Lợi nhuận:
- Hiểu cách sử dụng AI trong lập bản đồ nguy cơ lở đất, đánh giá nguy cơ địa chấn và hóa lỏng.
- Khả năng tạo phân loại rủi ro và quy trình cảnh báo sớm từ dữ liệu nguy hiểm đa biến
- Khả năng xác minh các kết quả đầu ra nguy hiểm với trách nhiệm an toàn tính mạng, cân bằng cảnh báo sai và bằng chứng hiện trường
Chủ đề của đơn vị này là lĩnh vực có trách nhiệm nhất về kỹ thuật địa chất: đánh giá thảm họa thiên nhiên và tai biến địa chất. Cái giá của một sai lầm ở đây không phải là tiền bạc mà là mạng sống con người. Nếu bản đồ nguy cơ lở đất hiển thị không chính xác một khu vực lân cận là “an toàn” thì sẽ không có hành động nào được thực hiện; Nếu đánh giá hóa lỏng hiểu sai về mặt đất bên dưới bệnh viện, công trình có thể bị chìm khi xảy ra động đất. Trong lĩnh vực này, trí tuệ nhân tạo tạo ra giá trị thực trong việc xử lý dữ liệu đa biến, nắm bắt các mẫu và lọc tín hiệu cảnh báo sớm. Nhưng chính trong lĩnh vực này, việc xác minh phải nghiêm ngặt nhất, sự chấp thuận của kỹ sư tuyệt đối nhất và việc quản lý sự không chắc chắn phải chính xác nhất, vì chi phí cho đầu ra không chính xác là cao nhất.
Trong phần này, chúng ta sẽ xem xét ba loại mối nguy hiểm thông qua lăng kính trí tuệ nhân tạo: lập bản đồ nguy cơ trượt lở đất (dự đoán từ dữ liệu đa biến các sườn dốc có nguy cơ trượt), nguy cơ địa chấn (cường độ chuyển động đất có thể xảy ra do động đất) và hóa lỏng (khi cát rời bão hòa hoạt động giống như chất lỏng trong trận động đất và mất khả năng chịu lực). Chủ đề chung của chúng tôi là tại sao kết quả âm tính sai về kết quả đầu ra nguy hiểm (phân loại một khu vực thực sự nguy hiểm là an toàn) lại gây tử vong và cách đặt ngưỡng có lợi cho an toàn tính mạng.
Sự cân bằng giữa âm tính giả và dương tính giả
Có hai loại lỗi trong việc phân loại mối nguy hiểm. Kết quả dương tính giả đang phân loại khu vực an toàn là nguy hiểm; Kết quả là chi phí không cần thiết, sự xem xét kỹ lưỡng hơn, có thể làm trì hoãn một dự án - đó là khía cạnh an toàn về mặt cuộc sống. Kết quả âm tính giả đang phân loại một khu vực nguy hiểm là an toàn; Kết quả là không thực hiện các biện pháp phòng ngừa và có thể mất mạng/tài sản. Hai lỗi này không bằng nhau. Trong lĩnh vực an toàn tính mạng, ngưỡng được chọn một cách thận trọng để giảm thiểu kết quả âm tính giả; Tức là khi có nghi ngờ, nó sẽ lăn sang phía nguy hiểm và được xác nhận bằng xác nhận hiện trường.
Các mô hình AI thường chọn các ngưỡng sẽ tối đa hóa độ chính xác tổng thể. Nhưng trong khoa học nguy hiểm, mục tiêu không phải là độ chính xác hoàn toàn mà là giữ mức âm tính sai ở mức thấp. Do đó, đầu ra của mô hình phải là xác suất đã được hiệu chỉnh, không phải là "loại" và ngưỡng phải do chuyên gia về mối nguy hiểm đặt ra, biết rõ hậu quả. Độ chính xác 92% của mô hình trượt lở đất là vô giá trị nếu nó bỏ lỡ một nửa số vụ lở đất thực tế.
Thận trọng: Đừng để bị đánh lừa bởi độ chính xác tổng thể cao của mô hình mối nguy hiểm. Hãy xem tỷ lệ trượt (âm tính giả) đối với các sự kiện hiếm gặp nhưng gây chết người (lở đất, hóa lỏng). Tiêu chí trong an toàn tính mạng không phải là ở mức trung bình mà là không bỏ sót chỗ nguy hiểm.
