Microsoft prévoit de transformer la modélisation des catastrophes naturelles grâce au cloud computing
La prévision météo est, on le sait, un domaine complexe, mais cette tâche devient de plus en plus importante pour le fonctionnement quotidien de notre planète. Le changement climatique amplifie l'ampleur et les conséquences des catastrophes destructrices, des incendies de forêt aux typhons, en passant par les inondations et les cyclones.
Savoir avec précision quand et où une catastrophe va se produire (ou au moins être prévenu plusieurs heures à l'avance) peut radicalement changer le sort des populations touchées. Dans ce domaine, Microsoft voit non seulement une occasion de faire le bien, mais aussi un créneau rentable qu'elle peut exploiter pour son service de cloud computing Azure.
Dans le cadre de son programme AI for Earth, l'entreprise a rassemblé un ensemble d'offres dans ce qu'elle appelle un « ordinateur planétaire ». Ces offres comprennent une API permettant d'identifier des objets, ainsi que des espèces végétales et animales. AI for Earth propose des subventions à des scientifiques et d'autres personnes pour utiliser Azure dans leurs recherches et leurs modélisations. Ce programme rejoint d'autres initiatives cloud de l'entreprise, comme l'IA pour la santé et l'IA pour l'accessibilité.
Si vous êtes curieux de savoir comment fonctionne le fameux ordinateur planétaire et où se trouvent les obstacles à une modélisation plus efficace des catastrophes naturelles, il faut se concentrer sur tous les aspects du système de réponse aux catastrophes. Le directeur logiciel du projet a déclaré à TechCrunch que les ambitions du projet restent aussi fortes qu'auparavant.
« L'objectif est d'avoir un ordinateur planétaire qui aiderait chacun à gérer les écosystèmes terrestres, car c'est le seul moyen d'être efficace en cas de catastrophe »
Bien que le programme soit axé sur la « réduction, la réponse et la reconstruction », c'est l'étape de la réponse qui est la plus intéressante, car les décisions doivent être prises le plus rapidement possible. Nuño a noté qu'au cours des dernières années, l'IA a progressé extrêmement vite, en particulier dans les domaines liés à l'environnement. Selon lui, l'intelligence artificielle n'a pas besoin de autant de données que beaucoup le pensent.
De grands progrès ont été réalisés dans le domaine du réentraînement des algorithmes. Les scientifiques et les ingénieurs travaillent beaucoup pour faire comprendre aux gens ce qu'est l'IA et comment on peut construire un modèle d'apprentissage profond extrêmement efficace. L'un des grands défis de l'application de l'IA aux systèmes terrestres est le nombre de disciplines qu'il faut combiner pour que la modélisation réussisse.
Pourtant, de nombreuses disciplines restent cloisonnées les unes des autres. De plus, il n'existe pas de fossé plus large que celui entre les scientifiques et les chercheurs en IA. Nuño voit dans le programme une occasion d'impliquer en permanence toutes les parties dans la lutte contre certains des problèmes les plus complexes auxquels la planète est confrontée.
« Les dynamiques diffèrent en raison de motivations différentes : dans la communauté scientifique, il existe une incitation à produire davantage de connaissances, tandis que pour les développeurs de modèles, elle consiste à obtenir rapidement de bonnes réponses. Comment prendre des décisions rapidement dans un contexte d'incertitude ? »
L'un des moyens de combler cette lacune est ce que Nuño appelle le « perfectionnement » ou la proposition aux scientifiques d'en apprendre davantage sur l'intelligence artificielle. Tout cela fait partie de la même stratégie : aider les gens à réaliser des analyses environnementales plus rapidement et mieux. Rien n'est plus complexe que l'analyse géospatiale. Les ordinateurs sont performants dans une dimension, mais ne savent pas très bien gérer des objets situés les uns à côté des autres.
Sánchez-Andrade Nuño a initialement étudié l'astrophysique, mais s'est perfectionné dans les SIG (systèmes d'information géographique). Les efforts liés au perfectionnement dans les compétences avancées en intelligence artificielle ont diminué, car les bibliothèques se sont élargies, les modules généraux d'IA fonctionnent bien et disposent de matériaux pédagogiques considérables pour en faciliter la compréhension.
Le directeur logiciel d'AI for Earth a déclaré qu'autrefois il fallait un doctorat aux gens, alors qu'aujourd'hui il suffit de 10 lignes de code. Cependant, cette puissance croissante amène les gens à croire que l'IA peut résoudre n'importe quel problème planétaire. Elle ne le peut pas, ou, si l'on est plus optimiste, pas encore.
« Nous essayons de réduire le battage médiatique autour de l'intelligence artificielle. Si vous ne savez pas ce qu'est l'IA, vous ne croirez pas à ce qu'elle est »
Le programme met l'accent sur l'explicabilité dans bon nombre de ses initiatives, afin que les scientifiques et les chercheurs en IA puissent ensemble comprendre les résultats issus des modèles. Cette mission s'accorde de plus en plus avec les organismes publics concernés. Récemment, le programme AI for Earth a signé un accord de partenariat avec le Centre de recherche en ingénierie de l'armée américaine pour améliorer le système de surveillance des zones côtières.
À terme, la modélisation gagne en maturité, même s'il reste encore beaucoup à faire. « Pour l'instant, je dirais que nous en sommes encore au stade du mezzanine. Beaucoup de processus nécessitent un grand nombre de traitements spécifiques », a déclaré Nuño. La bonne nouvelle est que de plus en plus de personnes entrent sur le terrain, essaient de relier les points et, ce faisant, améliorent les capacités de réponse aux catastrophes naturelles dans le monde entier.
