Phát biểu trước báo giới hôm 7/7, chuyên gia về chính sách đô thị, ông Wahyu Eka Styawancho biết, việc sử dụng công nghệ AI cho Hệ thống cảnh báo sớm lũ lụt là bước chuyển đổi chiến lược cần thiết, để thay đổi mô hình từ phản ứng thụ động sang chủ động, có tính dự báo và dựa trên bằng chứng khoa học. Ông giải thích, độ chính xác của các phương pháp truyền thống thường chỉ đạt khoảng 70-80%. Hơn nữa, hệ thống cần nhiều thời gian để cập nhật xử lý dữ liệu, dẫn đến phản hồi chậm trễ; không có khả năng nắm bắt sự thay đổi của đất, sông ngòi và lượng mưa dẫn đến nguy cơ lũ lụt.

Trong khi đó, mô hình dựa trên trí tuệ nhân tạo (AI) có thể nâng cao độ chính xác lên đến 90%; đưa ra các cảnh báo sớm hơn thông qua mô hình dự báo mực nước dâng cao, kết hợp nhiều nguồn dữ liệu khác nhau, như ảnh vệ tinh, cảm biến hiện trường và thông tin khí tượng. Thời gian cảnh báo cũng xa hơn, giúp chính phủ và người dân có nhiều cơ hội hơn chuẩn bị các biện pháp giảm thiểu rủi ro và sơ tán. Phương phápnày cũng có thể làm rõ các yếu tố ảnh hưởng đến nguy cơ lũ lụt, như thay đổi đất đai, sự lắng đọng phù sa ở sông ngòi và cường độ mưa cực đoan. Đưa ra các kịch bản lũ lụt khác nhau, hỗ trợ lập kế hoạch giảm thiểu thiệt hại.

Diễn đàn Môi trường Indonesia (WALHI) lưu ý, các cơ quan quản lý thiên tai không nên giới hạn việc sử dụng trí tuệ nhân tạo vào dự đoán thời gian và địa điểm xảy ra lũ lụt. Điều này mới chỉ giúp thích ứng tốt hơn với thảm họa mà không giải quyết được nguyên nhân gốc rễ. Do đó cần phải sử dụng Trí tuệ nhân tạo làm cơ sở để đánh giá chính sách, nguyên nhân gây thiệt hại môi trường và chủ động ngăn chặn nguy cơ gây thảm họa.

Tuy nhiên, Phó giám đốc Cơ quan Khí tượng, Khí hậu và Địa vật lý Indonesia (BMKG), ông Guswantocho biết, cơ quan đang trong quá trình số hóa hệ thống cảnh báo sớm lũ lụt. Việc triển khai hệ thống dựa trên trí tuệ nhân tạo gặp nhiều thách thức, do yêu cầu hệ thống máy chủ lớn và tính sẵn sàng của dữ liệu. Ngoài ra, việc tích hợp, đồng bộ các hệ thống hiện có của các cơ quan chức năng cũng gặp nhiều khó khăn.