برنده جایزه گلدن گلوب با «ردیابی» داده‌ها، پیش‌بینی سیل را ۶ برابر دقیق‌تر می‌کند

(دن تری) - دکتر تران نگوک وین، در لحظه دریافت جایزه گلدن گلوب ۲۰۲۵، از اینکه تحقیقاتش نتوانسته برای کمک به زادگاهش در کاهش خسارات ناشی از طوفان و سیل اخیر به کار گرفته شود، احساس نگرانی می‌کرد.

در ۲۹ اکتبر، در مراسم اهدای جوایز علم و فناوری گلدن گلوب ۲۰۲۵، دکتر تران نگوک وین نتوانست احساسات و غرور خود را هنگام تقدیر از کار تحقیقاتی‌اش پنهان کند.

دانشمند جوان در میان تشویق همکاران بااستعدادش روی صحنه رفت و همزمان احساس غرور و پشیمانی کرد.

حدود یک ماه پیش، زادگاه دکتر وین ( باک نین ) به دلیل تأثیر طوفان شماره ۱۱ (طوفان ماتمو) مجبور شد برای مقابله با سیل شدید تلاش کند.

لحظه دریافت این جایزه افتخار بزرگی بود، اما در عین حال لحظه غم‌انگیزی بود زیرا پروژه پیش‌بینی سیل که این جایزه را به همراه داشت، نتوانست به کاهش خسارات سنگین جانی و مالی به میهن کمک کند.

در واقع، در سال ۲۰۲۵، بلایای طبیعی در ویتنام به طور مکرر و با شدت فزاینده‌ای رخ خواهند داد و به طور جدی بر زندگی و تولید مردم در سراسر کشور تأثیر خواهند گذاشت.

باران‌های شدید، سیل‌های ناگهانی و طوفان‌های پی در پی، چالش‌های فزاینده‌ای را برای پیش‌بینی، واکنش و پیشگیری از بلایا ایجاد می‌کنند.

افزایش سطح آب سیل باعث شده است که بسیاری از بخش‌ها در امتداد رودخانه تونگ (باک نین) به دلیل اثرات طوفان شماره ۱۱ به شدت زیر آب بروند (عکس: مان کوان).

در این زمینه، تحقیقات دکتر تران نگوک وین، با ترکیب هوش مصنوعی (AI) با مدل‌های فیزیکی، پیشرفتی در پیش‌بینی سیل محسوب می‌شود و دقتی ۶ برابر بیشتر از روش‌های سنتی ارائه می‌دهد.

این اثر در مجله‌ی اصلی اتحادیه‌ی ژئوفیزیک آمریکا (AGU) منتشر شد، که سالانه کمتر از ۱۰۰ مطالعه منتشر می‌کند.

اثر «سا پا آرام» راه را برای تحقیق دانشمندان جوان باز می‌کند.

چه چیزی باعث شد که مصمم شوید پیش‌بینی سیل را دنبال کنید، حتماً خیلی مشتاق هستید یا سنت خانوادگی‌تان را ادامه می‌دهید؟

- من از دانشگاه علوم طبیعی فارغ‌التحصیل شدم و تا سال ۲۰۱۷ به عنوان محقق در این دانشکده مشغول به کار بودم و رشته تحصیلی‌ام علوم زمین، به ویژه آب و هواشناسی بود.

در همان سال، بورسیه دکترا در کره دریافت کردم که زمینه اصلی تحقیقات من پیش‌بینی سیل در رودخانه‌ها و سیلاب‌های شهری بود.

دکتر وین در سال 2021 در یک دوره آموزشی مدیریت منابع آب توسط یونسکو در جزیره ججو، کره جنوبی شرکت کرد (عکس: NVCC).

قبل از تکمیل پایان‌نامه‌ام، شروع به درخواست کار در آمریکا کردم و خوش‌شانس بودم که 10 پیشنهاد از دانشگاه‌ها دریافت کردم.

در نهایت، من دانشگاه میشیگان را انتخاب کردم، جایی که تا به امروز در آن کار و تحقیق کرده‌ام.

