Japan er et af de mest sårbare lande over for katastrofer vejrbegivenheder som orkaner, jordskælv og tsunamier. I 2011 blev den nordøstlige region af landet ramt af en tsunami med katastrofale følger, som kostede mere end 18.000 mennesker livet. Siden hændelsen har Japan rettet indsatsen for at forhindre noget lignende i at ske i fremtiden.
Asiatisk teknologi forudsiger tsunamier
se mere
Google udvikler AI-værktøj til at hjælpe journalister i...
Uåbnet original 2007 iPhone sælges for næsten $200.000; ved godt...
Ny forskning fra RIKEN Prediction Science Laboratory har brugt kunstig intelligens til korrekt at forudsige virkningerne af tsunamier på mindre end et sekund. Det er i hvert fald, hvad en udtalelse fra institutionen påpeger.
Blandt de afslørede oplysninger sagde lederen af arbejdet og videnskabsmanden Iyan Mulia, at: "Den største fordel ved vores metode er hastigheden af forudsigelser, som er afgørende for en tidlig advarsel". Han påpegede også, at: "Traditionelt gives forudsigelser efter 30 minutter, hvilket er for sent, men vores model kan lave forudsigelser inden for få sekunder."
For at gøre dette muligt var de nødt til at installere det største sensornetværk til rådighed for at overvåge havbundens bevægelse. Omkring 150 stationer til søs forbinder dette netværk og arbejder sammen for at advare holdet på forhånd om risikoen for tilstedeværelsen af et sådant fænomen.
For at alt fungerer korrekt, skal de data, der genereres af sensorerne, konverteres til tsunamihøjder og spredes ud over hele kystlinjen, hvilket typisk involverer løsning af komplekse ikke-lineære ligninger, som kan tage omkring 30 minutter på en computer almindelige.
Mere end det, tillader det ikke folk at evakuere stedet i tide.
Dette understreger blot vigtigheden af RIKENs nye kunstige intelligens-model. Dets personale trænede maskinelæring med mere end 3.000 computergenererede tsunami-begivenheder, som allerede er blevet testet i yderligere 480 situationer af fænomenet og i tre, der faktisk er blevet til virkelighed.
På denne måde får folk mindst 30 minutters forspring til at evakuere risiko, sammenlignet med den gamle vejrkatastrofevarslings- og varslingsmetode.
Elsker af film og serier og alt hvad der involverer biograf. En aktiv nysgerrig på netværkene, altid forbundet med information om nettet.
