وقتی اپ هواشناسی میگوید باران خفیف میبارد، اما یک سیلاب ناگهانی شهر شما را درنوردد، چه کار میکنید؟ اپ را مقصر میدانید. این خشم درست است، اما کمی اشتباهجهت دارد: ممکن است مشکل از دادهها باشد، یا دقیقتر بگوییم، کمبود دادهها.
در ماه مه ۲۰۲۳، سیلابهای مرگباری بخشهایی از رواندا و جمهوری دموکراتیک کنگو را ویران کرد و صدها نفر را کشت. بیشتر مردم اصلاً نمیدانستند آب در راه است. نه به این خاطر که کسی اهمیت نمیداد، بلکه چون سیستمهایی که برای هشدار به جوامع محلی طراحی شده بودند، دادههای کافی نداشتند تا به موقع زنگ خطر را به صدا درآورند.
این فقط یک فاجعه نبود، بلکه زنگ خطری بود. اگر بخواهیم مقاومت واقعی در برابر تغییرات اقلیمی در قرن ۲۱ بسازیم، باید ابتدا در نحوه جمعآوری دادههای هواشناسی تجدید نظر کنیم. خبر خوب این است که ابزارهای لازم را داریم. ترکیب شبکههای زیرساخت فیزیکی غیرمتمرکز (DePIN) و هوش مصنوعی ممکن است بهترین راه برای هماهنگی با اقلیمی باشد که دیگر طبق قواعد قدیمی عمل نمیکند.
دیر رسیدن هشدارها: چرا هشدارهای هواشناسی ناکافیاند
بسیاری نمیدانند زیرساخت هواشناسی فعلی چقدر ناهمگون است. در بسیاری از نقاط جهان، پیشبینیها تنها بر پایه دادههای چند ایستگاه رسمی است که اغلب کیلومترها از مردم محافظتشده فاصله دارند. اگر نزدیک به یک ایستگاه باشید، این وضعیت قابل قبول است، اما اگر نباشید؟
فاجعه سیلابهای ۲۰۲۳ در دریاچه کیوو تنها به دلیل آب نبود، بلکه نبود هشدارهای اولیه هم عامل اصلی بود. رواندا حداقل مقداری داده هواشناسی داشت، اما در سمت شرقی کنگو تقریباً هیچ داده محلی وجود نداشت. نه حسگر محلی، نه سیستم هشدار. فقط هزاران نفر که در مناطق سیلابخیز زندگی میکردند و نمیدانستند در خطرند.
این وضعیت نادر نیست. صدها میلیون نفر در جهان در «بیابانهای دادهای» زندگی میکنند — مناطقی که الگوهای آب و هوایی آنجا رصد، گزارش یا پیشبینی نمیشوند. سازمان جهانی هواشناسی (WMO) اعلام کرده که ۶۰٪ جمعیت آفریقا تحت پوشش هیچ سیستم هشدار اولیهای نیستند. با شدت گرفتن طوفانها، خشکسالیها و سیلابها بهخاطر تغییرات اقلیمی، این بیابانها به تلههای مرگ تبدیل میشوند.
هوش مصنوعی نمیتواند باران را متوقف کند — اما میتواند به پیشبینی آن کمک کند
پس چطور این مشکل را حل کنیم؟ اگر به جای تکیه بر چند ایستگاه دولتی، از هزاران حسگر کوچک و توزیعشده استفاده کنیم چه؟
این همان چیزی است که DePIN ممکن میسازد: شبکههایی مبتنی بر مشارکت جامعه که افراد در ساخت زیرساخت فیزیکی سهیم میشوند و انگیزه مالی دارند.
وقتی این شبکهها با هوش مصنوعی ترکیب شوند، ظرفیتها حیرتآور میشود. گزارش فنی کنوانسیون چارچوب سازمان ملل در زمینه تغییر اقلیم (UNFCCC) درباره هوش مصنوعی در اقدامات اقلیمی اشاره میکند که AI میتواند دادههای لحظهای را از منابع غیرمتمرکز جمعآوری و تحلیل کند، الگوهای محلی دقیق را شناسایی کند، ناهنجاریهایی مثل افت ناگهانی دما یا بارش غیرمنتظره را کشف کند و هشدارهایی متناسب با شرایط محلی صادر کند.
ترکیب مقیاس و هوشمندی این مدل را بسیار قدرتمند میکند. سیستمهای متمرکز همیشه محدود خواهند بود، اما شبکههای غیرمتمرکز میتوانند به صورت ارگانیک هر جایی که افراد تمایل به اتصال داشته باشند رشد کنند.
جایگزین کردن سیستم نیست، ارتقا دادن آن است
شاید برخی بگویند داده غیرمتمرکز و استفاده از هوش مصنوعی بینظمی و عدم اطمینان به همراه دارد و نیاز به نظارت سختگیرانه دارد. اما هوش مصنوعی میتواند در فیلتر کردن دادههای نامعتبر، یافتن ناسازگاریها و یادگیری از الگوهای هزاران منبع بهتر عمل کند.
این موضوع درباره جایگزینی سازمانهای ملی هواشناسی نیست، بلکه درباره کمک به آنها است.
یک سازمان هواشناسی تنها میتواند تعداد محدودی ایستگاه نصب کند، اما وقتی به شبکه غیرمتمرکز دسترسی داشته باشد، پوشش آن به طور قابل توجهی افزایش مییابد، پیشبینیها بهتر میشوند و هشدارها دقیقتر.
همه برندهاند. بلایای اقلیمی شدیدتر و مکررتر میشوند. افرادی که بیشتر تحت تأثیرند اغلب کمتر متصلاند. اگر همچنان فقط به سیستمهای متمرکز تکیه کنیم، جانهای بیشتری از دست خواهد رفت.
نمیتوانیم اقلیم را کنترل کنیم — اما میتوانیم واکنشهایمان را کنترل کنیم
وقتی مردم به خاطر طوفان نمیمیرند بلکه به خاطر ندانستن آمدن آن میمیرند، ما به عنوان یک جامعه جهانی شکست خوردهایم. این شکست اجتنابناپذیر نیست.
شدید شدن شرایط اقلیمی بیشترین آسیب را به آسیبپذیرترین مردم وارد میکند. و تلختر اینکه در بسیاری از این مناطق، هشدارهای کافی میتوانست داده شود... فقط ما مدل فعلی را بازنگری نکردهایم.
ابزارهای تغییر نتیجه را داریم. اما ابزارها تنها وقتی موثرند که به کار گرفته شوند. باید تصمیم بگیریم: آیا میخواهیم سیستمهای هواشناسیای داشته باشیم که به همه خدمت کنند، یا فقط به عدهای در محدوده رادار؟
ثبت نظر