AI i inne zjawiska pogodowe

4 lipca, przed świtem niebo nad centralnym Teksasem pękło jak cienka tafla szkła. Rzeka Guadalupe – zwykle spokojna i leniwa – przeobraziła się w nieokiełznaną bestię. W Hunt, miejscowości letniskowej, w ciągu 45 minut jej poziom podniósł się o osiem metrów. Woda przyszła szybciej niż ostrzeżenia, niż poranne wiadomości, niż jakiekolwiek ludzkie akcje. Zalała prowizoryczne kempingi, drewniane mostki i dziesiątki domków letniskowych, wypełnionych jeszcze bagażami. W Camp Mystic, obozie dla dziewcząt, zginęło co najmniej 27 osób.

To nie była zwykła powódź – to była pułapka. „Low water crossings” zmieniły się w śmiertelne wąwozy, a słaby zasięg komórkowy ograniczył możliwość kontaktu ze światem zewnętrznym. Akcja ratunkowa była heroiczną próbą walki z chaosem: z błotem, zniszczonymi drogami, komunikacyjnym paraliżem. Prezydent ogłosił stan klęski, gubernator mówił o setkach zaginionych. 

Których liczba wciąż rosła.

Sonar, AI i poszukiwanie ciał

Tam, gdzie zawodzi człowiek, coraz częściej wkracza technologia. GulfSAR – wyspecjalizowana jednostka ratownicza – wykorzystała AquaEye, nowoczesny sonar wspomagany sztuczną inteligencją. Urządzenie wysyła stożkowe impulsy dźwiękowe, które odbijają się od wszelkich obiektów pod powierzchnią wody. AI analizuje odbicia i wskazuje miejsca, w których mogą znajdować się ciała.

GulfSAR koncentruje się na największych zwałach gruzu – fragmentach mostów, szczątkach domów, które zalegają wzdłuż koryta rzeki. Działa tam, gdzie najtrudniej dotrzeć. 

Burza podejrzeń – AI i Rainmaker na celowniku teorii spiskowych

W cieniu tragedii wybuchła panika informacyjna. W mediach społecznościowych zaczęły krążyć oskarżenia wobec firmy Rainmaker, której działalność – według części internautów – miała sprowadzić tragiczną w skutkach burzę.

Rainmaker, który specjalizuje się w zasiewaniu chmur, niedawno nawiązał współpracę z Atmo – firmą zajmującą się prognozą pogody przy użyciu zaawansowanych modeli AI. Atmo dostarcza dane o warunkach atmosferycznych, a Rainmaker wykorzystuje je do identyfikowania chmur, które kwalifikują się do zasiewania, a potem przy pomocy dronów „zmusza” je do opadów. 

Krytycy widzą w tym spisek. Czy zasiewanie chmur mogło wywołać powódź? Naukowcy są zgodni, że nie. Jak mówi prof. Bob Rauber z Uniwersytetu Illinois, taka technologia zwiększa ilość opadów o kilkanaście procent, ale w skali całego roku. W zachodnim Teksasie – gdzie Rainmaker był aktywny – oznacza to dwa dodatkowe cale deszczu rocznie. W porównaniu do miliardów galonów wody, jakie przyniosła burza, to ledwie kropla.

AI nie wie, gdzie jest pożar

Granice zaufania do AI testuje też Kalifornia. Chatbot stworzony przez firmę Citibot, który miał informować o pożarach i ewakuacjach, zawiódł. Jego uruchomienie miało być symbolem nowoczesności w administracji publicznej, ale szybko stało się przykładem jej niedoskonałości.

Bot nie rozpoznawał różnych wersji tych samych pytań. Tylko fraza „Co powinienem mieć w zestawie ewakuacyjnym?” skutkowała otrzymaniem pełnej odpowiedzi. Inaczej sformułowane pytania kierowały do ogólnikowych stron lub skutkowały stwierdzeniem „nie jestem pewien”. W przypadku pytania o Ranch Fire chatbot podał informacje skrajnie nieaktualne (przeterminowane o sześć dni).

Eksperci, m.in. z Uniwersytetu Stanforda i Albany, podkreślają, że skuteczna AI musi być nie tylko dokładna, ale też przewidywalna. I zaprojektowana z udziałem tych, którzy będą jej używać. CAL FIRE rozpoczęło poprawki – analizuje dane z zapytań, aktualizuje algorytmy. Ale reputacja systemu już ucierpiała.

Sztuczna inteligencja, która rozumie deszcz

W obliczu takich porażek można zapytać: czy AI naprawdę potrafi coś więcej niż tylko analizować teksty i obrazy? Mimo wszystko okazuje się, że tak. W Europie rozwija się narzędzie, które może naprawdę zmienić sposób, w jaki prognozujemy pogodę. Zespół z Instytutu Technologii w Karlsruhe stworzył model AI o nazwie spateGEN-ERA5. To cyfrowy „mikroskop meteorologiczny”, który przekształca dane globalnych modeli pogodowych w szczegółowe mapy opadów z rozdzielczością 2 km i interwałem czasowym 10 minut.

Model na co dzień uczy się z niemieckich radarów meteorologicznych, ale działa skutecznie również na danych z USA i Australii. Co więcej, generuje nie tylko jedną prognozę, lecz całą gamę fizycznie możliwych scenariuszy. To szczególnie ważne w regionach Globalnego Południa, w których brakuje lokalnej infrastruktury meteorologicznej. Dzięki temu możliwa staje się precyzyjna analiza ryzyka powodzi czy intensywnych opadów, co w przyszłości może zapobiec katastrofom podobnym do tej w Hunt.

Czy AI rozwiąże pogodowe problemy, które sama ponoć wywołuje?

Sztuczna inteligencja może uratować życie, ale może też zawieść – jak chatbot informacyjny w Kalifornii. I choć systemy stają się coraz bardziej złożone to człowiek decyduje, gdzie i jak zostanie użyta. Jeśli brakuje infrastruktury, szkoleń, testów i procedur – zawiedzie nawet najbardziej zaawansowany system. A cenę za opóźnione decyzje płaci się w nazwiskach na listach zaginionych.