در دوران دبیرستان، تقریباً هیچ چیز در مورد رشته آب و هواشناسی نمی‌دانستم، به جز تصویر مرد جوانی که به عنوان هواشناس در بالای کوه ین سون در کتاب «سا پا آرام» کار می‌کرد و آن را در کتاب ادبیات یاد گرفته بودم.

وقتی آرزوهایم را ثبت کردم، فقط به صنایع «کلیدی» مانند اقتصاد ، فناوری اطلاعات یا ساخت و ساز فکر می‌کردم.

این فرصت واقعاً زمانی پیش آمد که به اولین آرزوهایم نرسیدم.

در سال اول دانشگاه، تقریباً هیچ ایده‌ای نداشتم که رشته تحصیلی‌ام چه شغلی را در بر خواهد داشت.

تا سال سوم، زمانی که شروع به شرکت در پروژه‌های تحقیقاتی علمی کردم و از معلمان راهنمایی‌های دقیقی دریافت کردم، به تدریج به اهمیت این رشته پی بردم و واقعاً عاشق رشته‌ای که انتخاب کرده بودم شدم.

من این فرصت را داشتم که به بسیاری از نقاط کشور بروم تا رودخانه‌ها، دریاها، جریان‌های آبی، هواشناسی را اندازه‌گیری کنم...

همین سفرها بود که باعث شد بفهمم کشورم چقدر زیبا و غنی است، و در عین حال، متخصصان و پزشکان داخلی و خارجی چیزهای زیادی به من آموختند.

چه متخصصان و معلمانی الهام‌بخش شما بوده‌اند؟

- با این حال، تا حدودی درست است، وقتی شاهد صحنه‌ای هستیم که مردم منطقه مرکزی هر ساله با سیل مواجه می‌شوند.

رودخانه‌هایی مانند لام و تو بن هر زمان که باران شدید می‌بارد، طغیان می‌کنند و به مردم آسیب می‌رسانند. این واقعیت همیشه باعث می‌شود که من به این فکر کنم که چگونه می‌توان پیش‌بینی دقیق‌تری انجام داد تا خطرات به حداقل برسد.

علایق تحقیقاتی من بر روی طغیان رودخانه‌ها و سیلاب‌های شهری متمرکز است.

کاربرد هوش مصنوعی (AI) اساساً فقط یک روش جدید برای بهبود دقت است که در ادامه مدل‌های ریاضی و فیزیکی قبلی ارائه شده است.

با پیشرفت هوش مصنوعی، می‌خواهم ببینم این فناوری چقدر می‌تواند پیش‌بینی را بهبود بخشد.

شادی گلدن گلوب و نگرانی پیش‌بینی‌کنندگان سیل

وقتی تحقیقات شما اعلام شد و جایزه را در دست گرفتید، چه احساسی داشتید؟

- این دومین سالیه که نامزد میشم اما اولین ساله که جزو 10 نفر برترم، اینکه به خاطر تلاشهام مورد تقدیر قرار میگیرم، یه قدردانی ارزشمنده.

شاید تا حدودی به دلیل همزمانی این دو زمان، یعنی زمانی که شمال با سیل‌های متوالی مواجه بود، ارزش کاربردی این تحقیق شناخته شد و توجه بیشتری را به خود جلب کرد.

دکتر وین نویسنده‌ی مشترک ۸ اختراع، ده‌ها مقاله منتشر شده در مجلات Q1 و چندین کتاب تخصصی در زمینه‌ی هیدرولوژی است (عکس: NVCC).

اما این شادی با نگرانی‌های زیادی همراه بود، وقتی بسیاری از نقاط کشور، به خصوص شهر زادگاهم، باک نین، دچار سیل شدند و این باعث شد بسیار غمگین شوم.

مواقعی وجود دارد که احساس درماندگی می‌کنیم، زیرا حتی با وجود اینکه داده‌ها را داریم، هیچ راهی برای رساندن آن اطلاعات به مردم به سریع‌ترین و موثرترین روش وجود ندارد.

هدف نهایی که می‌خواهید با این پروژه به آن برسید چیست؟

- کار من به ایجاد مدل‌های پیش‌بینی دقیق‌تر ختم نمی‌شود، هدف، کمک به کاهش خطرات و خسارات ناشی از سیل است.

