Δύο Ιάπωνες επιστήμονες δεδομένων, ο Σάτο και ο δρα Γιουσούκε Φουκαζάβα, δημοσίευσαν πρόσφατα μια μελέτη στο International Journal of Data Science and Analytics με στόχο να διερευνήσουν αν η Τεχνητή Νοημοσύνη (AI) μπορεί να προβλέψει ατυχήματα στο βουνό.
Από την ανάλυση των αιτίων… στην πρόβλεψη
Μέχρι σήμερα, η έρευνα για τα ορειβατικά ατυχήματα βασιζόταν κυρίως σε έρευνες και ιστορικά στοιχεία για να εξηγήσει γιατί συνέβη ένα περιστατικό. Συχνά εξετάζονταν τα χαρακτηριστικά του ορειβάτη, ο εξοπλισμός ή το έδαφος.
Αντίθετα, η νέα μελέτη επιχειρεί να προβλέψει τι είδους ατύχημα μπορεί να συμβεί, βασιζόμενη αποκλειστικά σε δεδομένα που είναι διαθέσιμα πριν από την ανάβαση.
Οι ερευνητές ταξινόμησαν τα ατυχήματα σε τέσσερις κατηγορίες:
πτώσεις από ύψος,
πτώσεις σε ομαλό ή ελαφρά κεκλιμένο έδαφος,
περιστατικά κόπωσης,
απώλεια προσανατολισμού.
Για την ανάλυση χρησιμοποίησαν στοιχεία από 2.596 ατυχήματα στην επαρχία Ναγκάνο της Ιαπωνίας (2014–2023). Συγκέντρωσαν δεδομένα όπως ημερομηνία, εποχή, ώρα, καιρικές συνθήκες, ηλικία και φύλο του ορειβάτη, μέγεθος ομάδας, αλλά και πληροφορίες για το εκάστοτε βουνό μέσω διαδικτυακών πηγών.
Η μέθοδος και τα αποτελέσματα
Τα δεδομένα μετατράπηκαν σε σύντομες, δομημένες προτάσεις, τις οποίες επεξεργάστηκαν διάφορα μοντέλα AI. Το πιο επιτυχημένο ήταν το ιαπωνικό μοντέλο BERT, που μπόρεσε να προβλέψει σωστά τον τύπο ατυχήματος σε περίπου 57% των περιπτώσεων.
Το μοντέλο μάλιστα ανέδειξε λέξεις-κλειδιά που σχετίζονταν με κάθε κατηγορία ατυχήματος:
Πτώση από ύψος
Πτώση στο έδαφος
Κόπωση
Απώλεια προσανατολισμού: «χιόνι», «ομίχλη», «νύχτα», «μοναχικός ορειβάτης».
Οι περιορισμοί της έρευνας
Παρά τα εντυπωσιακά ευρήματα, υπάρχουν σημαντικές επιφυλάξεις:
Το μοντέλο χρησιμοποίησε πραγματικές καιρικές συνθήκες από τις αναφορές ατυχημάτων, ενώ στην πράξη διαθέσιμες θα είναι μόνο οι προβλέψεις.
Ορισμένες περιγραφές βουνών περιείχαν λέξεις όπως «απότομη ράχη», που ουσιαστικά αποκαλύπτουν τον κίνδυνο.
Το δείγμα περιλάμβανε μόνο ατυχήματα, όχι και τις πολυάριθμες ασφαλείς αναβάσεις, άρα δεν μπορεί να αποδείξει αν ένας παράγοντας αυξάνει πραγματικά τον κίνδυνο.
Η ανάλυση περιορίστηκε σε μία περιοχή της Ιαπωνίας.
Η προοπτική στο μέλλον
Η μελέτη δείχνει ότι, με τα σωστά δεδομένα προγραμματισμού (ημερομηνία, διαδρομή, μέγεθος ομάδας, πρόγνωση καιρού, πληροφορίες βουνού), ένα AI μπορεί να αναγνωρίζει μοτίβα που σχετίζονται με διαφορετικούς τύπους ατυχημάτων.
Φανταστείτε μια εφαρμογή ορειβασίας που ενσωματώνει τέτοιο μοντέλο:
Ανιχνεύει αυξημένο κίνδυνο κόπωσης σε μακρινές διαδρομές το καλοκαίρι,
Προειδοποιεί έναν μοναχικό ορειβάτη για πιθανή απώλεια προσανατολισμού σε νύχτα με ομίχλη,
Συμβουλεύει αλλαγή ώρας εκκίνησης ή προσαρμογή εξοπλισμού.
Ήδη, σύμφωνα με έρευνα του 2024, το 99,2% των πεζοπόρων του Pacific Crest Trail χρησιμοποιεί εφαρμογές για πλοήγηση και προγραμματισμό. Η προσθήκη εργαλείων AI θα μπορούσε να είναι το επόμενο βήμα.
Συμπέρασμα
Προς το παρόν, η τεχνητή νοημοσύνη αποτελεί υποσχόμενη ιδέα αλλά όχι αποδεδειγμένο μέσο πρόληψης. Απαιτούνται μεγαλύτερες βάσεις δεδομένων, εφαρμογή σε διαφορετικά βουνά και χώρες, και τεστ σε πραγματικές συνθήκες πριν μπορέσει να ενσωματωθεί αξιόπιστα σε εφαρμογές ορειβασίας.
Ωστόσο, η μελέτη των Σάτο και Φουκαζάβα ανοίγει τον δρόμο για μια νέα εποχή όπου η τεχνολογία ίσως γίνει ο αόρατος σύντροφος που θα μειώσει τους κινδύνους στο βουνό.