Lập bản đồ nguy cơ trượt lở đất
Khả năng xảy ra lở đất, “nơi này có bị trượt khi đáp ứng đủ điều kiện không?” trả lời câu hỏi bằng các biến địa chất và địa hình. Đầu vào thường là: độ dốc, hướng, thạch học, định hướng gián đoạn, sử dụng đất, lượng mưa, kiểm kê lịch sử trượt lở đất và nước ngầm. Trí tuệ nhân tạo hợp nhất các lớp này và tạo ra bản đồ nhạy cảm bằng cách tìm hiểu mô hình xung quanh các vụ lở đất trong quá khứ.
Có hai điểm quan trọng. Đầu tiên, mô hình học hỏi từ việc kiểm kê lở đất trong quá khứ; Nếu việc kiểm kê không đầy đủ (nhiều vụ lở đất không được ghi lại), mô hình hoàn toàn không thể nhìn thấy các mẫu đó và tạo ra kết quả âm tính giả. Thứ hai, độ nhạy không đưa ra yếu tố kích hoạt (khi nào cần dịch chuyển) mà là tính nhạy cảm (chuyển dịch ở đâu nếu có điều kiện); Thật nguy hiểm khi nhầm lẫn giữa hai điều này. Bản đồ không thể được sử dụng làm cơ sở để đưa ra quyết định nếu không được xác minh bằng quan sát lộ thiên, đo đạc gián đoạn và dấu vết chuyển động trong quá khứ của nhà địa chất học.
Nguy cơ địa chấn và hóa lỏng
Đánh giá nguy cơ địa chấn cung cấp ước tính xác suất về chuyển động mặt đất (gia tốc) dự kiến sẽ vượt quá trong một khoảng thời gian nhất định tại một địa điểm. Trí tuệ nhân tạo giúp xử lý cơ sở dữ liệu hồ sơ, so sánh các mối quan hệ dự đoán chuyển động mặt đất và tạo ra các kịch bản. Tuy nhiên, việc xác định nguồn đứt gãy, khoảng thời gian lặp lại và khuếch đại mặt đất đòi hỏi phải có chuyên môn về địa chất-địa chấn; mô hình không thể phù hợp với họ.
Đánh giá hóa lỏng đo lường nguy cơ cát lỏng bão hòa mất khả năng chịu lực do rung động động đất. Phương pháp cổ điển là so sánh giá trị SPT-N (hoặc CPT) với tốc độ chu kỳ điện áp do trận động đất tạo ra và rút ra hệ số an toàn. AI sắp xếp dữ liệu và quét nhanh khả năng hóa lỏng trong trường nhiều giếng; nhưng kết quả được xác minh bằng tính toán thủ công bằng phương pháp tiêu chuẩn (ví dụ: mã động đất cục bộ). Kết quả âm tính giả ở đây có nghĩa là một công trình kiến trúc bị chìm xuống đất trong một trận động đất.
Ba trường hợp nhỏ: Bằng những con số
Trường hợp 1 - Ghi lại hàng tồn kho bị thiếu. Trên bản đồ lở đất của quận, mô hình trông “tốt” với độ chính xác 89%; nhưng nhà địa chất hiện trường đã tìm thấy ba vết sẹo lở đất cũ (không được ghi lại) trên sườn thung lũng mà bản đồ cho thấy là an toàn. Mô hình không thể học mẫu này vì kho chưa đầy đủ. Khi kho đồ được cập nhật và bản đồ được làm mới, độ dốc đó chuyển sang độ nhạy cao. Độ chính xác 89% đã che giấu được khu vực quan trọng nhất.
Trường hợp 2 - Ngưỡng hóa lỏng. Tại một địa điểm lấp bãi biển, mô hình đã gắn cờ 6 trong số 42 mũi khoan là “rủi ro hóa lỏng” với ngưỡng chính xác trung bình cao nhất. Khi chuyên gia chuyển ngưỡng sang phía bảo thủ để giảm âm tính giả, 11 âm đã được gắn cờ; Thêm năm người nữa đã được xác nhận là thực sự rủi ro bằng cách tính tay tiêu chuẩn. Ngưỡng bảo thủ đã lưu được năm kết quả âm tính giả tiềm ẩn; mức tăng chi phí không đáng kể so với nguy cơ tiềm ẩn đối với tính mạng.
