Hvordan bidro kunstig intelligens og satellitter til katastrofehjelpsarbeidet under jordskjelvet i Myanmar?

Etter jordskjelvet i Myanmar 28. mars som drepte tusenvis, tok Microsoft i bruk støtte ved å kombinere satellittbilder og kunstig intelligens for å identifisere områder som trenger øyeblikkelig hjelp.

Kart som viser skadevurdering i Myanmar etter jordskjelvet. Foto: Microsoft

Den 29. mars tok Planet Labs (PBC) satellittbilder av de jordskjelvrammede områdene så snart skyene hadde lettet, og sendte dem til Microsofts AI for Good-laboratorium. Ved Microsofts hovedkvarter i Redmond, Washington (USA), rundt klokken 23.00 den 28. mars, var et team av eksperter klare til å motta bildene og bruke AI til å analysere skadene, og identifisere sammenraste og alvorlig skadede bygninger.

Før dagens teknologiske fremskritt var vurdering av skader etter katastrofer som jordskjelv og flom avhengig av analyser på stedet. Denne metoden var tidkrevende og tok dager til uker. Selv om den ga detaljerte data, kunne den ikke oppfylle kravene til umiddelbare tiltak.

Før1.gif

Dette er bilder tatt av Planet Labs PBC-satellitter før og etter jordskjelvet i Myanmar. (Foto: Planet Labs PBC)

Microsoft har delt hvordan deres AI analyserer omfanget av ødeleggelse fra satellittbilder med høy oppløsning. Systemet bruker konvolusjonelle nevrale nettverk (CNN-er), en type superdatamaskin som spesialiserer seg på visuell databehandling, for å sammenligne bilder før og etter en katastrofe. Modellen bruker deretter et poengsystem for å kvantifisere alvorlighetsgraden av skaden, og klassifiserer områder i kategorier som «ingen skade», «mindre skade», «delvis ødelagt» og «fullstendig ødelagt».

Microsoft understreker at verdien av automatisert skadevurdering, i sammenheng med katastroferespons, ligger i hastigheten på slutninger snarere enn absolutt nøyaktighet. Derfor utviklet forskerteamet denne gangen en tilpasset modell spesielt for Mandalay, fordi, ifølge Microsofts ledende dataforsker Lavista Ferres, «Jorden er for mangfoldig, naturkatastrofer er for varierte, og satellittbilder er for forskjellige til å bruke én enkelt modell for hver situasjon».

Ifølge lokale medier var Mandalay det hardest rammede området i jordskjelvet 28. mars. AI-analyser viste at 515 bygninger der fikk 80 % til 100 % skade, mens omtrent 1524 andre fikk 20 % til 80 % skade. Andre hardt rammede områder inkluderte Yangon og Minkun.

Dette er ikke første gang Microsofts AI for Good-laboratorium har brukt AI til å vurdere skader. I 2023 sporet teamet ødeleggende flom i Libya for å forutsi risikoer og hjelpe til med gjenopprettingsarbeidet; analyserte skadene fra et større jordskjelv i Tyrkia i mars; og vurderte virkningen av skogbranner på Maui i august, og analyserte mer enn 2810 bygninger.

For tiden går redningsarbeidet i Myanmar sakte på grunn av strømbrudd, drivstoffmangel, kommunikasjonsforstyrrelser og jordskred som avskjærer mange områder. Mangelen på moderne utstyr hindrer også søke- og redningsoperasjoner, noe som tvinger mange mennesker til å grave for hånd i tøffe, varme værforhold.

(Ifølge India Today og theglobeandmail)

Ødeleggelser i Myanmar etter jordskjelvet: I Sagaing, episenteret for jordskjelvet i Myanmar, sliter myndighetene med å begrave tusenvis av ofrene som døde i katastrofen 28. mars.

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