Illustrasjon: Fra observasjoner til forklaring av bevegelser i en fjellside: Målingene fra en observasjonsstasjon (til venstre) brukes til å trene opp en modell (i midten) som kan lære årsakssammenhenger mellom de observerte størrelsene (til høyre). I bakgrunnen: Den ustabile fjellsiden ”Stampa” mellom Aurland og Flåm på vestlandet.
I det som virker som en øy av ro i KI-stormen er det fortsatt i stor grad mennesker, geologer og deres “naturlig intelligens” for å være presis, som prøver å forutsi og varsle om mulige skred fra ustabile fjellsider. Deres vurderinger har for eksempel direkte innflytelse på skredsikring langs veier over hele Norge. Ikke mindre påvirker de evakueringer og stenging av veier ved akutt fare for skred. Den tilbakeholdne bruken av kunstig intelligens kan delvis forklares med at mange av dagens beste KI-modeller er svarte bokser. Det vil si at det ikke er mulig å få en forklaring på hva en KI-modell har lært og hvor mye den virkelig forstår av vår verden. For oss i forskningsgruppen SKRED ved Høgskulen på Vestlandet dreier vår verden seg, selvfølgelig, om skred. Med håpet om å ikke forbli i ny teknologiens steinalder, stilte vi spørsmålet: Går det å kombinere ny, kunstig intelligens med klassisk, naturlig intelligens for å forstå og forutsi når og hvor det raser i ustabile fjellsider?
For å få det beste ut av KI uten å trene opp et data-krevende monster som ingen forstår, har vi utviklet måter for å trinnvis hente ut resultat fra KI-modellenes analyser der vi kan se hva modellene har lært og hvordan de tar avgjørelser. Dette oppnår vi ved bruk av “kausalitet”, som gjør at modell kan fortelle oss hvordan ulike parametere, som for eksempel nedbør eller temperatur, påvirker bevegelser i fjellsiden. Modellen vår kan identifisere årsakssammenhengene og hvordan de endrer seg over tid. Dette gir oss verdifull innsikt i fjellsidens indre liv og gjør det mulig for geologene å forstå, for eksempel, hvorfor modellen forutser store bevegelser i de kommende dagene.
Den vanlige tilnærmingen til å forstå ustabile fjellsider er å lage en geologisk modell samt å finne ut hvilke parametere som varierer sammen med bevegelsen i fjellsiden. Denne «korrelasjonen” finner vi for eksempel hvis vi observerer økt bevegelse hver gang det regner. Problemet er at det kan være mange grunner til at disse to variablene henger sammen. Ta det klassiske “korrelasjon er ikke kausalitet”-eksempelet om iskrem.
På en vakker sommerdag på Vestlandet (sjelden, men ikke umulig!) selges det mer iskrem enn på en vanlig dag. Den samme dagen registreres det også flere badeulykker. Med utgangspunkt i den “sammenhengen” vil vi ha konkludert med at iskrem er farlig. Vi vet at for mye iskrem kan være farlig, men vi vet også at det var det gode været som fikk flere til å dra til iskrembutikken og til stranden, der ulykkene skjedde. Årsaken til at både antall iskremsalg og antall ulykker øker, er altså det gode været.
Lærdom fra tidligere skredhendelser
Vi har prøvd ut metoden på et virkelig eksempel. Etter at vi sammen med Norges Vassdrags- og Energidirektorat (NVE) hadde målt bevegelser i den ustabile fjellsiden “Stampa” i Aurland i rundt fem år, raste deler av den ut i 2023. KI-modellen sammenlignet fjellbevegelsene og meteorologiske data, og konkluderte med at snøsmelting og infiltrerende vann og fryse- og tinesykluser førte til økt bevegelse i de nedre delene av skråningen. Fryse- og tinesykluser finnes når temperaturene varierer fra pluss til minus og tilbake igjen. Dette fører til at vannet som renner ned en fjellside vil vekselvis tine og fryse. På denne måten kan små striper av vann faktisk sprenge i stykker hele fjellpartier. Men modellen har også fanget opp at dette endrer seg over tid. Da fjellsiden ble for ustabil, hadde ikke fryse- og tinesykluser eller nedbør noen effekt lenger og tyngdekraften alene gjorde at den kollapset.
Våre observasjoner i felt etter skredet støtter modellens tolkninger. Vi fant blant annet vann som siget ut fra de ny-eksponerte fjellpartiene, noe som er tegn på at vannet jobbet i fjellet og destabiliserte fjellsiden over tid.
Den naturlige intelligensens rolle
Per i dag er det nødvendig å bruke hele vår ekspertise og opparbeidede kunnskap når vi tolker resultatene av metoden. Modellen kan ha lært seg feil kausale koblinger, og til syvende og sist bør det fortsatt være et menneske som vurderer om det skal slås alarm eller ikke. Vi håper å kunne støtte både fylkesgeologene og forskere med et verktøy, snarere enn å erstatte dem, for å gi sikrere vurdering av skredfare, og bedre kunne varsle om naturkatastrofer.
Lukas Schild er stipendiat ved Institutt for bygg-, miljø- og naturvitskap ved Høgskulen på Vestlandet (HVL).
Dette er hans bidrag til formidlingskonkurransen 2025.