Trường hợp 3 - Tín hiệu cảnh báo sớm. Dữ liệu cảm biến độ dốc và radar xử lý trí tuệ nhân tạo trên sườn dốc lộ thiên đã đánh dấu tốc độ biến dạng tăng tốc chậm và đưa ra cảnh báo. Đội sơ tán khỏi khu vực; 40 giờ sau, một trận lở đất lớn xảy ra trên sườn dốc nhưng không có ai bị thương. Người mẫu không cho biết ngày/giờ chính xác; Nó làm cho chuyển động tăng tốc trở nên rõ ràng và dành thời gian cho việc ra quyết định của con người.
Nhắc yếu / Nhắc mạnh
Dấu nhắc yếu:
Có nguy cơ lở đất ở khu vực này không? Nhìn vào dữ liệu và cho biết nó an toàn hay nguy hiểm.[dữ liệu lớp]
Lời nhắc mạnh mẽ:
Vai trò của bạn: Trợ lý nhà địa chất nguy hiểm tự nhiên. Đưa ra nhãn "an toàn/nguy hiểm" CHÍNH XÁC với các biến sau. Thay vào đó:1) Giải thích các yếu tố góp phần tạo nên tình cảm và hướng đi của từng yếu tố.2) Thiết lập logic xác suất được hiệu chỉnh thay vì phân loại; Nêu rõ lý do tại sao nên chọn ngưỡng an toàn tính mạng một cách thận trọng để giảm thiểu kết quả âm tính giả.3) Viết ra kết quả đầu ra có thể gây hiểu nhầm như thế nào nếu bản kiểm kê lịch sử lở đất không đầy đủ.4) Liệt kê 4 điểm cần được xác nhận tại hiện trường. Đánh giá cuối cùng thuộc về kỹ sư được ủy quyền. Dữ liệu là ẩn danh.
Bốn mẫu có thể sao chép
1) Xác suất yêu cầu thay vì loại nguy hiểm:
Giải thích kết quả đầu ra của mô hình nguy hiểm như một xác suất đã được hiệu chỉnh thay vì một loại rõ ràng. So sánh hậu quả của kết quả âm tính giả và dương tính giả trong lĩnh vực này và chứng minh ngưỡng nào nên được thay đổi để đảm bảo an toàn tính mạng.
2) Kiểm tra tình trạng thiếu hàng tồn kho:
Liệt kê bất kỳ dấu hiệu nào cho thấy bản kiểm kê mà mô hình nhạy cảm với lở đất được huấn luyện có thể không đầy đủ (năm ghi chép, diện tích được bao phủ, khoảng trống dữ liệu). Đánh dấu những lĩnh vực mà sự thiếu hụt này sẽ làm tăng nguy cơ âm tính giả.
3) Sơ đồ sàng lọc hóa lỏng:
Đối với khả năng hóa lỏng ở khu vực có nhiều mũi khoan: khuyến nghị sàng lọc lỗ khoan nào chứa cát rời bão hòa và yêu cầu tính toán sơ bộ bằng tay. Chỉ định rằng nó phải được xác minh bằng phương pháp tiêu chuẩn; không đưa ra hệ số an toàn chính xác.
4) Giải thích tín hiệu cảnh báo sớm:
Tổng hợp những thay đổi về tốc độ và gia tốc trong chuỗi quan trắc biến dạng (độ dốc/radar); Có một mô hình tăng tốc đáng báo động? Đưa ra ước tính thời gian chính xác; Chỉ định thời điểm/dữ liệu cần thiết cho sự đánh giá của con người.
Loại Nguy hiểm, Âm tính Giả và Xác minh
Nguy hiểm
Đóng góp của AI
Kết quả âm tính giả
Xác minh bắt buộc
nguy cơ trượt lở đất
Hợp nhất lớp, hoa văn
Nghĩ vùng nổi là an toàn
Trường + khoảng không quảng cáo hiện tại
nguy cơ địa chấn
Cơ sở dữ liệu/kịch bản
Đánh giá thấp chuyển động của mặt đất
Chuyên gia địa chấn + tiêu chuẩn
hóa lỏng
Quét nhiều giếng
Tòa nhà chìm xuống đất
Tính tay SPT/CPT + quy định
cảnh báo sớm dốc
Lọc tín hiệu dấu vết
trì hoãn xuất tinh
Phán đoán của con người + xác nhận hiện trường
Mẹo: Luôn kiểm tra đầu ra sự cố bằng câu hỏi "Đây có được coi là báo động sai hay báo nhầm không?" Đọc với câu hỏi. Trong vấn đề an toàn tính mạng, việc chịu đựng một vài cảnh báo sai sẽ dễ chấp nhận hơn nhiều so với việc bỏ qua một mối nguy hiểm duy nhất.
