L'intelligence artificielle devient un atout dans les prévisions des ouragans.
En 2024, un modèle basé sur l'IA créé par Google a correctement prédit que l'ouragan Beryl irait à l'atterrissage au Texas tandis qu'un modèle traditionnel supérieur prévoyait un atterrissage au Mexique. Deux mois plus tard, un autre modèle basé sur l'IA a prévu l'atterrissage de l'ouragan Francine en Louisiane plusieurs jours avant les modèles traditionnels.
Maintenant, il y a une autre dimension des prévisions des ouragans où l'IA devrait avoir un impact: les prévisions des inondations.
L'expert en génie côtier Navid Tahvildari étudie comment l'IA peut être utilisé pour prédire les inondations au College of Engineering and Computing. Alors que peu de ces modèles sont publics aujourd'hui, dit-il, la technologie et les connaissances nécessaires pour les faire se réunissent rapidement.
Tahvildari s'est assis avec les nouvelles de la FIU pour discuter du potentiel de l'IA dans les prévisions des inondations.
Que peuvent faire les modèles d'inondation de l'IA que les modèles traditionnels ne peuvent pas?
À mon avis, les modèles basés sur l'IA ont plusieurs avantages intéressants.
Le premier est la vitesse. Une fois formés, les modèles basés sur l'IA fonctionnent à plus grande efficacité que les systèmes de prévision traditionnels. Ils courent en quelques secondes, pas des heures. Et ils peuvent fonctionner sur des ordinateurs portables personnels, tandis que les modèles traditionnels nécessitent des ordinateurs coûteux et puissants. Cela donne aux modèles IA une plus grande flexibilité dans la création de prévisions.
Cet avantage devient particulièrement prononcé lorsque nous voulons faire des prévisions à haute résolution à l'échelle des bâtiments individuels. Les modèles traditionnels basés sur la physique – la norme de l'industrie pendant des décennies – ont longtemps pour produire des résultats à cette échelle de rue sur une grande zone géographique. Pendant ce temps, la recherche montre que les modèles d'IA – formés par la production à haute résolution à partir de modèles traditionnels – peuvent générer des prévisions d'inondation fiables en quelques secondes.
Un avantage attrayant supplémentaire des modèles basés sur l'IA est qu'ils « pensent » différemment des modèles informatiques traditionnels. Semblable à la façon dont Chatgpt utilise une abondance d'informations, elle a déjà appris à répondre aux questions des utilisateurs, les modèles basés sur l'IA utilisent une abondance de données environnementales du passé pour créer des prédictions sur l'avenir. Les niveaux d'eau antérieurs, les données atmosphériques et même les images d'inondations capturés par les caméras de nombreux événements passés peuvent être utilisés par les modèles d'IA pour prédire les inondations.
En revanche, les modèles traditionnels basés sur la physique peuvent généralement être calibrés à l'aide de quelques événements passés.
Alors, les modèles AI remplaceront-ils les modèles traditionnels?
Non, les modèles d'IA ne remplaceront probablement pas les modèles d'inondation traditionnels basés sur la physique de sitôt. Au contraire, les deux types de modèles ont des forces convaincantes, et la combinaison du meilleur des deux technologies devrait nous aider à créer de meilleures prévisions à l'avenir.
Étant donné que la puissance de calcul a augmenté de plus de mille fois au cours des 30 dernières années, pourquoi les modèles d'inondation traditionnels prennent-ils encore des heures à fonctionner?
Pour comprendre ce problème, nous devons apprécier l'extraordinaire complexité des inondations des ouragans.
Pendant un ouragan, les ondes de tempête et les vagues interagissent avec le paysage côtier et se précipitent à l'intérieur des terres. Alors que cette eau arrive à terre, le terrain change les schémas d'écoulement. Même des éléments apparemment mineurs comme la végétation des marais peuvent un peu influencer le mouvement des vagues et la montée en puissance en créant des frictions. Si vous voulez une prévision des inondations précise, vous devez tenir compte de tous ces facteurs d'une manière ou d'une autre.
Dans les prévisions d'inondation traditionnelles basées sur la physique, ces facteurs sont convertis en équations mathématiques complexes et connectés à former ce qui est essentiellement un problème mathématique géant. Résolvez-le et vous avez vos prévisions.
Ces modèles deviennent très chers pour courir sur une grande zone s'ils doivent également zoomer et résoudre les choses au niveau de la rue. Pensez-y: pour prédire les inondations avec précision à un très haut niveau de granularité, l'ordinateur doit tenir compte des milliers de petits détails qui affectent les inondations, comme les dépressions sur les routes, par exemple. Ainsi, les modèles traditionnels mettent beaucoup de temps à rendre compte de tout. Ils doivent faire des compromis: ils peuvent soit exécuter des simulations au niveau de la rue dans de petites zones à la fois, ou courir sur des grilles à basse résolution qui manquent de petits détails mais produisent des résultats plus rapidement.
