金曜日の午後、ケイトリン・コントギスとデカルト研究所の他の科学者たちは、ニューメキシコ州サンタフェのオフィスに集まり、仕事の一部ではない草の根プロジェクトに取りかかります。ハリケーンを上から見たり、嵐が何をするかを把握できます。*
彼らは、NOAAとNASAが運営する静止静止環境衛星GOESからデータを取得し、5分ごとに西半球の画像を記録します。 これは、ハリケーンの目を検出し、その上にイメージプロセッサを集中させるディープラーニングアルゴリズムを使用して、チームが各イメージを処理するのにかかる時間です。 次に、合成開口データを組み込みます。これは、長波レーダーを使用して雲を透視し、反射率に基づいて下の水を識別できます。 これは、ハリケーンの進路にある都市の、数日間にわたって追跡されたほぼリアルタイムの洪水を示すことができます。
「これらのプロジェクトの目標は…データを最初のレスポンダーと意思決定を行い、支援できる人々の手に渡すことです」とデカルトの主任応用科学者であるKontgisは言います。
たとえば、ハリケーンハーベイは、風速を緩和しているにも関わらず、ヒューストンの大部分を予想外に殺到しました。 その嵐はデカルトの科学者たちに、現在使用しているプログラムを構築するよう促しましたが、復旧作業にそのデータを適用するには遅すぎました。 Descartes LabsはFEMAや他の組織と連絡を取り合ってきましたが、彼らが照合しているデータを公式に使用することはありません。
この画像は、洪水の検出を目的としたデカルトラボのディープラーニングコンピュータービジョンモデルで測定した、ヒューストン南部南部のハリケーンハーベイ前の水の確率を示しています。 「前」の画像は2017年6月1日のものです。（Descartes Labs） 
この画像は、同じ地域でのハリケーンハーベイ中の水の確率を示しています。 濃い青色は、水の可能性が高いことを示します。 この「実行中」の画像は2017年8月29日のものです（Descartes Labs） ハリケーンでの作業は、デカルトの主要なビジネスの一部ではありません。デカルトは、同様の機械学習を使用して、食品サプライチェーン、不動産などを評価します。 たとえば、デカルトはブラジル、アルゼンチン、中国の農業の衛星データを見て、世界のトウモロコシの収穫量と価格を予測できます。 または、建設率を評価し、地価を見積もることができます。 しかし、グループは同じテクノロジーを活用してハリケーンやその他の自然災害を調査し、ハリケーンのサイズ、風速、さらには土地の高さなどの追加情報をアルゴリズムに組み込んで洪水の予測を改善する計画を立てています。
デカルトは、ハリケーンの予測、安全性、認識に関するビッグデータと機械学習を活用しようとしている数多くの機関、企業、研究グループの1つにすぎません。 成功は、気候に起因する嵐の悪化に直面した場合の経済的および人的損害の減少、または少なくともそれらの損害を軽減する選択肢の増加を意味する可能性があります。
ハリケーンがどこへ行くのかを予測することは定評のある見方であると、オクラホマ大学のコンピューターサイエンスの教授であるエイミーマクガバンは言います。 McGovernは、そのため、ハリケーンではなく雷雨と竜巻についての意思決定におけるAIの使用を研究しています。 しかし彼女は、ハリケーンには予測が難しい要因がまだたくさんあると言います。 彼らが着陸する場所は予測可能かもしれませんが、彼らがそこに着くとどうなるかは別の話です。 ハリケーンは、上陸直前に噴出したり、急上昇したりすることでよく知られています。
ニューラルネットワークを使用した場合でも、組み込むことができる有限のデータ量と、ほぼ無限の数の潜在的なタイプの入力のおかげで、大規模モデルはすべて特定の仮定を利用します。 「これはAIにとってすべての課題になります」とMcGovern氏は言います。 「モデルは間違いなく完璧ではありません。 モデルはすべて異なる縮尺であり、異なる時間解像度で利用できます。 それらはすべて異なるバイアスを持っています。 もう1つの課題は、圧倒的な量のデータだけです。」
それが、多くの科学者がすべてのデータの理解を支援するためにAIを求めている理由の1つです。 NOAAも参加しています。 彼らはGOES衛星を運用しているので、データも殺到しています。
これまでのところ、NOAAの科学者はディープラーニングを使用して、画像から取得できるデータを理解する方法として使用しており、特に新しいGOES-16は16の異なるスペクトルバンドを検知できるため、それぞれが気象パターンをさまざまに垣間見ることができるため、以前の衛星よりも桁違いに多くのデータ。 「衛星データの処理は、ディープラーニングを適用することで大幅に高速化できます」と、NOAAの情報学および視覚化チーフのJebb Stewart氏は述べています。 「それを見ることができます。 情報の消火ホースがあります…モデルがこれらの予測を作成しているとき、予測のためにそれを理解するためにそれを処理できる異なるタイプの情報問題があります。
NOAAはコンピューターを訓練して衛星画像からハリケーンを抽出し、最終的にそれを他のデータ層と組み合わせて確率的予測を改善します。これにより、海軍、商業海運会社、石油掘削装置、その他多くの業界がより良い意思決定を行うのに役立ちますオペレーション。
NASAもディープラーニングを使用して、熱帯暴風雨のリアルタイム強度を推定し、可視および赤外スペクトルのパターンを認識するアルゴリズムルールを開発しています。 エージェンシーのWebベースのツールにより、ユーザーはGOESデータに基づいて、ライブおよび過去のハリケーンの画像と風速予測を見ることができます。
