A mesterséges intelligenciáról (MI) gyakran mint az emberiséget fenyegető veszélyről beszélnek. A humanitárius szervezetek viszont az éhezés előrejelzésére, a pusztítás feltérképezésére és a segítség célba juttatására használják, anélkül hogy embereket küldenének veszélybe.
Az élelmiszer eljuttatása konfliktusövezeteken, aknamezőkön és árvizeken keresztül halálos veszélynek teszi ki a humanitárius segélymunkásokat.
HIRDETÉS
HIRDETÉS
Most olyan technológiát, amelyet eredetileg távoli bolygókon közlekedő roverek irányítására fejlesztettek ki, úgy alakítanak át, hogy a világ legveszélyesebb segélyakcióiból kivonja a segélymunkásokat.
Az AHEAD projekt – amelyet a Világélelmezési Program, a német repülési és űrkutatási központ, a DLR, a Vöröskereszt és technológiai partnereik közösen valósítanak meg – távolról irányítható járműveket fejleszt, amelyek képesek utánpótlást szállítani olyan térségekben, amelyeket a hagyományos teherautós kiszállítás számára túl veszélyesnek vagy túl nehezen megközelíthetőnek tartanak.
A DLR egyik németországi teszttelepén készült felvételeken egy SHERP terepjáró látható, amint nyílt vízbe gázol, majd egyenetlen terepen kapaszkodik fel.
A járművet kezelő operátor távolról irányítja, miközben a szenzorok folyamatosan pásztázzák az előttük lévő terepet, így a jármű úgy tud közlekedni, hogy senki sem ül a volán mögött.
A rendszer a DLR tapasztalataira épít a távolról irányítható és autonóm bolygófelszíni roverek fejlesztésében, köztük az MMX roverére, amelyet Phobos, a Mars egyik holdjának kutatására építettek.
Az új technológiák humanitárius célú alkalmazására irányuló törekvés nem korlátozódik a fizikai szállításokra.
A Világélelmezési Program által fejlesztett, nyilvánosan elérhető HungerMap Live platform gépi tanulást és szinte valós idejű adatokat használ az élelmezésbizonytalanság nyomon követésére több mint 95 országban.
Az ENSZ-szervezet szerint a rendszer egyesíti a konfliktusokra, az időjárásra, a klímakockázatokra és a gazdasági helyzetre vonatkozó adatokat, hogy segítsen azonosítani a kialakulóban lévő éhínségválságokat.
„A HungerMap Live felületet bárki megtekintheti az interneten. Valós idejű adatokhoz lehet hozzáférni, és jelenleg már azon dolgozunk, hogy akár 90 napra előre jelezzük az élelmezésbiztonság alakulását” – mondta Bernhard Kowatsch, a WFP Globális Akcelerátor és Vállalkozások részlegének igazgatója.
Mesterséges intelligencia a katasztrófa feltérképezésére
A megbízható térképek szintén létfontosságúak a humanitárius beavatkozásokhoz. Ha nincsenek információk az utakról, az épületekről és a lakott területekről, a segélymunkásoknak nehéz eldönteniük, hová evakuálják az embereket, hol létesítsenek menedékhelyeket vagy hová juttassák el a segélyszállítmányokat.
Miután júniusban két erős földrengés rázta meg Venezuela északi részét, a korlátozott földrajzi adatok megnehezítették a károk felmérését és a segélyezés sorrendjének meghatározását.
A Humanitarian OpenStreetMap Team közlése szerint gépi tanulást alkalmaztak arra, hogy műholdfelvételekből épületekre vonatkozó információkat nyerjenek ki. Az önkéntesek ezt követően a MapSwipe alkalmazáson keresztül átnézték a felvételeket, és megjelölték azokat a területeket, ahol az épületek sérültnek tűntek.
„A földrengést követő négy napon belül több mint 600 önkéntest sikerült mozgósítanunk, akik gyakorlatilag csak balra és jobbra húztak az ujjukkal a mobilalkalmazásban, jelezve: igen, ezen a területen sérült az épületállomány; nem, ezen a területen nem sérült az épületállomány” – mondta Leen D’hondt, a Humanitarian OpenStreetMap Team technológiai és adatügyi igazgatója.
„Ez ténylegesen segített abban, hogy a katasztrófa első helyszíni beavatkozói a megfelelő területekre menjenek az élelmiszerszállítmányokkal és mindazzal, amire közvetlenül a földrengés után szükség lehet” – tette hozzá D’hondt.
Az MI által kínált sebesség ellenére D’hondt szerint a technológia egyelőre nem ér fel az emberi térképészek részletes munkájának pontosságával.
„A kézi térképkészítés továbbra is a legjobb minőséget nyújtja. Időnként azonban a gyorsaság fontosabb” – fogalmazott.
„Néha az a legfontosabb, hogy nagyjából tudjuk, hol vannak az épületek. Lehet, hogy nincsenek tökéletesen feltérképezve, de tudjuk, hány ember él azon a területen. Ebben a pontban lépnek be most a képbe az MI- és gépi tanulási modellek.”
A gyors fejlődés ellenére a szakértők szerint ezek a rendszerek még messze vannak attól, hogy világszerte rutinszerűen beépüljenek a vészhelyzeti reagálás folyamatába.
„Jelenleg a legtöbb országban valójában nincsenek olyan rendszerek, amelyek be lennének építve ezekbe a vészhelyzeti protokollokba” – mondta Monique Kuglitsch, a Fraunhofer Heinrich Hertz Intézet innovációs menedzsere.
„Vannak kivételek. Indiában működik egy mesterséges intelligencián alapuló korai riasztórendszer. Európában is van egy MI-alapú előrejelző rendszerünk az Európai Középtávú Időjárás-előrejelzési Központtól, amely szintén üzemel. Sok országban azonban még kísérleti fázisban van a technológia.”