Τεχνητή νοημοσύνη και καύσωνες: Το χάσμα ανάμεσα στις ακριβείς προβλέψεις και την προστασία των πολιτών

Σύμφωνα με αναφορά του Kathimerini που βασίζεται σε επιστημονική έρευνα του περιοδικού Climate Risk Management και παρουσιάζει το Axios, τα συστήματα τεχνητής νοημοσύνης έχουν εξελιχθεί θεαματικά στην πρόβλεψη της ακραίας ζέστης, φτάνοντας μέχρι και τη χαρτογράφηση μεμονωμένων κτιρίων. Ωστόσο, διαπιστώνεται ένα τεράστιο χάσμα ανάμεσα στις τεχνολογικές δυνατότητες πρόγνωσης και στην ουσιαστική εφαρμογή μέτρων για την προστασία των πολιτών.

Η ανάγκη για άμεση αξιοποίηση των δεδομένων γίνεται επιτακτική λόγω της αύξησης των θυμάτων από θερμική καταπόνηση. Μελέτη του Πανεπιστημίου Γέιλ το 2025 έδειξε ότι στις Ηνωμένες Πολιτείες οι θάνατοι που σχετίζονται με τις υψηλές θερμοκρασίες αυξήθηκαν κατά 53%, ξεπερνώντας τους 4.000 ετησίως την περίοδο 2010-2020, έναντι 2.670 κατά μέσο όρο τη δεκαετία 2000-2009.

Παρά την αύξηση της επικινδυνότητας των φαινομένων, οι αρμόδιες κυβερνητικές υπηρεσίες και η τοπική αυτοδιοίκηση στερούνται συχνά των απαραίτητων εργαλείων και υποδομών ώστε να μετατρέψουν τις αλγοριθμικές προβλέψεις σε στοχευμένες παρεμβάσεις σε πραγματικό χρόνο.

Η επιστημονική κοινότητα υπογραμμίζει πλέον ότι η μελλοντική πρόκληση δεν έγκειται μόνο στην περαιτέρω αύξηση της ακρίβειας των αλγορίθμων, αλλά στη σύνδεση των δεδομένων με τη λήψη αποφάσεων που σώζουν ζωές.

Τι αποκαλύπτει η μελέτη για τη χρήση της τεχνητής νοημοσύνης

Η νέα επιστημονική μελέτη που δημοσιεύθηκε στο περιοδικό Climate Risk Management εξέτασε την υφιστάμενη βιβλιογραφία σχετικά με τον ρόλο της τεχνητής νοημοσύνης στη διαχείριση της ακραίας ζέστης. Τα ευρήματα αποκαλύπτουν μια χαώδη ανισορροπία, καθώς η συντριπτική πλειονότητα των ερευνών αναλώνεται στην πρόγνωση και όχι στην πράξη.

Συγκεκριμένα, από το σύνολο των επιστημονικών εργασιών που αναλύθηκαν, το 98,4% επικεντρώνεται στην πρόβλεψη των φαινομένων και το 59,2% στην πρόληψη. Αντίθετα, μόλις το 10,4% εξετάζει την επιχειρησιακή απόκριση, το 3,2% την αποκατάσταση μετά το συμβάν και μόλις το 1,6% την ετοιμότητα. Οι ερευνητές ορίζουν αυτό το φαινόμενο ως «χάσμα μεταξύ έρευνας και εφαρμογής».

Όπως δηλώνει η Καρίσμα Β. Πατέλ, ερευνήτρια πολιτικής στον οργανισμό RAND και συν-συγγραφέας της μελέτης, η AI προσφέρει αξία όταν η πρόβλεψη βρίσκεται στο επίκεντρο της λήψης αποφάσεων. Ωστόσο, η έρευνα έχει παραμελήσει το πώς οι αρχές θα αποφασίζουν και θα εκτελούν τις κατάλληλες ενέργειες.

Το πρόγραμμα Heat Resilience της Google και η χαρτογράφηση κτιρίων

Παρά την ανισορροπία στην έρευνα, ορισμένες τεχνολογικές εφαρμογές αποδεικνύουν τις δυνατότητες που προσφέρει η τεχνητή νοημοσύνη όταν συνδυάζεται με γεωγραφικά δεδομένα. Τον Ιούνιο, η Google ανακοίνωσε την επέκταση του προγράμματος Heat Resilience από 14 αρχικές πιλοτικές πόλεις σε περισσότερες από 50 πόλεις παγκοσμίως.

