自然災害の予測に関しては、AIはまだ大丈夫でしょうか?

古代から現代に至るまで、自然災害は人類に限りない損失をもたらしてきました。都市社会がますます発展するにつれて、突然の自然災害が多大な人命と財産の損失を引き起こすことになります。自然災害による「奇襲」を避けるために、人々は多くの経験を蓄積し、さまざまな方法を模索し、自然と戦う独自の知恵を形成してきました。

今日、人類はほとんどの自然災害の活動パターンを理解し、災害による損失を最小限に抑えるための適切な準備をすることができるようになりました。しかし、いくつかの頑固な病気に対して、人間は依然として無力です。

AI時代の到来により、予測が容易な自然災害に対して人類はもう一つ強力な武器を手に入れたと言えるでしょう。では、AIはこれまで対処できなかった災害に対処するためのナイフになることができるのでしょうか?

こうした災害に直面してもAIは「OK」と言う

人々は、伝統的には経験に頼り、現代では科学に頼りながら、自然災害を予測することで予防策を講じるようになって久しい。これは人々の予測能力の進化を表しています。 AIの台頭以来​​、ここ数年、AIが自然災害の予測に貢献できるかどうかにも注目が集まっています。

現時点では、以下の点における AI の予測はまだ比較的信頼できます。

1. 嵐を予測する。台風はほぼ毎年我が国の南東部沿岸地域を襲い、都市の電力やその他のインフラに大きな被害をもたらしています。現在の気象予報レベルでは、警報を発令するには十分な時間があるものの、強い嵐に見舞われた後の都市部の災害対応には依然として一定の困難が残るだろう。

この問題に対処するため、IBM はオンタリオ州に拠点を置く電力会社 Hydro One 向けに AI ツールを開発しました。これを気象会社からのリアルタイムデータと組み合わせることで、嵐の激しさと影響範囲を予測することができ、Hydro One は事前に電気技師を派遣して、市の電力を迅速に復旧させることができました。さらに、長年にわたり蓄積された気象データに基づいて嵐に関するより正確な予測が可能になり、的を絞った対応が可能になります。

2. 土砂崩れを予測する。土砂崩れは大雨の後によく発生し、山岳地帯でよく見られます。砂は雨水に浸され、重力の作用で山を流れ落ちます。大規模な土砂崩れは村を簡単に破壊する可能性があります。従来の土石流予測は、降雨量の予測を前提として、土石流のメカニズムの研究と山岳における土石流発生モデルの構築に基づいています。大きな進歩は遂げられているものの、土石流の高精度な予測という実際のニーズにはまだ応えられていない。

この点、大阪大学の研究者らは、日本全国50万カ所以上の土砂崩れの被害現場の実態に基づいて、土砂崩れの発生を予測できるAIシステムを開発した。このシステムは主に降水予報と臨界降水点時間を分析し、斜面の水分含有量と傾斜を測定できるセンサーと組み合わせて、降雨後の斜面の水分含有量を予測し、土砂崩れ警報を発令するかどうかを決定します。土砂崩れを数分前に予測するだけだったのに対し、AI 予測ではこの時間が数時間にまで延びます。

3. 洪水を予測する。一般の人々の目から見れば、洪水を予測するには、まず天気を分析し、降水量と降水時間を研究することから始めなければなりません。しかし、洪水警報を実現するために、英国の科学者たちは異なるアプローチを採用し、AI + ソーシャルプラットフォームのデータの使用を提唱しました。

英国ダンディー大学の研究者らは、AIを使ってツイッターからデータを抽出し、洪水の深刻度や場所などの情報を取得し、視覚認識技術を使ってユーザーが投稿した洪水の光景を特定した。これらのデータを総合的に処理することで、都市が洪水によって浸食されているかどうかを判断でき、予測および早期警報システムを改善できます。簡単に言えば、人々が投稿したソーシャル コンテンツを収集し、洪水の影響を受ける可能性のある主要な地域と範囲を特定することです。

さらに、AIの精密な分析により、天気予報は分単位の予測まで可能になりました。森林火災予防では、リモートセンシング技術を活用して、AIが重要な予防エリアを監視し、火災発生時に火災状況を判断して、損失を最小限に抑えることもできます。それでは、AI予測の精度が高まったこれらの自然災害を詳しく見てみましょう。まとめる価値のある特徴はあるでしょうか？

