[Tekst w ramach patronatu medialnego X STORMWATER Poland]

Niestety z powodów zdrowotnych nie mogłem uczestniczyć w konferencji, dlatego zamiast własnej relacji przedstawiam podsumowanie jednego z wystąpień przygotowane przez przez Szymona Kubickiego z Retencja.pl.

Sztuczna inteligencja coraz częściej znajduje zastosowanie także w inżynierii. Podczas swojej prezentacji na Stormwater Poland Riccardo Taormina z TU Delft opowiedział o wykorzystaniu AI w gospodarce wodnej, zwłaszcza w modelowaniu zjawisk takich jak powodzie. W rozmowie po wystąpieniu wyjaśnił, jak nowe technologie mogą wspierać tradycyjne metody symulacji.

Jednym z głównych problemów w modelowaniu zjawisk hydrologicznych jest czas potrzebny na przeprowadzenie symulacji. Klasyczne modele opierają się na złożonych równaniach fizycznych, takich jak równania Naviera-Stokesa opisujące przepływ cieczy. Ponieważ nie mają one prostych rozwiązań analitycznych, wykorzystuje się metody numeryczne i symulatory komputerowe, które wymagają dużej mocy obliczeniowej i czasu.

Systemy oparte na sztucznej inteligencji mogą znacznie przyspieszyć ten proces. Model uczy się na podstawie wcześniej przeprowadzonych symulacji, a następnie szybko przewiduje wyniki dla nowych scenariuszy. Dzięki temu różne warianty, na przykład związane z ryzykiem powodziowym, można analizować znacznie szybciej niż przy użyciu tradycyjnych metod.

W trakcie rozmowy zapytałem Riccardo czy system AI po prostu przyspiesza proces obliczeń, czy raczej tworzy wynik w inny sposób niż klasyczna symulacja. Jak wyjaśnił, możliwe są oba podejścia. W projekcie jego zespołu model został zaprojektowany tak, aby w pewnym stopniu naśladować działanie symulatora.

AI otrzymuje podobne dane wejściowe jak klasyczny model, na przykład cyfrowy model terenu czy informacje o elementach infrastruktury, takich jak kanały, drogi czy przepusty. Następnie generuje wyniki w podobnej formie jak tradycyjny symulator. Różnica polega na tym, że zamiast rozwiązywać skomplikowane równania krok po kroku, model wykorzystuje proces uczenia się na danych. Dzięki temu może szybciej przewidywać przebieg zjawisk nawet w nowych scenariuszach.

W swoich badaniach zespół z TU Delft porównywał różne rodzaje modeli sztucznej inteligencji. Okazało się, że duże, ogólne systemy AI, takie jak czat GPT, nie zawsze radzą sobie najlepiej z bardzo specjalistycznymi zadaniami inżynierskimi. W niektórych testach starsze lub mniejsze modele osiągały lepsze wyniki niż najnowsze, znacznie większe systemy.

Z tego powodu badacze często decydują się na tworzenie własnych modeli dopasowanych do konkretnego problemu. Nie oznacza to jednak budowania wszystkiego od podstaw. Jak tłumaczy Riccardo, zwykle wykorzystuje się istniejące rozwiązania, które następnie dostosowuje się do nowych zastosowań.

Stworzenie takiego modelu wymaga jednak odpowiednich danych, dużej mocy obliczeniowej oraz wiedzy zarówno z zakresu informatyki, jak i inżynierii środowiska. Dlatego zespół stara się nie tylko korzystać z gotowych narzędzi AI, ale także rozwijać własne technologie.

Porównanie wyników modelu AI z rezultatami klasycznych symulatorów pokazało dużą zgodność między obiema metodami. Pojawiały się niewielkie różnice, jednak ogólnie model dobrze odtwarzał zachowanie systemu i może być wykorzystywany do szybkich analiz.

Jednym z najczęściej poruszanych tematów w kontekście sztucznej inteligencji jest tzw. problem ,,czarnej skrzynki”. Modele AI potrafią generować trafne wyniki, ale nie zawsze łatwo wyjaśnić, w jaki sposób do nich dochodzą. Zapytany o tę kwestię Riccardo przyznał, że jest to jedno z największych wyzwań związanych z wykorzystaniem AI.

Istnieją jednak metody pozwalające częściowo analizować działanie modeli i zrozumieć, które dane wejściowe mają największy wpływ na wynik. W praktyce, jak podkreśla badacz, zawsze istnieje pewien kompromis między skutecznością modelu a jego pełną przejrzystością.

Badania prowadzone w TU Delft pokazują, że sztuczna inteligencja może znacząco przyspieszyć modelowanie systemów wodnych. Jednocześnie jej skuteczne wykorzystanie wciąż wymaga wiedzy inżynierskiej i dalszych badań.