Το συγκεκριμένο σύστημα παρέχει στους πολεοδόμους λεπτομερή στοιχεία σε επίπεδο μεμονωμένων κτιρίων. Χρησιμοποιώντας αλγορίθμους τεχνητής νοημοσύνης και δορυφορικές εικόνες υψηλής ανάλυσης, το πρόγραμμα χαρτογραφεί την ανακλαστικότητα των στεγών, δηλαδή την ικανότητα των υλικών να αντανακλούν την ηλιακή ακτινοβολία.

Σύμφωνα με τα στοιχεία της εταιρείας, τα δεδομένα αυτά βοήθησαν ήδη τοπικές αρχές να θεσπίσουν κανονισμούς για την εγκατάσταση «ψυχρών στεγών» και να συντάξουν πιο αποτελεσματικά τοπικά σχέδια προσαρμογής στην ακραία ζέστη.

Γιατί τα πιο σύνθετα μοντέλα AI δεν είναι πάντα η καλύτερη λύση

Η συγκέντρωση περισσότερων δεδομένων δεν εξασφαλίζει αυτόματα καλύτερες κυβερνητικές αποφάσεις. Η Τζίνα Γκόσιακ, ερευνήτρια και υποψήφια διδάκτορας στο Πανεπιστήμιο Κορνέλ με προηγούμενη εμπειρία στην Υπηρεσία Διαχείρισης Εκτάκτων Αναγκών της Νέας Υόρκης, συγκρίνει τους απλούς δείκτες ευαλωτότητας με τους σύνθετους αλγόριθμους.

Όπως εξηγεί η ερευνήτρια, υπάρχει σαφής διαφορά ανάμεσα στα «αργά» και τα «γρήγορα» δεδομένα. Οι πολύπλοκοι αλγόριθμοι πρόβλεψης είναι χρήσιμοι για αποφάσεις που απαιτούν άμεση αντίδραση κατά τη διάρκεια ενός επεισοδίου καύσωνα. Αντίθετα, οι απλούστεροι δείκτες αποδεικνύονται συχνά καταλληλότεροι για τον μακροπρόθεσμο σχεδιασμό.

Επιπλέον, οι απλούστεροι δείκτες επιτρέπουν στους αρμόδιους φορείς να θέτουν με σαφήνεια προτεραιότητες για την προστασία των πιο ευάλωτων κοινωνικών ομάδων, χωρίς να εξαρτώνται από δυσνόητα αλγοριθμικά μοντέλα.

Η πρόκληση της λήψης αποφάσεων σε πραγματικό χρόνο

Η επόμενη μεγάλη πρόκληση για την τεχνητή νοημοσύνη δεν είναι η περαιτέρω οριακή βελτίωση της ακρίβειας των προγνώσεων, αλλά η οργανική σύνδεσή τους με ουσιαστικές παρεμβάσεις στο πεδίο. Η AI μπορεί να προσφέρει πραγματική υπεραξία παρέχοντας υπερτοπικές προβλέψεις σχεδόν σε πραγματικό χρόνο.

Μια τέτοια εξέλιξη θα επέτρεπε στις αρχές να αντιμετωπίζουν σύνθετες περιβαλλοντικές απειλές. Στις περιπτώσεις αυτές, η ακραία θερμοκρασία συνδυάζεται ταυτόχρονα με την ατμοσφαιρική ρύπανση, τον καπνό από δασικές πυρκαγιές και την ξηρασία, επιβαρύνοντας διπλά τη δημόσια υγεία.

Όπως καταλήγει η ερευνήτρια Καρίσμα Β. Πατέλ, το ουσιαστικό ζητούμενο δεν είναι απλώς η επίδειξη τεχνολογικής προόδου, αλλά η δημιουργία εργαλείων AI που λύνουν υπαρκτά προβλήματα και αίρουν τα γραφειοκρατικά ή επιχειρησιακά εμπόδια.

Συχνές ερωτήσεις

Ποιο είναι το κύριο εύρημα της νέας μελέτης για την τεχνητή νοημοσύνη και τους καύσωνες;

Η μελέτη στο Climate Risk Management αποκαλύπτει ότι το 98,4% των επιστημονικών εργασιών εστιάζει αποκλειστικά στην πρόβλεψη της ζέστης, ενώ μόλις το 10,4% εξετάζει την επιχειρησιακή απόκριση και το 1,6% την ετοιμότητα των αρχών.

Πώς αξιοποιεί η Google την AI για την αντιμετώπιση της ζέστης στις πόλεις;

Μέσω του προγράμματος Heat Resilience σε πάνω από 50 πόλεις, η Google συνδυάζει AI και δορυφορικές εικόνες για να χαρτογραφήσει την ανακλαστικότητα των στεγών, βοηθώντας τους πολεοδόμους να σχεδιάσουν «ψυχρές» στέγες.