Những lỗi thường gặp
- Bị lừa dối bởi sự thật chung chung. Độ chính xác cao có thể bỏ lỡ các sự kiện gây tử vong hiếm gặp; Số liệu thực sự là tỷ lệ âm tính giả.
- Để lại ngưỡng cho mô hình. Ngưỡng an toàn tính mạng được đặt ra một cách thận trọng bởi chuyên gia biết rõ hậu quả; không phải là ngưỡng "tốt nhất" tự động.
- Bỏ qua hàng tồn kho bị thiếu. Mô hình không thể nhìn thấy mô hình mà nó chưa học được; Nếu thiếu hàng tồn kho, bản đồ sẽ đánh lừa bên an toàn.
- Khuynh hướng khó hiểu với yếu tố kích hoạt. Sự nhạy cảm là câu hỏi “ở đâu”, yếu tố kích hoạt là câu hỏi “khi nào”; Cả hai đều yêu cầu xác minh riêng biệt.
- Nhầm cảnh báo sớm là một lời tiên tri dứt khoát Hệ thống tiết kiệm thời gian; Quyết định và trách nhiệm sơ tán thuộc về người đó.
Tóm lại
- Thiên tai là lĩnh vực trách nhiệm nặng nề nhất của kỹ thuật địa chất; Cái giá của việc đầu ra sai có thể là mạng sống.
- Âm tính giả (nhầm lẫn nguy hiểm với an toàn) nghiêm trọng hơn nhiều so với dương tính giả; Ngưỡng được lựa chọn một cách thận trọng, có lợi cho cuộc sống.
- Độ chính xác chung là sai lệch; Tiêu chí là tỷ lệ bỏ lỡ các sự kiện gây tử vong hiếm gặp; Đầu ra phải được hiệu chỉnh xác suất, không phải lớp.
- Mô hình trượt lở đất không thể học hỏi từ việc kiểm kê chưa đầy đủ; Mỗi bản đồ nguy hiểm được xác minh bằng xác minh hiện trường và chuyên gia.
- Cảnh báo sớm giúp tiết kiệm thời gian nhưng không phải là lời tiên tri; Quyết định sơ tán và thực hiện các biện pháp phòng ngừa thuộc về kỹ sư và quan chức được ủy quyền.
Nhiệm vụ ứng dụng
Truy xuất một kịch bản nguy hiểm ẩn danh (các lớp lở đất hoặc các lỗ khoan hóa lỏng; dữ liệu đại diện). Giữ cho mô hình không đưa ra những nhãn hiệu khắc nghiệt và làm cho mô hình thảo luận về sự cân bằng âm/dương sai bằng mẫu "yêu cầu xác suất thay vì loại nguy hiểm". Sau đó, sử dụng mẫu "kiểm tra tình trạng thiếu hàng tồn kho" để tìm ra chỗ bản in có thể gây hiểu nhầm và viết ra danh sách ba điểm yêu cầu xác minh trường.
danh sách kiểm tra
- [ ] Tôi hiểu sự khác biệt giữa âm tính giả và dương tính giả cũng như tầm quan trọng của nó đối với sự an toàn tính mạng.
- [ ] Tôi đánh giá kết quả nguy hiểm theo tỷ lệ trượt hơn là độ chính xác tổng thể.
- [ ] Tôi tin rằng ngưỡng đó nên được một chuyên gia đặt ra một cách thận trọng và có lợi cho cuộc sống.
- [ ] Tôi hiểu rằng mô hình lở đất không thể học hỏi từ việc kiểm kê chưa đầy đủ và cần phải xác nhận hiện trường.
- [ ] Tôi sử dụng hệ thống cảnh báo sớm không phải như một lời tiên tri mà như một công cụ giúp tiết kiệm thời gian cho những quyết định của con người.