Các nhà nghiên cứu phát hiện ra rằng AI có thể hoạt động tốt hơn các mô hình truyền thống, có thể đưa ra cảnh báo trước nhiều hơn về những ngày không khí xấu, đồng thời giảm phơi nhiễm có hại và đến bệnh viện.
Trí tuệ nhân tạo có thể sớm đưa ra cảnh báo nâng cao về các sự kiện ô nhiễm trong tương lai, có thể giúp các bệnh viện chuẩn bị cho sự gia tăng của các bệnh liên quan đến ô nhiễm, hoặc thậm chí giảm mức phơi nhiễm của con người hoàn toàn.
Tình trạng ô nhiễm không khí tăng đột biến thường dẫn đến số người nhập viện tăng đột biến , vì nó có thể làm trầm trọng thêm bệnh hen suyễn và các tình trạng hô hấp khác từ trước, gây nhiễm trùng đường hô hấp trên hoặc tăng khả năng đột quỵ. Nhưng hiện tại không thể chuẩn bị cho những đợt gia tăng ô nhiễm đột biến này do hạn chế của các dự báo chất lượng không khí hiện có, vốn chỉ chính xác trước ba ngày, Yunsoo Choi, phó giáo sư hóa khí quyển từ Đại học Houston, nói với EHN.
Trong khoảng thời gian ngắn ngủi đó, một trong những điều duy nhất chúng ta có thể làm để bảo vệ bản thân là hạn chế thời gian ở ngoài trời.
Nhưng giờ đây, thông qua việc sử dụng công nghệ trí tuệ nhân tạo (AI), Choi và Phòng thí nghiệm mô hình và dự báo chất lượng không khí của Đại học Houston đã tạo ra một mô hình mới có thể dự đoán ô nhiễm ôzôn trước thời hạn tới 14 ngày.
Trong khi ozone ở tầng trên của bầu khí quyển che chắn chúng ta khỏi bức xạ cực tím của mặt trời, ozone ở tầng mặt đất là một chất ô nhiễm có hại gây kích ứng phổi của chúng ta. Vì nó được hình thành trong bầu khí quyển vào những ngày nắng nóng, chúng ta sẽ thấy lượng ozone tăng đột biến chưa từng có do biến đổi khí hậu, tương tự như những gì chúng ta đã chứng kiến trên khắp nước Mỹ trong đợt nắng nóng gần đây nhất.
Những mô hình này có thể mang lại cho chính quyền địa phương nhiều cơ hội hơn để kiểm soát các nguồn phát thải ô nhiễm.
Trí tuệ nhân tạo sẽ cải thiện dự báo chất lượng không khí
Yunsoo Choi, trái, phó giáo sư Khoa Trái đất và Khí quyển tại Đại học Houston, và Tiến sĩ Alqamah Sayeed đã phát triển một mô hình mới để dự đoán tốt hơn nồng độ ôzôn. (Đại học Houston)
Dự báo chất lượng không khí truyền thống được tạo ra bằng các mô hình số, về cơ bản là các máy tính tinh vi. Họ giải nhiều dòng phương trình toán học để xác định mức độ ô nhiễm sẽ được tạo ra và cách nó sẽ được vận chuyển qua một khu vực tại một thời điểm nhất định.
Những phương trình này không chỉ được giải một lần. Chúng phải được giải quyết cho mỗi giờ mô hình dự báo về tương lai, điều này cần rất nhiều thời gian và sức mạnh tính toán.
Choi cho biết: “Để dự báo được chất lượng không khí trước hai hoặc ba ngày … cần vài giờ” ngay cả với siêu máy tính.
Các mô hình AI dự đoán ozone mà không cần những tính toán tốn thời gian này. Thay vào đó, các nhà nghiên cứu “đào tạo” mô hình bằng cách cung cấp dữ liệu về chất lượng không khí trong quá khứ, dữ liệu mà mô hình sử dụng để tìm hiểu cách hoạt động của ôzôn trong các bộ điều kiện khí tượng khác nhau.
Dựa trên các mô hình quan sát được, mô hình đưa ra phỏng đoán có học về lượng ozone có thể hiện diện trong tương lai. Nó chỉ mất vài phút và chính xác hơn những phiên bản tiền nhiệm của nó.
Các nhà nghiên cứu đã chứng minh điều này bằng cách lập mô hình ô nhiễm ôzôn ở Hàn Quốc vào năm 2017 sau khi đào tạo mô hình AI trên dữ liệu được thu thập trước đó 3 năm. Sau đó, họ so sánh kết quả của mình với Mô hình Chất lượng Không khí Đa quy mô Cộng đồng (CMAQ), một mô hình số thường được sử dụng do EPA phát triển. Sử dụng CMAQ, độ chính xác trung bình của mô hình đạt đỉnh 77% vào ngày dự đoán đầu tiên và giảm nhanh chóng trong 14 ngày sau đó. Tuy nhiên, khi Choi sử dụng trí thông minh nhân tạo, độ chính xác trung bình của các dự đoán vào ngày đầu tiên là 90%. Mặc dù giá trị này giảm dần trong hai tuần, nhưng nó vẫn hoạt động tốt hơn so với CMAQ vào ngày đầu tiên.
Ô nhiễm không khí gia tăng áp lực lên bệnh viện
Dự báo chính xác cao trong 14 ngày của mô hình AI của Choi, kết hợp với thời gian tính toán nhanh hơn của nó, có thể giảm bớt căng thẳng cho hệ thống y tế công cộng của chúng ta. Ông Hunt cho biết: “Chúng ta có thể thấy sự gia tăng thực sự trong các lần khám tại khoa cấp cứu và các tác động tim mạch và hô hấp khác”.
Ví dụ, một nghiên cứu gần đây xem xét các bệnh nhân Medicare đã kết luận rằng việc tiếp xúc với ôzôn, trong số các chất ô nhiễm khác, có thể góp phần làm tăng thêm hàng nghìn ca nhập viện mỗi năm.
Ông Hunt giải thích: “Các bệnh viện phải chứng tỏ rằng họ có nhu cầu nếu họ sẽ tăng số giường hoặc số lượng nhà cung cấp dịch vụ của họ trong một khu vực cụ thể”.
Biết được mức độ ô nhiễm có thể thay đổi như thế nào trước hai tuần có thể giúp các nhà quản lý bệnh viện giải quyết trường hợp của họ hiệu quả hơn.
Biến đổi khí hậu và ôzôn
Ngoài ra còn có vấn đề về biến đổi khí hậu, có thể ảnh hưởng đến lượng ôzôn được tạo ra trong khí quyển do sự gia tăng của thời tiết nóng nực.
Nhưng thật khó để cập nhật các phương trình và thông số mà các mô hình số sử dụng để tính toán nồng độ chất ô nhiễm, Choi, người đã làm việc với các loại mô hình này trong quá khứ, cho biết. “Thật không dễ dàng để điều chỉnh các loại hiện tượng [thời tiết] mới” như sóng nhiệt.
Tuy nhiên, mặt khác, các mô hình AI có khả năng thích ứng cao hơn nhiều. Họ học hỏi từ những sai lầm và điều chỉnh dự đoán cho phù hợp. Họ cũng có thể được đào tạo lại với dữ liệu mới để cải thiện dự báo của họ.
Dịch từ “ How artificial intelligence can help save us from air pollution”, Environmental Health News
Để lại bình luận