Как искусственный интеллект помогает в устранении последствий чрезвычайных ситуаций

Как искусственный интеллект помогает в устранении последствий чрезвычайных ситуаций
Как искусственный интеллект помогает в устранении последствий чрезвычайных ситуаций

Анализ сообщений в социальных медиа и распознавание обломков зданий на спутниковых изображениях искусственный интеллект научился обрабатывать массивы информации при чрезвычайных ситуациях.

Поделитесь этой статьей с друзьями

Искусственный интеллект уже давно является не терминологией научно-фантастических романов, а, скорее, активно развивающейся частью нашей повседневной жизни.

Вместе с развитием и становлением искусственного интеллекта более совершенным расширяются и границы его применения уже сейчас он может помочь нам в устранении последствий чрезвычайных ситуаций, обрабатывая массивы информации, с которыми мы сталкиваемся, когда происходит катастрофа.

Когда толпы не хватает

В чрезвычайных ситуациях одним из самых быстрых и эффективных способов помочь является краудсорсинг. Анализ информации о происшествии, оценка ущерба по спутниковым снимкам для того, чтобы понять, куда отправлять спасательные команды, это и многое другое можно осуществлять с помощью краудсорсинга.

Люди справляются с этими задачами очень хорошо (искусственный интеллект пока не приблизился к коллективному человеческому разуму), но у использования краудсорсинга есть одна проблема, которая может стать критической в условиях чрезвычайных ситуаций, данных слишком много, а волонтерские ресурсы ограничены.

Машинное обучение может решить эту проблему.

Например, Artificial Intelligence for Disaster Response (AIDR), бесплатная и открытая платформа для фильтрации и классификации сообщений, относящихся к чрезвычайным ситуациям, использует одновременно человеческие ресурсы и машинный интеллект для того, чтобы автоматически анализировать тысячи сообщений в социальных медиа.

Для того чтобы научиться анализировать сообщения, алгоритм AIDR смотрит за тем, как это делают волонтеры, и запоминает каждое их решение. Это происходит до тех пор, пока он не поймет паттерн достаточно хорошо, чтобы самому принимать подобные решения.

Если алгоритм не уверен в каких-либо данных, они возвращаются волонтерам, а алгоритм запоминает их решение (и становится еще умнее).

Алгоритм очень часто достигает высокого уровня «уверенности» (до 80%) в своих действиях, что позволяет быстро классифицировать большие массивы данных работа, на которую у людей уходит несравнимо больше времени.

Вы можете бесплатно протестировать алгоритм для своего проекта на сайте AIDR.

Анализ изображений

Joint Research Centre (JRC) и DigitalGlobe, компания, занимающаяся поставкой спутниковых снимков, пошли дальше они учат алгоритм интерпретировать изображения.

Алгоритм JRC уже умеет обнаруживать на снимках обломки и оценивать ущерб после землетрясения с точностью до 92%.

Алгоритм обнаруживает повреждения зданий на спутниковых снимках. Изображение: irevolution.net/2014/06/09/analyzing-uavaerial-imagery-haiti/
Алгоритм обнаруживает повреждения зданий на спутниковых снимках. Изображение: irevolution.net/2014/06/09/analyzing-uavaerial-imagery-haiti/

DigitalGlobe с помощью краудсорсинга учит свое программное обеспечение распознавать здания на спутниковых снимках, что, помимо использования в коммерческих продуктах и сервисах компании, может приносить и социальную пользу.

Алгоритм помог бороться с малярией в Свазиленде, поскольку с его помощью можно было точнее определить плотность популяции в разных районах и, соответственно, лучше распределять спасательные ресурсы.

Для распознавания, оценки и классификации сообщений и изображений человеческие ресурсы все еще остаются незаменимыми, но точность и скорость обработки данных, которых удается достигать алгоритмам, уже сделали их незаменимыми и очень эффективными помощниками в устранении последствий чрезвычайных ситуаций.

Кроме того, они очень быстро учатся и, возможно, скоро смогут осуществлять эти действия и без участия волонтеров, оставляя им время на решение более сложных задач.