麻省理工学院（MIT）的科学家正在开发一种人工智能(AI)工具，该工具能够生成逼真的卫星图像，以展示潜在的洪水情景。这项技术结合了生成式AI模型和基于物理学的洪水模型，旨在更准确地识别高风险区域，并为决策者提供可靠的可视化支持。

AI+物理模型:生成更精准的洪水图像

据Space.com报道，该工具首先通过物理学模型来识别有洪水风险的区域。然后，它会根据即将到来的风暴强度，生成该区域在洪水过后可能呈现的详细鸟瞰图。该工具采用了一种创新的方法，将生成式对抗网络（GAN）与物理模型相结合，以减少GAN可能产生的“幻觉”(即图像中看起来真实但不准确的特征)。

麻省理工学院地球、大气和行星科学系的博士后研究员比约恩·吕特延斯表示:“‘幻觉’可能会误导观众。我们正在考虑如何在气候影响背景下使用这些生成式AI模型，在这种情况下，拥有可靠的数据源至关重要。这就是物理模型发挥作用的地方。”

更直观的预警:助力提高疏散意愿

吕特延斯说:“我们的想法是，有一天我们可以在飓风来临之前使用这项技术，为公众提供一个额外的可视化层。”他还强调了疏散的重要性，他说:“鼓励人们在面临风险时撤离是一项巨大的挑战。也许这种可视化可以帮助提高这种准备程度。”

实测对比:AI+物理模型优势明显

为了演示该模型，研究人员将其应用于休斯顿的一个情景，生成了该市在类似飓风哈维强度风暴后发生洪水的卫星图像。他们将AI生成的图像与真实的卫星图像以及没有物理模型辅助生成的图像进行了比较。结果显示，没有物理模型辅助生成的AI图像非常不准确，出现了很多“幻觉”，主要是显示在不可能发生洪水的区域出现洪水。相反，使用物理强化方法生成的图像与真实情景非常吻合。

应用前景:辅助决策，保护生命安全

科学家们预计，这项技术将有助于预测未来的洪水情景，并提供可靠的可视化数据，帮助决策者为洪水规划、疏散和缓解工作做出明智的决策。吕特延斯表示，决策者通常使用可视化（如颜色编码的地图）来评估潜在的洪水区域，但卫星图像可视化可以提供更直观、更具吸引力的信息，同时保持可信度。

目前，该团队的方法仍处于概念验证阶段，需要更多的时间来分析其他区域，以更准确地预测各种风暴的结果。

MIT航空航天学教授、MIT媒体实验室主任达瓦·纽曼表示:“我们展示了一种将机器学习与物理学相结合的切实可行的方法，用于风险敏感的用例，这需要我们分析地球系统的复杂性，并预测未来的行动和可能的情景，以确保人们远离危险。我们迫不及待地想把我们的生成式AI工具交给地方社区层面的决策者，这可能会产生重大影响，甚至可以拯救生命。”