همشهری آنلاین- حامد فوقانی: الگوریتم‌های «مدل‌های ترکیبی فیزیک- هوش مصنوعی»، برای اولین بار، توانایی پیش‌بینی آلودگی را از مقیاس یک شهر به مقیاس یک خیابان رسانده‌اند؛ ابزاری دقیق که می‌تواند روش مدیریت بحران آلودگی در پایتخت را متحول کند.

وقتی قوانین فیزیک با مغز هوش مصنوعی ترکیب می‌شود

فناوری «مدل‌های هیبریدی» پاسخی است به محدودیت‌های روش‌های سنتی. روش‌های قدیمی پیش‌بینی آلودگی یا بر اساس مدل‌های پیچیده فیزیک اتمسفر بودند که محاسبات سنگینی داشتند یا بر اساس هوش مصنوعی خام (یادگیری ماشین) که فقط بر داده‌های گذشته متکی بودند. این مدل‌های ترکیبی، هوش مصنوعی (که الگوی داده‌ها را یاد می‌گیرد) را با قوانین بنیادی فیزیک (مانند نحوه جریان هوا و تأثیر موانع شهری) در هم می‌آمیزند.

چگونه کار می‌کند؟ مدل‌های سنتی فیزیکی تلاش می‌کنند تا حرکت هر ذره آلاینده را با استفاده از معادلات پیچیده (معادلات سیالات) محاسبه کنند. اما هوش مصنوعی فقط با نگاه کردن به میلیاردها داده تاریخی (دما، باد، رطوبت، ترافیک) الگوها را می‌یابد. در مدل ترکیبی، هوش مصنوعی وظیفه بهبود محاسبات فیزیکی را بر عهده می‌گیرد. برای مثال، اگر مدل فیزیکی پیش‌بینی کند که هوا باید در فلان منطقه پاک باشد، اما هوش مصنوعی با استفاده از داده‌های سنسورها می‌بیند که ترافیک سنگین منطقه، پیش‌بینی فیزیکی را به هم زده است، فوراً آن را تصحیح می‌کند. تصور کنید که تهران به دلیل کوه‌های اطرافش، مانند یک کاسه بزرگ عمل می‌کند که آلودگی در آن به دام می‌افتد. قوانین فیزیک به مدل می‌گوید که هوا چگونه در اطراف ساختمان‌ها و تپه‌ها حرکت می‌کند و هوش مصنوعی داده‌های لحظه‌ای سنسورها را وارد می‌کند. نتیجه، یک پیش‌بینی فوق‌العاده دقیق است که می‌تواند بگوید: «تا دو ساعت دیگر، به دلیل جهت باد محلی و وارونگی، آلودگی در منطقه میدان آزادی به شدت افزایش می‌یابد، اما در بزرگراه همت کاهشی است.»

پایان دادن به «طرح‌های یکسان» و آغاز مدیریت نقطه‌ای

بزرگ‌ترین مزیت این فناوری برای شهری مثل تهران، امکان عبور از مدیریت بحران یکسان است. در حال حاضر، وقتی آلودگی هوا به مرز هشدار می‌رسد، مسئولان ناچارند طرح‌های اضطراری مانند تعطیلی مدارس یا اعمال محدودیت‌های تردد را در کل شهر به اجرا بگذارند. این کار علاوه بر هزینه اقتصادی بالا، اختلال گسترده‌ای در زندگی شهروندان ایجاد می‌کند. با استفاده از این مدل‌های ترکیبی، مدیریت شهری می‌تواند به سمت «اقدامات نقطه‌ای و هدفمند» حرکت کند. به جای اعلام طرح زوج و فرد در کل تهران، این سامانه‌ها می‌توانند با دقت نشان دهند که کانون بحرانی آلودگی هوا در کدام محله یا خیابان در حال شکل‌گیری است. در نتیجه، محدودیت‌های تردد یا توقف موقت کارخانه‌ها، تنها در همان نقاط خاص و برای ساعاتی محدود اعمال می‌شود. این رویکرد، ضمن اثربخشی بالاتر در کاهش آلودگی، به معنای آزادی عمل بیشتر برای بخش‌هایی از شهر است که هوای پاکیزه‌تری دارند.

نمونه موفق پکن؛ پیش‌بینی‌های لحظه‌ای عامل اصلی کاهش آلودگی

یکی از مشهورترین نمونه‌های به‌کارگیری موفقیت‌آمیز این نوع مدل‌های پیشرفته، شهر پکن، پایتخت چین است. این شهر نیز مانند تهران با مشکلات وارونگی دما (اینورژن) و ترافیک عظیم روبه‌رو بود. در سال‌های اخیر، پکن با همکاری دانشمندان، یک سیستم پایش و پیش‌بینی بسیار پیشرفته مبتنی بر یادگیری ماشین را پیاده‌سازی کرده است. این سیستم به مسئولان اجازه داد تا با دقت بی‌سابقه‌ای بدانند که آلودگی از کجا می‌آید و به کجا می‌رود. این دقت باعث شد که پکن بتواند اقدامات کاهش آلودگی را نه به صورت دائمی و گسترده، بلکه دقیقاً در زمان و مکانی که نیاز است (مثلاً یک روز خاص در اطراف یک کارخانه یا یک محله خاص) اجرا کند.

نتایج خیره‌کننده

بر اساس گزارش‌ها، در کمتر از یک دهه، پکن توانست میانگین ذرات معلق PM۲.۵ را به طور قابل توجهی کاهش دهد؛ موفقیتی که تا حد زیادی مرهون «چشم مسلح» پیش‌بینی‌های دقیق و محلی این مدل‌ها بود. بنابراین فناوری «مدل‌های ترکیبی فیزیک-هوش مصنوعی» دیگر یک ایده دوردست نیست، بلکه ابزاری در حال استفاده در کلان‌شهرهای پیشرو است. برای شهری چون تهران، با پیچیدگی‌های جغرافیایی خاص خود، به‌کارگیری این سامانه‌های هوشمند، نه یک انتخاب لوکس، بلکه یک ضرورت است. این گام می‌تواند، نبرد سالانه با آلودگی را از یک واکنش دیر هنگام و عمومی، به یک حمله پیشگیرانه، دقیق و هدفمند تبدیل کند تا سرانجام، نفس کشیدن در پایتخت به یک حق روزمره تبدیل شود.

بیشتر بخوانید:

تصویر امروز ناسا از ایران؛ آلودگی شدید روی تهران تا شعاع ۱۵۰ کیلومتر

آلودگی هوا سالانه ۵۴ هزار ایرانی را می‌کشد