اما نبود یک برنامه منسجم و پیوسته باعث شده نتایج این پژوهشها به یک سامانه کارآمد و قابل استفاده تبدیل نشود.
هوش مصنوعی و مدیریت ریسک زلزله
عضو هیات علمی مرکز تحقیقات راه، مسکن و شهرسازی با بیان اینکه کارایی هوش مصنوعی در حوزه زلزله نیز وابسته به کیفیت اطلاعات موجود است، گفت: هرچه دادههای مرتبط با مخاطرات لرزهای، آسیبپذیری ساختمانها و اطلاعات شهری بهصورت رقومی، استاندارد و در دسترس قرار گیرد، امکان بهرهگیری از هوش مصنوعی برای کاهش ریسک زلزله نیز افزایش خواهد یافت.
وی افزود: بخشی از اطلاعات پایه مورد نیاز در بانکهای اطلاعاتی برخی سامانههای معتبر هوش مصنوعی وجود دارد و بر همین اساس میتوان تحلیلهایی درباره میزان خطر و پهنهبندی ریسک در کلانشهرهایی مانند تهران انجام داد. البته دقت این تحلیلها به میزان و کیفیت دادههایی بستگی دارد که در اختیار سامانه قرار میگیرد.
بیتالهی با اشاره به قابلیتهای مدلسازی هوش مصنوعی اظهار کرد: نقاط آسیبپذیر و پهنههایی که مقاومت کمتری در برابر زلزله دارند، تا حد زیادی شناسایی شدهاند. اگر سناریویی فرضی از وقوع یک زمینلرزه با بزرگای مشخص، در مکانی معین و حتی در ساعتی مشخص طراحی شود، هوش مصنوعی میتواند بر اساس اطلاعات موجود، مناطق پرخطر، نقاط آسیبپذیر و اولویتهای امداد و نجات را مشخص کند.
وی ادامه داد: این نوع شبیهسازیها هماکنون نیز در مطالعات زلزله انجام میشود، اما استفاده از هوش مصنوعی و دادههای بهروزتر میتواند دقت و کیفیت نتایج را به میزان قابل توجهی افزایش دهد و تصمیمگیری مدیران بحران را در شرایط اضطراری تسهیل کند.
تجربه کشورهای پیشرو در استفاده از هوش مصنوعی
رئیس بخش زلزلهشناسی مهندسی و خطرپذیری مرکز تحقیقات راه، مسکن و شهرسازی با اشاره به تجربه کشورهای پیشرفته در این حوزه گفت: کشورهایی مانند ژاپن، آمریکا و چین سرمایهگذاری گستردهای در استفاده از هوش مصنوعی برای مدیریت خطر زلزله انجام دادهاند. این فناوری در این کشورها در بخشهایی مانند سامانههای هشدار، پاسخ سریع، ارزیابی خطر، شناسایی مناطق آسیبدیده و مدیریت بحران به کار گرفته شده و نتایج بسیار ارزشمندی نیز به همراه داشته است.
وی خاطرنشان کرد: در مقابل، در ایران مطالعات انجامشده عمدتا محدود به برخی مقالات پژوهشی یا پایاننامههای دانشگاهی بوده و تاکنون سامانهای جامع که بتواند همه این ظرفیتها را بهصورت یکپارچه در اختیار مدیران و پژوهشگران قرار دهد، شکل نگرفته است.
بیتالهی در پایان تاکید کرد: توسعه کاربردهای هوش مصنوعی در مدیریت مخاطرات طبیعی، بهویژه در حوزه فرونشست زمین و کاهش ریسک زلزله، نیازمند برنامهریزی مستمر، تولید دادههای دقیق و ایجاد زیرساختهای مناسب است؛ اقدامی که میتواند در آینده نقش مؤثری در افزایش تابآوری کشور در برابر بلایای طبیعی ایفا کند.
گزارش: فرزانه صدقی
