Μετά τον σεισμό στη Μιανμάρ στις 28 Μαρτίου που σκότωσε χιλιάδες ανθρώπους, η Microsoft παρείχε υποστήριξη συνδυάζοντας δορυφορικές εικόνες και τεχνητή νοημοσύνη για να εντοπίσει περιοχές που χρήζουν επείγουσας βοήθειας.
Χάρτης που δείχνει την εκτίμηση των ζημιών στη Μιανμάρ μετά τον σεισμό. Φωτογραφία: Microsoft
Στις 29 Μαρτίου, η Planet Labs (PBC) κατέγραψε δορυφορικές εικόνες των περιοχών που επλήγησαν από τον σεισμό αμέσως μόλις διαλύθηκαν τα σύννεφα και τις έστειλε στο εργαστήριο AI for Good της Microsoft. Στα κεντρικά γραφεία της Microsoft στο Ρέντμοντ της Ουάσινγκτον (ΗΠΑ), γύρω στις 11 μ.μ. στις 28 Μαρτίου, μια ομάδα ειδικών ήταν έτοιμη να λάβει τις εικόνες και να χρησιμοποιήσει την AI για να αναλύσει τις ζημιές, εντοπίζοντας τα κατεστραμμένα και σοβαρά κατεστραμμένα κτίρια.
Πριν από τις σημερινές τεχνολογικές εξελίξεις, η αξιολόγηση των ζημιών μετά από καταστροφές όπως σεισμοί και πλημμύρες βασιζόταν σε επιτόπια ανάλυση. Αυτή η μέθοδος ήταν χρονοβόρα, καθώς διαρκούσε από ημέρες έως εβδομάδες. Ενώ παρείχε λεπτομερή δεδομένα, δεν μπορούσε να ανταποκριθεί στις απαιτήσεις της επείγουσας δράσης.
Αυτές είναι εικόνες που τραβήχτηκαν από τους δορυφόρους Planet Labs PBC πριν και μετά τον σεισμό στη Μιανμάρ. (Φωτογραφία: Planet Labs PBC)
Η Microsoft κοινοποίησε τον τρόπο με τον οποίο η τεχνητή νοημοσύνη της αναλύει την έκταση της καταστροφής από δορυφορικές εικόνες υψηλής ανάλυσης. Το σύστημα χρησιμοποιεί συνελικτικά νευρωνικά δίκτυα (CNN), έναν τύπο υπερυπολογιστή που ειδικεύεται στην επεξεργασία οπτικών δεδομένων, για να συγκρίνει εικόνες πριν και μετά από μια καταστροφή. Στη συνέχεια, το μοντέλο εφαρμόζει ένα σύστημα βαθμολόγησης για να ποσοτικοποιήσει τη σοβαρότητα της ζημιάς, ταξινομώντας τις περιοχές σε κατηγορίες όπως «καμία ζημιά», «μικρές ζημιές», «μερικώς κατεστραμμένες» και «ολοσχερώς κατεστραμμένες».
Η Microsoft τονίζει ότι, στο πλαίσιο της αντιμετώπισης καταστροφών, η αξία της αυτοματοποιημένης αξιολόγησης ζημιών έγκειται στην ταχύτητα της εξαγωγής συμπερασμάτων και όχι στην απόλυτη ακρίβεια. Επομένως, αυτή τη φορά, η ερευνητική ομάδα ανέπτυξε ένα προσαρμοσμένο μοντέλο ειδικά για το Mandalay, επειδή, σύμφωνα με την επικεφαλής επιστήμονα δεδομένων της Microsoft, Lavista Ferres, «Η Γη είναι πολύ ποικιλόμορφη, οι φυσικές καταστροφές είναι πολύ ποικίλες και οι δορυφορικές εικόνες είναι πολύ διαφορετικές για να χρησιμοποιηθεί ένα μόνο μοντέλο για κάθε περίπτωση».
Σύμφωνα με τα τοπικά μέσα ενημέρωσης, η Μανταλέι ήταν η περιοχή που επλήγη περισσότερο από τον σεισμό της 28ης Μαρτίου. Η ανάλυση της τεχνητής νοημοσύνης έδειξε ότι 515 κτίρια εκεί υπέστησαν ζημιές από 80% έως 100%, ενώ περίπου 1.524 άλλα υπέστησαν ζημιές από 20% έως 80%. Άλλες περιοχές που επλήγησαν σοβαρά ήταν η Γιανγκόν και το Μινκούν.
Δεν είναι η πρώτη φορά που το εργαστήριο AI for Good της Microsoft χρησιμοποιεί την AI για την αξιολόγηση των ζημιών. Το 2023, η ομάδα παρακολούθησε καταστροφικές πλημμύρες στη Λιβύη για να προβλέψει κινδύνους και να βοηθήσει στις προσπάθειες ανάκαμψης, ανέλυσε τις ζημιές από έναν μεγάλο σεισμό στην Τουρκία τον Μάρτιο και αξιολόγησε τον αντίκτυπο των πυρκαγιών στο Μάουι τον Αύγουστο, αναλύοντας περισσότερα από 2.810 κτίρια.
Αυτή τη στιγμή, οι προσπάθειες διάσωσης στη Μιανμάρ προχωρούν αργά λόγω διακοπών ρεύματος, ελλείψεων καυσίμων, διαταραχών επικοινωνίας και κατολισθήσεων που έχουν αποκλείσει πολλές περιοχές. Η έλλειψη σύγχρονου εξοπλισμού παρεμποδίζει επίσης τις επιχειρήσεις έρευνας και διάσωσης, αναγκάζοντας πολλούς ανθρώπους να σκάβουν με το χέρι σε σκληρές, ζεστές καιρικές συνθήκες.
(Σύμφωνα με την India Today, theglobeandmail)
Σκηνές καταστροφής στη Μιανμάρ μετά τον σεισμό: Στο Sagaing, το επίκεντρο του σεισμού στη Μιανμάρ, οι αρχές αγωνίζονται να θάψουν χιλιάδες θύματα που πέθαναν στην καταστροφή της 28ης Μαρτίου.
Πηγή: https://vietnamnet.vn/ai-va-ve-tinh-da-ho-tro-cuu-nan-trong-dong-dat-myanmar-nhu-the-nao-2386997.html






Σχόλιο (0)