在人們襲擊之前，可以看到颶風對房屋的潛在影響可以幫助居民準備並決定是否撤離。
麻省理工學院的科學家已經開發了一種方法，該方法生成了從未來的衛星圖像，描繪了一個潛在的洪水事件後地區的外觀。該方法將生成性人工智能模型與基於物理的洪水模型相結合，以創建一個逼真的鳥眼觀看圖像，以表明鑑於即將來臨的風暴的強度，可能發生洪水。
作為測試案例，該團隊將這種方法應用於休斯頓，並生成了衛星圖像，描繪了一場暴風雨後的某些地點與颶風哈維（Harvey）相當，後者在2017年襲擊了該地區。該團隊將這些生成的圖像與實際衛星進行了比較哈維（Harvey）擊中同一地區拍攝的圖像。他們還比較了不包括基於物理洪水模型的AI生成的圖像。
該團隊的物理增強方法生成了未來洪水的衛星圖像，這些圖像更現實和準確。相比之下，僅AI的方法在不可能的地方產生了洪水的圖像。
該團隊的方法是概念驗證，旨在證明生成AI模型與基於物理模型配對時可以生成逼真的，值得信賴的內容的情況。為了將該方法應用於其他地區以描繪未來風暴的洪水，需要對更多衛星圖像進行培訓，以了解其他地區的洪水外觀。
“這個想法是：有一天，我們可以在颶風之前使用它，為公眾提供額外的可視化層，”麻省理工學院地球，大氣和行星科學的博士後BjörnLütjens說。他是麻省理工學院航空和宇航學系（Aeroastro）的博士生。 “最大的挑戰之一是鼓勵人們在處於危險之中的情況下撤離。也許這可能是另一種可視化，以幫助增加準備就緒。”
為了說明他們稱為“地球智能引擎”的新方法的潛力，該團隊已將其作為在線資源提供的，供其他人嘗試。
研究人員今天在期刊上報告了他們的結果 IEEE關於地球科學和遙感的交易。該研究的MIT合著者包括Brandon Leshchinskiy； Aruna Sankaranarayanan; Aeroastro教授兼麻省理工學院媒體實驗室主任達瓦·紐曼（Dava Newman）；以及來自多個機構的合作者。
生成對抗圖像
這項新研究是團隊努力應用生成AI工具來可視化未來氣候場景的努力。
該研究的高級作者紐曼說：“提供氣候的超本地視角似乎是傳達我們科學結果的最有效方法。”人們與自己的郵政編碼，家人和朋友居住的本地環境有關。提供當地氣候模擬變得直觀，個人和相關。”
在這項研究中，作者使用有條件的生成對抗網絡或GAN，這是一種機器學習方法，可以使用兩個競爭或“對抗性”神經網絡生成逼真的圖像。第一個“發電機”網絡經過成對的真實數據訓練，例如颶風前後的衛星圖像。然後，對第二個“鑑別器”網絡進行了訓練，以區分真實的衛星圖像和第一個網絡合成的衛星圖像。
每個網絡都會根據來自另一個網絡的反饋自動提高其性能。因此，這個想法是，這種對抗性的推動和拉力最終應該產生與真實事物無法區分的合成圖像。然而，甘斯仍然可以在本來不應該存在的原本逼真的圖像中產生“幻覺”或實際上不正確的特徵。
“幻覺會誤導觀眾，”呂肯斯（Lütjens）說，他開始懷疑是否可以避免這種幻覺，因此可以信任生成的AI工具以幫助人們告知人們，尤其是在風險敏感的情況下。 “我們在思考：我們如何在氣候影響環境中使用這些生成的AI模型，在那裡擁有可信賴的數據源如此重要？”
洪水幻覺
在他們的新作品中，研究人員考慮了一種對風險敏感的情況，在該場景中，生成的AI的任務是創建未來洪水的衛星圖像，這可能是值得信賴的，以便為如何準備和潛在地撤離人們擺脫危害的方式提供決定。
通常，決策者可以根據顏色編碼地圖的形式根據可視化來了解洪水可能發生的洪水。這些地圖是物理模型管道的最終產物，該管道通常始於颶風軌道模型，然後將其饋入風向模型，該模型模擬了當地區域上風的模式和強度。這與洪水或風暴潮模型結合在一起，該模型預測風如何將附近的水域推向陸地。然後，液壓模型根據當地的洪水基礎設施將洪水發生在哪裡，並在特定區域上生成視覺上的顏色編碼圖。
“問題是：衛星圖像的可視化是否可以為此增加另一個層次，這比紅色，黃色和布魯斯的顏色編碼的地圖更為明顯和引人入勝，同時仍然值得信賴？”呂肯斯說。
該團隊首先測試了僅生成AI如何產生未來洪水的衛星圖像。他們對衛星拍攝的實際衛星圖像進行了訓練，因為他們在哈維颶風之前和之後經過休斯頓。當他們任務發電機製作同一區域的新洪水圖像時，他們發現這些圖像類似於典型的衛星圖像，但是在某些圖像中，以洪水不應進行洪水（例如，例如，近距離揭示的幻覺）（例如，在較高海拔的位置）。
為了減少幻覺並增加了AI生成的圖像的可信度，該團隊將GAN與基於物理的洪水模型配對，該模型結合了真實的，物理參數和現象，例如接近颶風的軌跡，風暴潮和洪水模式。通過這種物理增強方法，該團隊在休斯頓周圍產生了衛星圖像，該圖像描繪了相同的洪水範圍，如洪水模型所預測的像素。
紐曼說：“我們展示了一種將機器學習與物理學相結合的方法，用於風險敏感的用例，這要求我們分析地球系統的複雜性，並投射未來的行動和可能的情況，以使人們擺脫危害的方式。” “我們迫不及待地想讓我們的生成AI工具掌握在當地社區一級的決策者的手中，這可能會產生重大的不同，甚至可以挽救生命。”
MIT葡萄牙計劃，DAF-MIT人工智能加速器，NASA和Google Cloud支持了這項研究。
