Op dinsdag 2 juli organiseerden we een werksessie van de NL AIC werkgroep Water en Klimaat, waarin we met vertegenwoordigers vanuit de overheid, markt en kenniswereld onderzochten hoe we met de hulp van AI een stevige bijdrage kunnen leveren aan het oplossen van de problematiek door de klimaatverandering.
Samenvatting
De sessie begon met twee inspirerende presentaties van Roberto Bentivoglio (TU-Delft) en Hans van Beek (TU Eindhoven) over de inzichten die er vanuit de wetenschap zijn over het gebruik van AI in extreme situaties (binnen het buiten het waterdomein). De sheets, gepresenteerde toolboxes en links naar meer informatie vind je onderaan deze pagina. De deelnemers concludeerden na de presentaties dat water sturend is voor veel maatschappelijke en economische functies en daarmee het belang onderstreept om betere voorspellingen kunnen doen rondom extreem weer.
In het tweede deel van de bijeenkomst werkten de deelnemers in groepen aan concrete use cases. Dit leidde tot de volgende use-cases:
- Satelliet data toegankelijk maken voor eindgebruikers in het waterbeheer: AI voor VARAA (Visualisation, Accelleration, Representativeness, Accuracy, Actuality)
- De digitale droom van AI emulatoren: een sleuteltechnologie voor water en klimaat.
Ontwikkelen van een modelalternatief dat goed genoeg (bijna net zo voorspelvaardig als het orgineel, wellicht ook robuuster) maar vooral heel veel sneller is dan het orgineel. - AI voor data voorbewerking van grote datasets (standaardisatie, metadata, etc).
- AI voor de interventiekeuze in rampsituaties.
De komende periode zullen we deze cases één voor één gaan uitlichten door middel van interviews op onze website. De cases zullen in verschillende vervolgbijeenkomsten verder worden uitgewerkt.
Meer informatie
- Sheets van alle presentaties (pdf)
- Werkgroep Water en Klimaat NL AIC
- Robert Bentivoglio: Paper 'Rapid spatio-temporal flood modelling via hydraulics-based graph neural networks' with links to the corresponding code and dataset
- Hans van Beek: alle informatie en software mbt Bayesian Inference kan gevonden worden op de BIASlab website: https://biaslab.github.io/
