🤖 由 文心大模型 生成的文章摘要
麻省理工学院的科学家开发了一种方案，可以生成未来的卫星图像，以描绘某个地区在可能发生洪水事件后的情况。该方案将生成式人工智能模型与基于物理的洪水模型相结合，以创建某个地区逼真的鸟瞰图，显示考虑到即将到来的风暴强度，哪些地方可能发生洪水。
作为测试案例，该团队将该方案应用于休斯顿，并生成了卫星图像，描绘了在一场与2017年袭击该地区的飓风哈维类似的风暴过后，该市某些地区的情况。该团队将这些生成的图像与哈维袭击后在同一地区拍摄的实际卫星图像进行了比较；还比较了不包含基于物理机制的洪水模型的人工智能生成的图像。
对比得知，该团队的物理强化方案生成的未来洪水卫星图像更加真实准确。相比之下，纯人工智能方案生成的是物理上不可能发生洪水的地方的洪水图像。
该团队的方案是一种概念验证，旨在展示生成式人工智能模型与基于物理的模型结合使用时可以生成逼真、可信的内容的情况。为了将该方案应用到其他地区以描绘未来风暴造成的洪水，需要对更多卫星图像进行训练，以了解其他地区的洪水情况。
麻省理工学院地球、大气和行星科学系博士后Björn Lütjens表示：“我们的想法是：有一天，我们可以在飓风来临之前基于AI方案，为公众提供额外的可视化层。最大的挑战之一是鼓励人们在危险时撤离。也许这可能是另一种有助于提高准备程度的可视化方法。”
研究人员在《IEEE地球科学和遥感学报》上发表了研究成果。在本研究中，作者使用了条件生成对抗网络（GAN），这是一种机器学习方法，可以使用两个相互竞争或“对抗”的神经网络生成逼真的图像。第一个“生成器”网络使用真实数据对进行训练，例如飓风前后的卫星图像；随后训练第二个“鉴别器”网络以区分真实卫星图像和第一个网络合成的图像。
「93913原创内容，转载请注明出处」
