هوش مصنوعی و ماهواره‌ها چگونه در طول زلزله میانمار به تلاش‌های امدادرسانی کمک کردند؟

کشورهای درگیر در تلاش‌های امدادرسانی به زلزله‌زدگان میانمار، با استفاده از ترکیبی از تصاویر ماهواره‌ای و هوش مصنوعی برای شناسایی ساختمان‌های فروریخته، از فناوری فضایی پشتیبانی دریافت می‌کنند.

پس از زلزله میانمار در 28 مارس که منجر به کشته شدن هزاران نفر شد، مایکروسافت با ترکیب تصاویر ماهواره‌ای و هوش مصنوعی، پشتیبانی خود را برای شناسایی مناطقی که نیاز به کمک فوری دارند، مستقر کرد.

نقشه‌ای که ارزیابی خسارات در میانمار پس از زلزله را نشان می‌دهد. عکس: مایکروسافت

در تاریخ ۲۹ مارس، شرکت Planet Labs (PBC) به محض کنار رفتن ابرها، تصاویر ماهواره‌ای از مناطق زلزله‌زده را ثبت و برای آزمایشگاه هوش مصنوعی مایکروسافت ارسال کرد. در دفتر مرکزی مایکروسافت در ردموند، واشنگتن (ایالات متحده آمریکا)، حدود ساعت ۱۱ شب ۲۸ مارس، تیمی از متخصصان آماده دریافت تصاویر و استفاده از هوش مصنوعی برای تجزیه و تحلیل خسارات و شناسایی ساختمان‌های فروریخته و به شدت آسیب‌دیده بودند.

قبل از پیشرفت‌های تکنولوژیکی امروزی، ارزیابی خسارات پس از بلایایی مانند زلزله و سیل به تجزیه و تحلیل در محل متکی بود. این روش زمان‌بر بود و روزها تا هفته‌ها طول می‌کشید. اگرچه داده‌های دقیقی ارائه می‌داد، اما نمی‌توانست نیازهای اقدام فوری را برآورده کند.

اینها تصاویری هستند که توسط ماهواره‌های Planet Labs PBC قبل و بعد از زلزله در میانمار گرفته شده‌اند. (عکس: Planet Labs PBC)

مایکروسافت نحوه‌ی تحلیل میزان تخریب توسط هوش مصنوعی خود از تصاویر ماهواره‌ای با وضوح بالا را به اشتراک گذاشته است. این سیستم از شبکه‌های عصبی کانولوشنی (CNNs)، نوعی ابررایانه‌ی متخصص در پردازش داده‌های بصری، برای مقایسه‌ی تصاویر قبل و بعد از یک فاجعه استفاده می‌کند. سپس این مدل یک سیستم امتیازدهی را برای تعیین شدت خسارت اعمال می‌کند و مناطق را به دسته‌هایی مانند «بدون آسیب»، «خسارت جزئی»، «تا حدی تخریب شده» و «کاملاً تخریب شده» طبقه‌بندی می‌کند.

مایکروسافت تأکید می‌کند که در زمینه واکنش به بلایا، ارزش ارزیابی خودکار خسارت در سرعت استنتاج نهفته است نه دقت مطلق. بنابراین، این بار، تیم تحقیقاتی یک مدل سفارشی را به‌طور خاص برای ماندالای توسعه داد، زیرا، به گفته لاویستا فرس، دانشمند ارشد داده مایکروسافت، "زمین بسیار متنوع است، بلایای طبیعی بسیار متنوع هستند و تصاویر ماهواره‌ای بسیار متفاوت هستند تا بتوان از یک مدل واحد برای هر موقعیتی استفاده کرد."

به گزارش رسانه‌های محلی، ماندالای بیشترین آسیب را در زلزله ۲۸ مارس دید. تجزیه و تحلیل هوش مصنوعی نشان داد که ۵۱۵ ساختمان در آنجا ۸۰ تا ۱۰۰ درصد آسیب دیده‌اند، در حالی که تقریباً ۱۵۲۴ ساختمان دیگر ۲۰ تا ۸۰ درصد آسیب دیده‌اند. از دیگر مناطق به شدت آسیب دیده می‌توان به یانگون و مینکون اشاره کرد.

این اولین باری نیست که آزمایشگاه هوش مصنوعی مایکروسافت از هوش مصنوعی برای ارزیابی خسارات استفاده می‌کند. در سال ۲۰۲۳، این تیم سیل‌های ویرانگر در لیبی را برای پیش‌بینی خطرات و کمک به تلاش‌های بازیابی ردیابی کرد؛ خسارات ناشی از زلزله بزرگ ترکیه در ماه مارس را تجزیه و تحلیل کرد؛ و تأثیر آتش‌سوزی‌های جنگلی در مائویی در ماه اوت را با تجزیه و تحلیل بیش از ۲۸۱۰ ساختمان ارزیابی کرد.

در حال حاضر، تلاش‌های امداد و نجات در میانمار به دلیل قطعی برق، کمبود سوخت، اختلال در ارتباطات و رانش زمین که بسیاری از مناطق را مسدود کرده است، به کندی پیش می‌رود. کمبود تجهیزات مدرن نیز مانع عملیات جستجو و نجات شده و بسیاری از مردم را مجبور به حفر زمین با دست در شرایط سخت و گرم آب و هوایی کرده است.

(طبق گزارش ایندیا تودی، theglobeandmail)

صحنه‌هایی از ویرانی در میانمار پس از زلزله: در ساگینگ، مرکز زلزله میانمار، مقامات در تلاش برای دفن هزاران قربانی هستند که در این فاجعه در 28 مارس جان باختند.

منبع: https://vietnamnet.vn/ai-va-ve-tinh-da-ho-tro-cuu-nan-trong-dong-dat-myanmar-nhu-the-nao-2386997.html