麻省理工學院（MIT）的科學家正在開發一種人工智能(AI)工具，該工具能夠生成逼真的衛星圖像，以展示潛在的洪水情景。這項技術結合了生成式AI模型和基於物理學的洪水模型，旨在更準確地識別高風險區域，併爲決策者提供可靠的可視化支持。

AI+物理模型:生成更精準的洪水圖像

據Space.com報道，該工具首先通過物理學模型來識別有洪水風險的區域。然後，它會根據即將到來的風暴強度，生成該區域在洪水過後可能呈現的詳細鳥瞰圖。該工具採用了一種創新的方法，將生成式對抗網絡（GAN）與物理模型相結合，以減少GAN可能產生的“幻覺”(即圖像中看起來真實但不準確的特徵)。

image.png

麻省理工學院地球、大氣和行星科學系的博士後研究員比約恩·呂特延斯表示:“‘幻覺’可能會誤導觀衆。我們正在考慮如何在氣候影響背景下使用這些生成式AI模型，在這種情況下，擁有可靠的數據源至關重要。這就是物理模型發揮作用的地方。”

更直觀的預警:助力提高疏散意願

呂特延斯說:“我們的想法是，有一天我們可以在颶風來臨之前使用這項技術，爲公衆提供一個額外的可視化層。”他還強調了疏散的重要性，他說:“鼓勵人們在面臨風險時撤離是一項巨大的挑戰。也許這種可視化可以幫助提高這種準備程度。”

實測對比:AI+物理模型優勢明顯

爲了演示該模型，研究人員將其應用於休斯頓的一個情景，生成了該市在類似颶風哈維強度風暴後發生洪水的衛星圖像。他們將AI生成的圖像與真實的衛星圖像以及沒有物理模型輔助生成的圖像進行了比較。結果顯示，沒有物理模型輔助生成的AI圖像非常不準確，出現了很多“幻覺”，主要是顯示在不可能發生洪水的區域出現洪水。相反，使用物理強化方法生成的圖像與真實情景非常吻合。

應用前景:輔助決策，保護生命安全

科學家們預計，這項技術將有助於預測未來的洪水情景，並提供可靠的可視化數據，幫助決策者爲洪水規劃、疏散和緩解工作做出明智的決策。呂特延斯表示，決策者通常使用可視化（如顏色編碼的地圖）來評估潛在的洪水區域，但衛星圖像可視化可以提供更直觀、更具吸引力的信息，同時保持可信度。

目前，該團隊的方法仍處於概念驗證階段，需要更多的時間來分析其他區域，以更準確地預測各種風暴的結果。

MIT航空航天學教授、MIT媒體實驗室主任達瓦·紐曼表示:“我們展示了一種將機器學習與物理學相結合的切實可行的方法，用於風險敏感的用例，這需要我們分析地球系統的複雜性，並預測未來的行動和可能的情景，以確保人們遠離危險。我們迫不及待地想把我們的生成式AI工具交給地方社區層面的決策者，這可能會產生重大影響，甚至可以拯救生命。”