Comment les modèles d'inondation de l'IA sont-ils capables de fonctionner tellement plus rapidement et avec une résolution plus élevée?
Les modèles basés sur l'IA peuvent sauter les mathématiques compliquées que les modèles traditionnels font en basant entièrement leurs prédictions des observations passées.
Aux États-Unis, il existe de nombreuses données en temps réel sur les conditions environnementales juste avant une inondation, comme les marées, les vents, les vagues et les précipitations. Il existe également une mine d'informations provenant de capteurs d'inondation, dont le nombre a augmenté rapidement ces dernières années.
L'IA peut relier les points entre les données d'inondation enregistrées et les conditions d'ouragan enregistrées pour prédire les détails d'une inondation entrante.
Il y a cependant une prise: les modèles d'IA ne sont précis que dans la gamme de données avec lesquelles ils sont formés, ils peuvent donc avoir du mal à prédire les résultats pour les ouragans extrêmes les plus puissants. Étant donné que ces tempêtes sont rares, il n'y a pas beaucoup de données extrêmes historiques disponibles pour l'IA pour apprendre.
Il s'agit d'une lacune qui peut être surmontée en combinant des modèles basés sur la physique et des modèles d'IA. Plus précisément, nous pouvons utiliser des modèles basés sur la physique pour générer les conditions extrêmes qui sont rares ou manquantes dans les enregistrements historiques et alimenter les modèles d'IA. Cette approche permet des prévisions qui imiteront les relations nuancées que les prévisions basées sur la physique capturent tout en conservant la vitesse que l'intelligence artificielle apporte.
Comment cette technologie pourrait-elle aider le sud de la Floride à l'avenir?
Ces modèles donnent de nombreuses applications pratiques pour le sud de la Floride, en particulier du point de vue de la gestion des urgences.
Un exemple: la capacité de l'IA à simuler rapidement « Et si? » Les scénarios d'inondation où plusieurs sources d'inondation se réunissent pourraient devenir très importantes.
Dans les zones côtières, il y a une « marée king » – une marée inhabituellement élevée – une fois par an à l'automne, coïncidant avec la saison des ouragans. Si une tempête menaçait de marquer de l'atterrissage dans le sud de la Floride pendant King Tide – comme l'ouragan majeur Dorian l'a presque fait en 2019 – la menace des inondations serait grave et que les décideurs voudraient probablement avoir une prévision complète et générée rapidement – le genre de prédiction que les modèles basés sur l'IA excellent.
Un autre exemple qui pourrait aider les Floridiens: dans une étude précédente, nous avons utilisé un modèle d'inondation basé sur la physique traditionnelle pour trouver les meilleurs emplacements pour placer des ambulances avant un ouragan et déterminer les zones qui devraient être servies aéralement afin que les patients puissent être transportés dans des centres de traumatologie critiques dès que possible. L'IA peut aider à ces décisions en permettant des prévisions rapides en fonction des informations les plus récentes sur la piste et l'intensité des ouragans.
Quand pouvons-nous voir des modèles d'inondation basés sur l'IA que les Floridiens du Sud peuvent utiliser avant la prochaine tempête?
Je pense que nous sommes sur le point de pouvoir faire des prévisions comme celles-ci pour les tempêtes à venir, en termes de technologie. L'objectif ultime est d'avoir un modèle comme celui-ci à votre disposition sur votre smartphone. Mais d'abord, nous avons besoin de plus de données. Ces modèles d'IA doivent être formés avec des quantités substantielles, avec une haute résolution dans l'espace et le temps, pour produire des prédictions fiables.
Bien que davantage de capteurs d'inondation soient en ligne, ils sont encore rares et les modèles basés sur la physique doivent s'améliorer pour produire des données synthétiques fiables pour former des modèles d'IA. Dans le cas des inondations urbaines, par exemple, nous avons besoin de modèles qui non seulement capturent les marées et les augmentations d'hydrodynamique, mais simulent également les inondations provoquées par les précipitations. Nous devons également intégrer des informations provenant d'autres caractéristiques qui affectent les inondations, comme les infrastructures des eaux pluviales, les portes de marée, etc. Les efforts de modélisation qui rassemblent ces capacités ont gagné du terrain récemment, mais il faut faire plus de travail.
Quelle est la prochaine étape?
Ce qui est excitant pour moi, c'est qu'à la CRF, nous avons la possibilité d'appliquer l'IA aux côtés d'autres recherches liées aux ouragans à l'université pour faire progresser les solutions innovantes de préparation aux ouragans. La CRF abrite le mur du vent, le seul simulateur d'ouragan universitaire capable de générer des vents d'ouragan de catégorie 5.
Être à la CRF nous place à l'épicentre de la recherche sur les ouragans, à la fois en termes d'activité de recherche et de localisation réelle. Je suis ravi de voir comment mes collègues et moi pouvons construire des approches complètes et de pointe de la préparation aux ouragans qui donnent aux gens les ressources dont ils ont besoin pour protéger ce qui compte le plus.
