日本开发出应对核污染事故的AI

人工智能真正擅长的事情是为包含大量复杂变量的项目寻找一组相对优化的解，而下面就有一个的典型问题：当核电站发生事故后，辐射污染会遵循什么样的传播模式？

这是日本新开发AI系统的重中之重。它比以往任何时候都能更准确地向我们展示最安全(和最危险的)的疏散路径。剧透：保持逆风而行。

虽然核电厂不出现故障显然会更好，但掌握了辐射扩散的方式有备无患，居安思危，对于组织应急措施和保障人员安全至关重要。

由东京大学工业科学研究所的团队开发的新AI能够将事故变量和主要天气模式考虑在内，以便在最多33小时之前确定辐射威胁最严重的地方。

“我们的AI首先使用多年的气象数据进行培训，以预测从特定点泄漏的放射性物质将如何扩散。”该团队的一名负责人Takao Yoshikane说，“在随后的测试中，它可以预测扩散的方向，准确度至少达到85％，冬季天气模式下可以提升到95％。”

您可以在原文网页youtube视频中看到该模型。

对于机器学习——使用过去的数据来预测最可能的未来——保持高水平的准确性至关重要。已知现有的后果预测系统都受限于它们接收到的数据的稳定性。

再加上风具有不可预测性，科学家们一直在努力确定影响的范围和方向。

让大量人员从某个地区疏散出去是一项极其艰巨的任务——除非必要，否则当局绝对不会同意。

“一直预测到灾难发生30多个小时后，准确性都没有降低，这一点非常重要。”Yoshikane说。

新的预测模型可以指出哪些区域受影响最严重——亟需疏散，哪些区域的风险性较低——在这些地方，居民可能会收到如何安全饮食的指导建议。

科学家们报告说，由于核灾害产生了高热，放射性物质可以向上升到2000米高空处——到达对流层上部，通过高空空气流动向世界各地蔓延。

在最低层，海风和从山谷吹来的风会使污染物在当地扩散。

所以，一个有效的模型需要将所有这些变量考虑其中。

如果泄漏发生在7月份，人工智能系统的预测最不准确，降至约78％。研究人员将这一点归结为当月台风的不规则性和不可预测性。

但是，通过机器学习方法，模型可以随着时间的增长而自我改进，因为它可以吞下更多的现实数据。

如果真的不幸地重演了福岛事故，这项技术将帮助我们挽救更多的生命。

研究刊登在Scientific Reports。

本文译自 sciencealert，由 majer 编辑发布。