من می‌خواهم یک سیستم پیش‌بینی تعاملی دوطرفه ایجاد کنم که در آن اطلاعات نه تنها از سوی مقامات، بلکه از سوی گروه‌های مدیریتی، کسب‌وکارها و حتی شهروندان نیز دریافت شود.

بخش مهم‌تر در مراحل اتصال، ارتباط و تصمیم‌گیری نهفته است، به طوری که اطلاعات پیش‌بینی به موقع و واضح به مردم برسد.

به نظر شما، محدودیت‌های اصلی در پیش‌بینی سیل و کار ارتباطی امروز که باعث می‌شود مردم در مواجهه با بلایای طبیعی منفعل باشند، چیست؟

- در واقع، بیشتر اطلاعات فقط در سطح «پیش‌بینی باران شدید» است، در حالی که آنچه مردم می‌خواهند بدانند این است که کدام مناطق، رودخانه‌ها یا خیابان‌ها در معرض خطر سیل هستند تا بتوانند به طور پیشگیرانه واکنش نشان دهند.

یک واقعیت که به راحتی قابل مشاهده است، فقدان کیفیت پیش‌بینی‌های سیل از منابع رسمی و در عین حال فراوانی پیش‌بینی‌های غیررسمی از «کارشناسان شبکه» است.

اطلاعات پیش‌بینی که «جعل‌کننده» هستند، می‌توانند باعث سوءتفاهم و سردرگمی در جامعه شوند.

در همین حال، فقدان پیش‌بینی‌هایی با گام‌های زمانی طولانی (نتایج پیش‌بینی باید چند روز قبل به مردم اطلاع داده شود) منجر به واکنش بسیار محدود به بلایای طبیعی در حال حاضر می‌شود.

سیل اخیر در باک نین نمونه بارزی است که نشان می‌دهد مردم تنها زمانی «شروع به واکنش» می‌کنند که سطح آب رودخانه‌ها بسیار بالا آمده و در شرف سرریز شدن از کناره‌ها است، و در این مرحله مردم فقط فرصت دارند نیروها را برای ساخت خاکریز و جابجایی دارایی‌ها بسیج کنند.

اینها اقدامات اضطراری و موقعیتی هستند.

اما اگر یک سیستم پیش‌بینی وجود داشت که به اندازه کافی زود و با جزئیات کافی بود، مردم می‌توانستند بسیار پیشگیرانه‌تر عمل کنند و خسارات به طور قابل توجهی کاهش می‌یافت.

گلوگاه مشکل سیل شهری

  هوش مصنوعی قابلیت‌های پیش‌بینی سریعی را ارائه می‌دهد اما خطرات بالقوه زیادی نیز دارد. چگونه می‌توان آن «روی تاریک» را کنترل کرد؟

- در طول پروژه، سختی‌ها و شکست‌های زیادی را تجربه کردم، به خصوص مشکل دشوار جمع‌آوری منابع داده‌ی تمیز و جامع.

داده‌های اندازه‌گیری واقعی اغلب متناقض هستند و منجر به نتایج پیش‌بینی ضعیف هنگام اعمال مدل از مرکز تا غرب ایالات متحده، به ویژه در حوضه‌های سنگی، می‌شوند و به "گورستان" مدل‌های پیش‌بینی تبدیل می‌شوند.

دکتر وین و همکارانش یک چارچوب مدل‌سازی جدید با ترکیب هوش مصنوعی و مدل پیش‌بینی سیل مدل ملی آب (NWM) توسعه دادند تا به کاهش خطاها در برنامه‌ریزی پیش‌بینی سیل و پیش‌بینی‌های دقیق‌تر کمک کنند (عکس: وو تان بین).

در زمینه پیش‌بینی سیل، هوش مصنوعی می‌تواند نتایج خوبی ارائه دهد، اما اثربخشی آن تا حد زیادی به کیفیت داده‌ها بستگی دارد.

نمی‌تواند ماهیت فیزیکی را به طور کامل درک کند، مدل باید قبل از کاربرد، به طور کامل آزمایش شود و با تجربه انسانی ترکیب شود تا از قابلیت اطمینان آن اطمینان حاصل شود.

