محققان بر ادغام هوش مصنوعی، کلانداده و محاسبات با کارایی بالا برای بهبود پیشبینی رویدادهای شدید مانند سیل، خشکسالی و موج گرما تمرکز دارند. دکتر سانجیب شارما، استادیار مهندسی عمران دانشگاه هاوارد، و تیم تحقیقاتی دانشکده مهندسی و معماری او، مطالعاتی در مورد چگونگی کمک هوش مصنوعی به رسیدگی به چالشهای فوری زیرساختها و بهداشت عمومی در پاسخ به بحرانهای فزاینده تغییرات اقلیمی انجام دادهاند.
اولین مطالعه منتشر شده، پیشبینیهای مبتنی بر یادگیری ماشینی قابل توضیح از سطح سرب خون و آلودگی آب آشامیدنی مدرسه در بین کودکان است. یادگیری ماشینی قابل توضیح در این مطالعه برای پیشبینی خطر آلودگی سرب در سیستمهای آب آشامیدنی استفاده میشود. سرب موجود در آب آشامیدنی یک خطر جدی برای سلامتی است. هیچ سطحی از قرار گرفتن در معرض سرب ایمن تلقی نمیشود. تخمین زده میشود که ایالات متحده بیش از 9 میلیون خط خدماتی حاوی سرب دارد. دارلینگ با اشاره به تجربه تحقیقاتی خود، اظهار داشت که این پروژه به او آموخته است که چگونه علم داده و مهندسی میتوانند با هم برای مقابله با چالشهای واقعی بهداشت عمومی همکاری کنند و اطلاعاتی را تولید کنند که به جوامع در حفظ امنیت کمک میکند. استفاده از هوش مصنوعی روشی قدرتمند برای تعیین دقیق مکانی با بیشترین خطر آلودگی سرب است. این اطلاعات به تصمیمگیری آگاهانه در مورد سرمایهگذاری در زیرساختها کمک میکند.
مطالعه دوم، یادگیری جمعی برای افزایش تابآوری زیرساختهای حیاتی در برابر سیل شهری، توسط یوگش باتارای، دانشجوی دکترای مهندسی عمران دانشگاه هاوارد، رهبری شد. این تحقیق بر بهبود پیشبینیهای سیل شهری تمرکز دارد. هوش مصنوعی میتواند با ارائه پیشبینیهای سطح خیابان در زمان واقعی، بر محدودیتهای مدلهای درشت سیل و نقشههای خطر قدیمی غلبه کند. این پیشرفتها به مدیران بحران و برنامهریزان شهری بینشهای دقیقتر و سریعتری میدهد و جوامع را برای آب و هوای شدید آمادهتر میکند. این تحقیق تلاشهای دانشگاه هاوارد را برای پیشبرد نوآوری معنادار و مسئولانه در حوزه هوش مصنوعی تقویت میکند.
