توضیح یک زلزله‌شناس درباره تصاویر هوش مصنوعی از زلزله ویرانگر تهران

مهدی زارع در گفت‌وگو با پانا درخصوص انجام شبیه‌سازی زلزله احتمالی با بزرگای 7 در پایتخت از طریق هوش مصنوعی اظهار کرد: «در بررسی اخیر ازهوش مصنوعی برای تبدیل محتوا و سناریوهای شبیه‌سازی شده زلزله در شهر تهران به تصاویر، استفاده کردیم. این مدل توسط مدل‌های بزرگی که از قبل بر روی مقادیر زیادی داده آموزش دیده‌اند و به‌طور معمول مدل‌های پایه (FM) نامیده می‌شوند، تامین می‌شود.»

این زلزله‌شناس افزود: «درباره شهر تهران یادگیری ماشین با داده‌های موجود هنوز در مراحل اولیه است ولی در همین مرحله مقدماتی که برخی تصاویر را فقط برای یک سناریوی زلزله ٧ در نزدیکی شهر منتشر کردم با هوش مصنوعی، تجربیات کاملا جدیدی به‌دست آمد که به نظر می‌رسد، به سطوح بی‌سابقه‌ای از کاربری‌های مفید و عملیاتی دست پیدا کنیم.»

تصاویر شبیه‌سازی شده از زمین لرزه با بزرگای ۷ در تهران

کاربرد تصاویر هوش مصنوعی از زلزله تهران برای مدیریت بحران

وی با بیان اینکه نتایج به‌دست آمده از شبیه‌سازی زلزله احتمالی تهران و توسعه آنها برای مدیریت بحران در شهر تهران فوق العاده با ارزش و کاربردی خواهد بود، گفت: «یکی از وظایف برای انجام عملیات امداد و نجات پس از زلزله‌های مخرب، بررسی وضعیت ساختمان‌هایی است که تخریب شده‌اند یا ممکن است بعدا تخریب شوند. روش‌های به‌دست آوردن نقشه و تصاویر خسارت از داده‌های بعد از زلزله‌های رخ داده استفاده می‌کنند تا با توجه به اطلاعات، یک نقشه آسیب انعطاف‌پذیر ارائه شود. تغییرات عمیق الگوریتم یادگیری برای بهبود نتایج به منظور شناسایی آسیب ساختمان‌های ناشی از زلزله است. الگوریتم‌های یادگیری عمیق نیاز به داده‌های آموزشی دارند و این یکی از مشکلاتی است که باید برای حل آن تلاش بسیاری انجام شود.»

این استاد پژوهشگاه بین‌المللی زلزله‌شناسی خاطرنشان کرد: «تصاویر شبیه‌سازی شده از زلزله احتمالی تهران از طریق هوش مصنوعی، خیلی اولیه است و به متنی برمی‌گردد که نتیجه کارهای علمی است، یعنی بیشترین و مهم‌ترین قسمت، کارهای علمی است که انجام شده تا موضوع و سناریو را بسازد و تولید کند تا به ما نشان دهد که اگر زلزله‌ای با بزرگای 7 در نزدیک‌ترین فاصله در شهر تهران اتفاق بیافتد، میزان جنبش و شدت آن در هر بخش از تهران چقدر است.»

تصویر شبیه‌سازی شده از خرابی پل دو طبقه بزرگراه صدر

زارع اضافه کرد: «14 تصویر شبیه‌سازی شده از حدود 150 تصویر انتخاب شده است که به نظرم مناسب‌تر بود. البته به نظر می‌رسد که بعضی از تصاویر هنوز با کمبود داده مواجه است زیرا تصویرهایی که ایجاد می‌شود بر مبنای داده‌های موجود ایجاد شده است و پر واضح است که اگر هزاران تصویر را به صورت لایه‌های اطلاعاتی مختلف به هوش مصنوعی بدهم تا تصاویر واقع‌بینانه تولید کند، خیلی از موارد موفق نمی‌شدم به این دلیل که داده‌های واقعی و نزدیک به واقعی در دسترس نبوده و نیست و خیلی از تصویرهایی که ایجاد شده حالت سمبلیک دارد مثل بولوار نواب یا بزرگراه صدر یا اتوبان همت که حالت کلی و گرافیک ساده و اولیه دارد.»

عضو هیات علمی پژوهشگاه بین‌المللی زلزله‌شناسی و مهندسی زلزله استفاده از هوش مصنوعی را گام خوبی در کارهای علمی عنوان کرد و گفت: این گام خوبی است که از هوش مصنوعی می توان بهره‌گیری کرد. کاری که انجام دادم این است که نتیجه کار علمی را به تصویر تبدیل کردم و نتایج به نظر من مقبول است و در حد اولیه حداقل تصاویری به دست می‌دهد که متخصصان سال‌هاست روی آن کار می‌کنند و به شکل عدد و رقم روی نقشه پیاده می‌کنند.»

تصویر خرابی‌ها در منطقه مسکونی در شهر ری

میزان تاب‌آوری تهران در برابر زلزله 7 ریشتری

این استاد دانشگاه درخصوص میزان تاب‌آوری تهران در برابر زلزله 7 ریشتری نیز گفت: «بر اساس داده های واقعی اگر تصاویر را تولید کنیم، تصاویری که صد درصد خرابی را نشان داده هم غیر واقعی است، به هر حال برخی ساختمان‌ها آسیب می‌بینند و برخی هم آسیب نمی‌بینند ولی اگر به جنبه منفی موضوع نگاه کنیم، اگر زلزله با بزرگای 7 در نزدیکی تهران اتفاق بیافتد آسیب‌های جدی است و همانطور است که در تصاویر دیده می‌شود و چنانچه این زلزله رخ دهد بعضی برآوردها نشان می‌دهد 250 میلیارد دلار یعنی نزدیک به اندازه یکسال تولید ناخالص ملی خسارت اقتصادی به کشور وارد می‌شود.»

تصویر خسارات زلزله در مرکز تهران

6 منطقه آسیب‌پذیرترین مناطق تهران در زلزله هستند

زارع همچنین درباره مطالعات انجام شده درباره آسیب‌پذیری مناطق تهران تهران در زلزله احتمالی اظهار کرد: «خیلی از مطالعاتی که در 20 سال اخیر صورت گرفته در زمینه میزان آسیب‌پذیری مناطق تهران بوده است. در گزارش‌های مختلفی که انجام شده منطقه 16، 12 شهرداری تهران و در برخی گزارش‌ها منطقه 10، 17 ، 19 و 20 به عنوان آسیب‌پذیرترین معرفی شده‌اند که در عمل جمعیت بیشتر و بافت فرسوده‌تری دارند و ریسک بالایی را نشان می‌دهند.»