Об искусственном интеллекте часто говорят как об угрозе для человечества. Но гуманитарные организации используют его, чтобы прогнозировать голод, картировать разрушения и доставлять помощь, не подвергая людей риску.
Доставка продовольствия через зоны конфликтов, минные поля и районы, затронутые наводнениями, может подвергать гуманитарных работников смертельному риску.
РЕКЛАМА
РЕКЛАМА
Теперь технологии, разработанные для управления роверами на далеких планетах, адаптируют, чтобы избавить сотрудников гуманитарных организаций от участия в самых опасных миссиях.
Проект AHEAD — совместная инициатива Всемирной продовольственной программы, немецкого аэрокосмического центра DLR, Красного Креста и технологических партнеров — разрабатывает дистанционно управляемые машины, способные доставлять грузы через территории, которые считаются слишком опасными или труднодоступными для обычных грузовиков.
Кадры, снятые на испытательном полигоне DLR в Германии, демонстрируют вездеход SHERP, который заходит в открытый водоем и преодолевает пересеченную местность.
Датчики сканируют пространство перед машиной, а оператор управляет ею дистанционно, что позволяет транспортному средству двигаться без водителя за рулем.
Система опирается на опыт DLR в создании дистанционно управляемых и автономных планетарных роверов, в том числе MMX, предназначенного для исследования Фобоса — одного из спутников Марса.
Стремление использовать новые технологии в гуманитарной сфере не ограничивается только физической доставкой грузов.
Платформа HungerMap Live, открытый для широкой публики ресурс, разработанный Всемирной продовольственной программой, применяет машинное обучение и данные, поступающие почти в режиме реального времени, чтобы отслеживать уровень продовольственной незащищённости более чем в 95 странах.
По данным организации, она объединяет информацию о таких факторах, как конфликты, погода, климатические риски и экономическая ситуация, что помогает выявлять зарождающиеся продовольственные кризисы.
«Каждый может зайти и посмотреть HungerMap Live в интернете. Там доступны данные в реальном времени, а сейчас мы уже работаем над прогнозированием продовольственной обеспеченности на 90 дней вперёд», — рассказал Бернхард Коватш, директор департамента глобального акселератора и венчурных проектов Всемирной продовольственной программы.
Использование ИИ для картирования последствий бедствий
Надёжные карты также имеют ключевое значение для гуманитарных операций. Без данных о дорогах, зданиях и населённых пунктах сотрудникам гуманитарных организаций сложно решать, откуда эвакуировать людей, где размещать временные убежища и куда доставлять помощь.
После двух мощных землетрясений, произошедших в июне на севере Венесуэлы, ограниченность географических данных затруднила оценку масштабов разрушений и определение приоритетов помощи.
Команда Humanitarian OpenStreetMap сообщает, что использовала методы машинного обучения, чтобы извлечь информацию о зданиях из спутниковых снимков. Затем добровольцы просматривали изображения в приложении MapSwipe, отмечая районы, где здания, по-видимому, пострадали.
«В течение четырёх дней после землетрясения нам удалось мобилизовать более 600 добровольцев, которые буквально свайпали влево и вправо в мобильном приложении, отмечая: да, эта группа зданий повреждена; нет, эта группа зданий не повреждена», — рассказала Лин Д’Хондт, директор по технологиям и данным в команде Humanitarian OpenStreetMap.
«И это действительно помогло спасателям на раннем этапе направляться в нужные районы для доставки пищи и всех других необходимых вещей в первые дни после землетрясения», — добавила Д’Хондт.
При всей скорости, которую даёт ИИ, эта технология пока не может соперничать по точности с кропотливой работой, которую выполняют люди, составляющие карты.
«Ручное картирование по-прежнему обеспечивает наилучшее качество. Однако иногда важнее скорость», — пояснила она.
«Иногда важнее примерно понимать, где находятся здания. Карта может быть не идеальной, но мы знаем, сколько людей живёт в этом районе. Именно здесь сейчас и находят применение модели искусственного интеллекта и машинного обучения».
Несмотря на стремительное развитие технологий, эксперты отмечают, что такие системы пока далеки от того, чтобы стать стандартной частью механизмов реагирования на чрезвычайные ситуации по всему миру.
«Сейчас в большинстве стран подобные системы ещё не встроены в протоколы реагирования на ЧС», — говорит Моник Куглиш, менеджер по инновациям в институте имени Генриха Герца общества Фраунгофера.
«Есть и исключения. В Индии действует основанная на ИИ система раннего предупреждения. В Европе у нас есть система прогнозирования, созданная Европейским центром среднесрочных прогнозов погоды, она тоже работает. Но во многих странах такие решения остаются на уровне эксперимента».