印象的なデータ、まさにAIが求めているもの

私の意見では、AI 予測アプリケーションが比較的成熟しているこれらの種類の自然災害には、次のような類似点があります。

まず第一に、これらの自然災害の形成過程を直接観察することができます。例えば、気象衛星を通じて、空に雲が集まり、流れる方向を観測することができます。気圧の検出と組み合わせることで、サイクロンが発生する時期、上陸する時期、風の強さ、降雨量などの指標を判断できます。土石流の水分量の分析や森林火災の検知、センサーによる風向の判定などが行われており、観測データが充実すれば予測精度は高まるといえます。

第二に、豊富な歴史的データが蓄積されています。こうした自然災害については、長い研究の歴史があり、その過程で貴重な経験とデータが大量に蓄積されてきました。そして、正確な過去の経験データ＋リアルタイムの現場データ観測により、AIによる予測は難しくありません。

AIにとっても、これら2つは利点です。現在、AIは認識とデータ処理という2つのことに優れています。前述の自然災害は、視覚認識（衛星雲画像、洪水写真など）や自然言語処理（Twitterユーザーコンテンツ収集）に関わるものであり、まさにAIが求めているものといえる。検出が容易なため生成される大量のデータは、当然、データ処理マスター AI にとっては問題になりません。

AIは上空や地表からの自然災害には対処できるが、地球内部から起こる未知の災害に対しては無力なのだろうか？

上空に上がるのは問題ないが、地上に降りるためのAIは当分「0K」にならないかもしれない

火山と地震がおそらく地球上で最も予測不可能な自然災害であることは否定できない。

火山は活火山と休火山に分けられますが、火山による大きな死傷事故のほとんどは休火山の突然の噴火によるもので、近隣住民は避難が間に合わず埋もれてしまいます。現在、火山噴火の予測は、火山周辺の空気の組成の変化に対する早期警告にほぼ全面的に依存しています。しかし、この頃には、噴火までに残された時間はほんのわずかになっていることが多いのです。

しかし、火山の明らかな特徴は、その数が少数であり、いつ噴火するかわからないため、私たちがしなければならないことは、火山から離れることだけです。それに比べると、地震は十分ではありません。千年以上にわたり、人々は地震を予知しようと奮闘し、地震雲、動物の異常行動、水面の変動など多くの経験的認識を形成してきましたが、これは「地震を予知する」とはほど遠いものです。なぜなら、人々がこれらの光景を見たとき、地震は頻繁に発生しており、その速度が速いため、S波が最初に地面に到達しているからです。このため、異常が観測されるときには、地震が非常に近い場合が多いのです。

言い換えれば、人類は地震の発生を真に「予測」したことがないのです。まず、地下 60 キロメートル以上で発生する地震は、浅い震源の地震と呼ばれます。記録されている最も深い地震の震源は 700 キロメートルを超えています。どのような機器が地下深くまで到達できるでしょうか。現在の技術では明らかに不可能です。さらに、地震の持続時間は非常に短く、基本的に数十秒程度であるため、研究者が地震情報を把握するのは非常に困難です。また、突然の出来事なので、準備するのも難しいです。地震研究に最適な時期はつかの間なので、地震の予測はほぼ不可能です。

データの取得を支援する補助ツールがなければ、AI の実行は困難になります。しかし、AIを使って地震を予測しようとしている研究者もいます。例えば、ケンブリッジ大学の研究者たちは、地震が発生すると岩石が圧迫され、地球内部で音が発生すると考えています。これを基に、研究者らは岩石の音を聞くことができるロボットを開発。実験室内で大地震が岩石に及ぼす影響を再現し、AIシステムを活用して大地震の前兆を検知した。

しかし、これは結局のところ、研究室の理想的な環境に基づいています。正確な地震予測を行うには、地下の岩石の動きを直接観察したり、振動波を間接的に検出したり、あるいはまだ発見されていない地震放射粒子を発見したりして、何らかの方法で地震の活動を「見る」ことが最善の方法です。地震の発生に本当に関係の深い物質を見つけて初めてデータを整理・分析することができ、そこにAIの力を発揮できるのです。

現在、私たちが持っている地震データのほとんどは、地震の規模、地震前後の地質学的変化、地震の頻度に関するもので、非常に大まかではありますが、地震の法則を見つけようとするものです。これらは、地震の原因を研究するための正しい方法とはほとんど言えません。これらをAIの学習と処理にどのように活用できるでしょうか？

したがって、これらの未知の地下の危険に対して私たちができることは、地球の深部に到達できる革新的なデータ観測および収集ハードウェアを開発することかもしれません。多くの地震を経験することで、AIは学習し、地震を予測するモデルを作成できます。

そのような未来はまだ遠いかもしれないが、それでも期待する価値はある。結局のところ、AIの根本的な目的は人類に利益をもたらすことです。