在飓风来袭之前，直观地展示飓风对人们家园潜在影响，可以帮助居民做好准备并决定是否撤离。
麻省理工学院的科学家们开发了一种方法，可以生成未来的卫星图像，以描绘潜在洪水事件后一个地区的样子。该方法结合了生成性人工智能模型和基于物理的洪水模型，创建出该地区的逼真鸟瞰图，显示在即将来临的风暴强度下，洪水可能发生的地方。
作为一个测试案例，团队将该方法应用于休斯顿，并生成了卫星图像，描绘了在与2017年袭击该地区的哈维飓风相当的风暴后，城市周围某些地点的样子。团队将这些生成的图像与哈维袭击后拍摄的实际卫星图像进行了比较。他们还比较了不包含基于物理的洪水模型的人工智能生成图像。
团队的基于物理的增强方法生成的未来洪水卫星图像更为真实和准确。相比之下，仅使用人工智能的方法生成了在物理上不可能发生洪水的地方的洪水图像。
该团队的方法是一个概念验证，旨在展示生成性人工智能模型在与基于物理的模型配对时，可以生成真实、可信的内容。为了将该方法应用于其他地区，以描绘未来风暴的洪水，需要在更多的卫星图像上进行训练，以学习其他地区洪水的样子。
“我们的想法是：有一天，我们可以在飓风来临之前使用这个方法，为公众提供额外的可视化层，”麻省理工学院地球、大气和行星科学系的博士后Björn Lütjens说，他在麻省理工学院航空航天系（AeroAstro）攻读博士学位时领导了这项研究。“最大挑战之一是鼓励人们在面临风险时撤离。也许这可以成为另一种可视化，帮助提高这种准备。”
为了展示这一新方法的潜力，团队将其称为“地球智能引擎”，并作为在线资源提供，供其他人尝试。
研究人员在期刊IEEE Transactions on Geoscience and Remote Sensing上报告了他们的结果。该研究的麻省理工学院共同作者包括Brandon Leshchinskiy、Aruna Sankaranarayanan和AeroAstro教授、麻省理工学院媒体实验室主任Dava Newman，以及来自多个机构的合作者。
生成对抗图像
这项新研究是团队将生成性人工智能工具应用于可视化未来气候情景的努力的延伸。
“提供超本地的气候视角似乎是传达我们科学结果的最有效方式，”该研究的高级作者Newman说。“人们与自己的邮政编码、家人和朋友生活的本地环境相关联。提供本地气候模拟变得直观、个人和易于理解。”
在这项研究中，作者使用了一种条件生成对抗网络（GAN），这是一种可以使用两个竞争的或“对抗性”的神经网络生成逼真图像的机器学习方法。第一个“生成器”网络在真实数据对（例如飓风前后的卫星图像）上进行训练。第二个“判别器”网络则被训练以区分真实卫星图像和由第一个网络合成的图像。
每个网络根据另一个网络的反馈自动提高其性能。因此，想法是这种对抗性的推拉最终应该产生与真实图像无法区分的合成图像。然而，GAN仍然可能产生“幻觉”，即在其他方面逼真的图像中出现不应存在的事实错误特征。
“幻觉可能会误导观众，”Lütjens说，他开始思考是否可以避免这种幻觉，以便生成性人工智能工具可以被信任来帮助告知人们，特别是在风险敏感的场景中。“我们在想：如何在气候影响的背景下使用这些生成性人工智能模型，而在这种情况下，拥有可信的数据源是如此重要？”
洪水幻觉
在他们的新工作中，研究人员考虑了一个风险敏感的场景，其中生成性人工智能的任务是创建未来洪水的卫星图像，这些图像足够可信，以便为如何准备和可能撤离人们提供信息。
通常，政策制定者可以根据以彩色编码地图形式呈现的可视化来了解洪水可能发生的地方。这些地图是一个物理模型管道的最终产品，通常以飓风轨迹模型开始，然后输入到模拟当地区域风的模式和强度的风模型中。这与预测风如何将任何附近水体推向陆地的洪水或风暴潮模型相结合。然后，水力模型根据当地的洪水基础设施绘制出洪水将发生的地方，并生成特定区域的洪水高度的可视化彩色编码地图。
“问题是：卫星图像的可视化能否为此增加另一个层次，使其比红色、黄色和蓝色的彩色编码地图更具可触感和情感吸引力，同时仍然可信？”Lütjens说。
团队首先测试了仅使用生成性人工智能如何生成未来洪水的卫星图像。他们在飓风哈维前后拍摄的实际卫星图像上训练了一个GAN。当他们要求生成器生成相同区域的新洪水图像时，他们发现这些图像类似于典型的卫星图像，但仔细观察发现某些图像中出现了幻觉，表现为洪水发生在不可能发生洪水的地方（例如，在高海拔地区）。
为了减少幻觉并提高人工智能生成图像的可信度，团队将GAN与基于物理的洪水模型配对，该模型结合了真实的物理参数和现象，例如即将来临的飓风轨迹、风暴潮和洪水模式。通过这种基于物理的增强方法，团队生成了围绕休斯顿的卫星图像，逐像素描绘了洪水模型预测的相同洪水范围。
“我们展示了一种将机器学习与物理结合的切实方法，适用于需要分析地球系统复杂性并预测未来行动和可能场景以保护人们免受伤害的风险敏感用例，”Newman说。“我们迫不及待想将我们的生成性人工智能工具交到地方社区决策者手中，这可能会产生重大影响，甚至拯救生命。”
这项研究部分得到了麻省理工学院葡萄牙项目、DAF-MIT人工智能加速器、NASA和谷歌云的支持。
