استفاده از هوش مصنوعی برای تعیین مناطق تحت خطر در یک حادثه ی هسته ای

پژوهشی جدید در حوزه هوش مصنوعی، خیلی دقیق تر از قبل ایمن ترین و خطرناک ترین مناطق را در یک بحران هسته ای مشخص می کند.

  1. ۶ روز،۲۲ ساعت قبل
  2. ۰
استفاده از هوش مصنوعی برای تعیین مناطق تحت خطر در یک حادثه‌ی هسته‌ای
به گزارش نوداد (سکوی اجتماعی خبر)

یکی از حوزه هایی که در آن هوش مصنوعی عملکردی واقعا عالی  دارد، کار کردن با سناریوهایی است که تعداد بسیار زیادی متغیرهای پیچیده دارند؛ مانند اینکه چگونه تشعشعات طی یک حادثه در نیروگاه هسته ای در محیط انتشار خواهند یافت. این موضوع نقطه ی تمرکز یک مطالعه ی هوش مصنوعی جدید است که در ژاپن توسعه پیدا کرده است. این مدل خیلی دقیق تر از قبل به ما ایمن ترین مناطق و خطرناک ترین موقعیت ها را طی یک بحران هسته ای نشان می دهد.

در حالیکه بهترین وضعیت این است که اصلا مشکلی در مراکز هسته ای پیش نیاید ولی دانستن اینکه از چه راه هایی باران های رادیواکتیوی منتشر می شوند، می تواند در اجرای عملیات ضروری و ایمن نگه داشتن انسان ها حیاتی باشد. این موضوع واقعا می تواند موجب نجات جان انسان ها شود. پژوهشی جدید در حوزه هوش مصنوعی که توسط گروهی از پژوهشگران دانشگاه توکیو انجام شده است این قابلیت را دارد که متغیرهای تصادفی و الگوهای غالب آب و هوایی منطقه را در نظر بگیرد و مشخص کند طی ۳۳ ساعت آینده، در کدام مناطق خطر تشعشات زیادترین مقدار است. تاکایو یوشیکانی یکی از اعضای این گروه پژوهشی گفت:

این مدل جدید ابتدا توسط اطلاعات آب و هوای مربوط به چندین سال آموزش داده شد تا پیش بینی کند که اگر تشعشات از یک نقطه ی مشخص منتشر شوند، در کجاها گسترش خواهند یافت. این مدل قادر بود جهت پراکنش را با حداقل دقت ۸۵ درصد پیش بینی کند و در زمستان که الگوهای آب و هوایی مشخص تر بودند، این دقت به ۹۵ درصد می رسید.

انفجار اتمی فوکوشیما

رآکتور شماره ی ۳ نیروگاه هسته ای فوکوشیما که در پی زلزله و سونامی سال ۲۰۱۱ دچار انفجار شد

روش یادگیری ماشین با استفاده از داده های گذشته برای تعیین محتمل ترین پیامدهای آینده باید سطح بالایی از دقت داشته باشد. قابلیت اطمینان به سیستم های کنونی پیش بینی باران رادیواکتیو محدود است. با استفاده از این دانش جدید روش های تخلیه مردم می تواند سریع تر و کارآمدتر شود. خارج کردن گروه زیادی از مردم از یک منطقه اقدام بزرگی است و مسئولین می خواهند فقط هنگامی که کاملا ضروری باشد، این کار انجام شود.

یاشیکانی می گوید:

این واقعیت که دقت این روش هنگام پیش بینی ها طی ۳۰ ساعت آینده نیز کاهش نمی یابد در سناریوهای فاجعه بار بسیار مهم است.

این مدل اطلاعات مفیدی درباره این که کدام مناطق زیادترین آسیب را خواهند دید و نیاز به تخلیه دارند و اینکه کدام مناطق در خطر کمتری هستند و در آن موارد فقط لازم است افراد ساکن در مورد مواد آشامیدنی و خوراکی خود دقت کنند، فراهم می کند. حوادث هسته ای با دماهای بالایی همراه هستند و طی آن مواد رادیواکتیو می توانند تا در هوا تا دو هزار متر حرکت کنند و حتی با رسیدن به بخش های بالایی تروپوسفر می توانند در کل جهان منتشر شوند. در پایین ترین سطوح نیز نسیم های دریایی و بادهای کوهستانی می توانند موجب انتشار محلی مواد رادیواکتیو شوند. برای ایجاد یک مدل درست لازم است که تمام این متغیرها در نظر گرفته شوند. پایین ترین میزان دقت در این سیستم هوش مصنوعی در مورد داده های جمع آوری شده طی ماه جولای بود که دقت به ۷۸ درصد رسید. دانشمندان علت این موضوع را بی نظمی و قابل پیش بینی نبودن طوفان هایی که در این ماه حادث می شوند، عنوان کردند. البته در روش یادگیری ماشین هرچه حجم اطلاعات بخش آموزش زیادتر شود انتظار می رود که دقت مدل بهبود یابد. اگر حادثه ای شبیه فوکوشیما اتفاق افتد، این تکنولوژی قادر است به آمادگی بهتر برای برخورد با فاجعه، کمک کند.