新人工知能が、世界中の砂嵐予報を向上させる

砂嵐は、家の中を清潔に保とうとする人にとって厄介なだけでなく、健康被害や生態系への影響も懸念されます。
粉塵や空気中の粒子を吸い込むことで起こる呼吸器系の問題は、世界的な死因の1つとなっています。さらに悪いことに、国から国へ、大陸から大陸へと自由に移動する塵埃は、病原体を拡散させ、パンデミックの発生につながる可能性もあります。
さらに、塵の雲は気候に大きな影響を与えます。例えば、太陽の光を吸収・分散して地球の温度を変化させたり、雲の性質や降雨パターンに影響を与えたりします。
通常、砂嵐はネゲブ、アラビア半島、サハラ砂漠、北米やアジアの砂漠など、乾燥した地域で発生します。風によって地面から小さな粒子が舞い上がり、大きな砂粒は嵐の発生した場所の近くに沈みますが、小さな砂粒は何百、何千キロも離れた場所に吹き飛ばされることもあります。
砂塵の波に対して早期に警告を発することができれば、脆弱な住民たちを保護し、農作物の破壊を防ぐことができるかもしれません。
しかし嵐は急速に発達し、広範囲に広がるため、いつ、どこで、どの程度の被害を受けるかを予測することは困難です。

イスラエルのデータで訓練されたネットワーク

ワイツマン科学大学地球惑星科学部のRon Sarafian博士、Dori Nissenbaum博士、Yinon Rudich教授が最近発表した研究は、砂嵐の予測にブレークスルーをもたらしました。
この研究は、npj Climate and Atmospheric Scienceに掲載され、同じくワイツマン大学の同学科のShira Raveh-Rubin博士と共同で執筆されました。
もともと研究者たちは、コンピュータビジョンの分野で培われた知識を利用したいと考えていました。砂嵐の気象データは一連の衛星画像として表示できるため、人工ニューラルネットワークが、様々な動物や物体の映像を認識するのと同じように、嵐の広がりを支配するパターンを「学習」できるのではないかと考えたのです。
「イスラエルのデータで訓練されたネットワークは、少し調整すれば、中東の他の場所、さらには世界中の砂嵐を予測することができる」。
しかし、彼らの望みは部分的にしか実現されませんでした。
通常の画像は3原色で構成され、その間にはかなりの重なりが生じる。
しかし、気象画像は、気温、湿度、風速など60種類以上の変数から構成されている。また、コンピュータの視覚システムは、何百万枚もの画像のアーカイブを基にした機械学習によって成り立っていますが、砂嵐を識別する人工神経ネットワークに利用できる画像は、ほとんどありませんでした。
イスラエルの研究者たちは、衛星と地上局から約20年にわたって詳細なデータを収集し、わずか6万枚の気象 "映画 "を手にしているのです。
この限られたデータの中で、同じ場所に複数の砂嵐が発生することは稀であると言えます。

予測精度向上のために条件を厳しく

このような場合、例えばベエルシェバの砂嵐の発生パターンを学習しようとする人工ニューラルネットワークは、「オーバーフィッティング」と呼ばれる現象に見舞われる可能性があります。つまり、限られた条件に基づいてパターンを作り、まだ学習していない新しい条件が見つかったときに、誤った結論に達してしまう可能性があるのだ。
しかし、研究者たちは、人工神経回路網に厳しい条件を課すことで、予測精度が向上することを発見した。研究チームは、砂嵐がある地点に到達すると予想される時期を学習させるだけでなく、砂嵐が飛散する広大な地域を把握するという補助的な問題をネットワークに課したのです。
例えば、砂嵐がベエルシェバを襲う可能性が高い時期を予測するために、ネットワークはレバノンで起きた砂嵐の被害状況を学習しました。
このように、ネットワークはより多くのデータにアクセスすることで、粉塵が飛散する物理的・気象的な状況も知ることができるのです。

過去20年間にイスラエルの全気象観測所から収集したデータを活用し、砂塵の多い冬から春にかけて、砂嵐の80％以上を24時間前に、約70％を48時間前に予測することに成功したことを明らかにしました。
システムが予測できなかった事象のほとんどは、局地的に急速に発達した嵐であり、予測に役立つ地域データの収集は困難だと言えます。

"この研究の最も重要な成果は、私たちがすでにフォローアップ研究で実施していることですが、人工知能を使って、大規模で豊富なデータのコレクションをスキャンし、これまで利用できなかった方法で物理原理と大気プロセスを研究したことです。"　とYinon Rudich教授は述べています。