در دانشگاه میشیگان، به لطف محاسبات با کارایی بالا، فرآیند آموزش مدل فقط ۱ تا ۳ روز طول می‌کشد، در حالی که با استفاده از سیستم‌های معمولی، این کار می‌تواند تا یک ماه طول بکشد.

در ویتنام، اگر سرمایه‌گذاری زیادی در علوم پایه صورت گیرد، کاربرد هوش مصنوعی در پیش‌بینی سیل دیگر یک رویای دور از دسترس نخواهد بود.

از دیدگاه یک محقق، به نظر شما علت سیل هانوی پس از هر باران شدید، با وجود سرمایه‌گذاری در پیشگیری از سیل، چیست؟

- در واقع، هانوی با وجود سرمایه‌گذاری در زیرساخت‌ها، جاده‌سازی و ساخت فاضلاب، هنوز دچار سیل است، اما هیچ تحقیق اساسی برای درک ماهیت شبکه جریان شهری انجام نشده است.

باران شدید در ۷ اکتبر باعث جاری شدن سیل شدید در بسیاری از خیابان‌های هانوی شد (عکس: وو تان بین).

علت اصلی را می‌توان اینگونه توضیح داد که سیستم زهکشی فعلی قادر به تخلیه سیل نیست یا به طور مؤثر کار نمی‌کند.

یکی از دلایل ناکارآمدی سیستم زهکشی سیل این است که بسیاری از منهول‌ها با زباله پوشیده شده‌اند و از تخلیه آب باران جلوگیری می‌کنند و به طور قابل توجهی راندمان عملیاتی کل سیستم را کاهش می‌دهند.

هر بار که باران شدید می‌بارد، زباله‌ها به داخل فاضلاب‌ها سرازیر می‌شوند و باعث گرفتگی‌های محلی می‌شوند.

در همین حال، به دلیل تراکم بالای جمعیت و حجم عظیم زباله‌های خانگی، کار نگهداری و لایروبی فاضلاب با مشکلات زیادی روبرو است.

تنها ۰.۱ تا ۱ درصد از میلیون‌ها ساکن هانوی که به طور غیرقانونی زباله می‌اندازند، برای تأثیر جدی بر سیستم زهکشی شهری کافی است.

تحقیقات علمی پایه به درک ماهیت علت آبگرفتگی یک نقطه و جهت تخلیه آب کمک می‌کند، که به ما در تخصیص و تنظیم منطقی جریان کمک می‌کند و در عین حال از مدیران برای برنامه‌ریزی سرمایه‌گذاری‌های زیرساختی مؤثرتر پشتیبانی می‌کند.

آیا قصد دارید برای حل مشکلاتتان به ویتنام برگردید و کار کنید؟

- من همیشه امیدوارم که اگر بتوانم به پیشرفت خودم ادامه دهم و مسیرهای تحقیقاتی مورد علاقه‌ام را دنبال کنم، در عین حال که امنیت مالی‌ام را برای مراقبت از خانواده‌ام تضمین می‌کنم، فرصتی برای بازگشت به ویتنام داشته باشم.

ایجاد تعادل بین زندگی، چه شغلی و چه خانوادگی، بسیار مهم است.

دکتر تران نگوک وین در بازگشت به دانشگاه علوم طبیعی برای شرکت در جشن سی‌امین سالگرد دانشکده آب و هواشناسی و اقیانوس‌شناسی (عکس: وو تان بین).

علاوه بر این، تاکنون بودجه علوم زمین، به ویژه برای پیش‌بینی بلایای سیل، در سطح پایینی بوده است. بزرگترین پروژه‌ها تنها حدود ۵ تا ۱۰ میلیارد دانگ ویتنام هزینه دارند.

بدیهی است که بودجه یک پروژه، کیفیت خروجی آن را تعیین می‌کند. سرمایه‌گذاری محدود منجر به محدودیت‌هایی در داده‌ها، فناوری یا سیستم‌های محاسباتی مورد استفاده برای تحقیق می‌شود.

ممنون TS بابت چت!

منبع: https://dantri.com.vn/khoa-hoc/chu-nhan-qua-cau-vang-truy-vet-du-lieu-dua-du-bao-lu-chinh-xac-gap-6-lan-20251114153912464.htm