コンピューターが確実にハリケーンを発見できるようになると、それを人々が理解できるものに変換する方法が必要です。 風速だけでなく、より多くの情報が利用可能であり、それを理解することは、ハリケーンがコミュニティに影響を与える他のすべての方法を理解するのに役立ちます。 コロラド州立大学の土木および環境工学の准教授であるフサム・マフムードは、一部のハリケーンを他のハリケーンよりも悲惨なものにする要因を広範囲に調査しました。 それらの中の主なものは、それらの嵐が上陸する場所であり、彼らがそこに着くとき、何を、または誰が彼らを待っているかであると彼は言います。 都市を襲うハリケーンが、空いている海岸を襲うハリケーンよりも多くのダメージを与えることを示唆することは驚くことではありませんが、防波堤や他の緩和要因で準備されたエリアを襲うハリケーンは、同様に影響が減少します。
予想される損害の種類がわかれば、病院での混雑や学校の閉鎖など、都市への挑戦に備えることができ、避難が必要かどうかをより確実にすることができます。 しかし、通信の問題があります。現在、ハリケーンは1〜5のカテゴリに分類された風速によって記述されています。しかし、風速は被害の予測因子の1つにすぎません。 Mahmoudと彼の協力者は、昨年、ハリケーンの影響レベルと呼ばれる評価について、 Builded EnvironmentのFrontiersで研究を発表しました。
「このハザードがもたらす可能性のあるさまざまな可能性を含む、より良い方法でリスクを伝えることができる何かをしたかったのです」とマフムードは言います。 「高潮は非常に重要であり、降水量は非常に重要であり、風速はどれくらいか。」
このプロジェクトでは、最近の暴風雨（風速、高潮、降水量だけでなく、場所と人口）からのデータを組み込み、それらにニューラルネットワークを適用します。 その後、例えばハリケーンが風速Y、高潮ZなどでXの位置に上陸する場合、損害は経済的コストで表される特定のレベルになると推定して、それ自体を訓練することができます。 NOAAレコード、国勢調査データ、および実際のストームからの他のソースからの入力を比較し、それらのストームで発生したものと同様の損傷レベルを提供します。 Mahmoudのチームは実際に試してみましたが、過去2年間にわたって、モデルは上陸したハリケーンの正確な推定値を提供しています。
「それができれば、ハリケーンが原因で発生する被害の大きさを最初に理解し、それを使って避難命令を発行することができます。ハリケーンの緩和と対応に関する問題」とマフムードは言います。
Mahmoudの提案されたシステムはまだ公開されていませんが、彼は初期段階と呼ぶThe Weather Channelと話し合っていますが、有望です。
Weather Company（Weather Channelの親会社）は、すでに子会社のIBMのPAIRS Geoscopeビッグデータプラットフォームを使用して停電を予測しているため、ハリケーン発生後のより良い災害対応を準備しています。 このシステムへの入力は、気象衛星からだけでなく、ユーティリティネットワークモデルと停電履歴からも行われます。 これらの予測も、土壌水分などのデータソースを追加することで恩恵を受けます。これは、樹木の転倒を予測するのに役立ちます。
利用可能なデータの量は非常に急速に増加しており、それを処理する能力も同様です。これは、世界中の嵐への備えに役立つ精度と確率的ハリケーン予測の拡大を示す軍拡競争です。
＃Alder、Mountaineer、およびMosesFiresFire＃Alder、Mountaineer、およびMosesFires; 緯度、経度：36.220、-118.620＃EdenFire #Eden; 緯度、経度：36.410、-118.740; 1718エーカー#CAfire pic.twitter.com/B2ZwfmxJiv
— Wildfire Signal（@wildfiresignal）2018年11月27日
デカルトラボには、ハリケーンとは関係のない別のプロジェクトもあります。ただし、別の自然災害である山火事で同様のテクノロジーを活用しています。 11月初旬にカリフォルニアのキャンプファイアが勃発すると、@ wildfiresignalというtwitterボットが誕生しました。 デカルトの同じチームによって構築された@wildfiresignalは、GOES-16から6時間ごとに煙のプルームのデータをうろつき、火災の光学画像と赤外線画像を並べてツイートします。 赤外線情報は火の熱を示すことができます。これは、炎が始まり始めたとき、または煙が見えにくい夜にその位置を視覚化するのに役立ちます。 これにより、消防士や住民は火災が近づいたときに避難経路を計画するのに役立ちますが、ハリケーンプロジェクトと同様に、消防士や国有林との協力は予備的なものです。
「火災が発生してから10分以内に火災が発生したことを知っているグローバルなアラートシステムがあれば、それは素晴らしいことです」とデカルトのCEO、マークジョンソンは言います。 「私たちはおそらくまだそこから離れていますが、それが究極の目標です。」
* 編集者のメモ、2018年11月28日：この記事の以前のバージョンでは、Descartes Labsの本社はニューメキシコ州ロスアラモスにあると誤って述べていましたが、実際には現在はニューメキシコ州サンタフェにあります。 ストーリーはその事実を修正するために編集されました。
