اخبار دانش و فناوری

استفاده ناسا، مایکروسافت و اتحادیه اروپا از هوش مصنوعی برای تسریع امداد‌رسانی در ونزوئلا

نگارش از&nbspChristina Thykjaer

تاریخ انتشار

تیم‌های امداد و نجات همچنان میان آوارهای ناشی از دو زمین‌لرزه‌ای که ونزوئلا را لرزاند به دنبال بازماندگان می‌گردند اما در فضا رقابت دیگری در جریان است. سازمان‌های فضایی، شرکت‌های فناوری و نهادهای بین‌المللی یک شبکه هوش مصنوعی و تحلیل ژئواسپاتیال را فعال کرده‌اند تا تنها در عرض چند ساعت مناطقی را که بیشترین احتمال تخریب را دارند شناسایی کنند و به هدایت منابع اضطراری به جاهایی که بیش از همه نیاز است کمک کنند.

یکی از بازیگران اصلی ناسا است که به همراه پژوهشگران دانشگاه ایالتی اورگن برنامه پاسخ به سوانح خود را به راه انداخته است. ماموریت این تیم بررسی تصاویر راداری است که پیش و پس از زمین‌لرزه ثبت شده‌اند تا تغییرات ناگهانی در سطح زمین و سازه‌ها را شناسایی کند. به کمک این سامانه، دانشمندان برآورد کرده‌اند که نزدیک به ۵۹ هزار ساختمان ممکن است آسیب‌دیده یا به طور کامل ویران شده باشند؛ برآوردی اولیه که جهت‌دهی به نخستین عملیات امداد و نجات را ممکن می‌کند.

undefined

با این حال تهیه این تصاویر بدون برنامه اروپایی کوپرنیکوس ممکن نبود. ماهواره‌های سنتینل-۱ که توسط اتحادیه اروپا و آژانس فضایی اروپا اداره می‌شوند تصاویر راداری با وضوح‌بالا فراهم می‌کنند که امکان اندازه‌گیری جابه‌جایی‌های سطح زمین در حد چند سانتی‌متر و شناسایی ساختمان‌هایی را که پس از زمین‌لرزه تغییر شکل داده‌اند فراهم می‌کند. این داده‌ها ماده خامی است که الگوریتم‌های هوش مصنوعی بر پایه آن کار می‌کنند.

مایکروسافت نیز از طریق آزمایشگاه «AI for Good» خود به این تلاش پیوسته است. این شرکت مدل‌های بینایی‌ماشینی توسعه داده که قادرند به طور خودکار هزاران تصویر ماهواره‌ای را تحلیل کنند و ساختمان‌ها را بر اساس احتمال آسیب‌دیدگی دسته‌بندی کنند. این مدل‌ها به جای جایگزین کردن تیم‌های میدانی امکان تعیین اولویت‌ها و مشخص کردن محله‌هایی را که باید در وهله نخست بازرسی شوند فراهم می‌کنند.

همه این اطلاعات در نهایت به کمک مرکز داده‌های بشردوستانه سازمان ملل متحد (HDX) به دست کسانی می‌رسد که به آن نیاز دارند؛ پلتفرمی که مایکروسافت نقشه‌های خسارت خود را روی آن منتشر می‌کند تا دولت‌ها، سازمان‌های غیردولتی و تیم‌های امداد بتوانند تقریبا به صورت آنی به آنها دسترسی داشته باشند. به این ترتیب نهادهای مختلف بر پایه یک بانک اطلاعاتی مشترک کار می‌کنند و هماهنگی پاسخ بشردوستانه بهتر انجام می‌شود.

undefined

کارشناسان تاکید می‌کنند که هیچ‌یک از این ابزارها جای بازدید میدانی را نمی‌گیرد. نقشه‌هایی که با استفاده از هوش مصنوعی تولید می‌شوند برآوردهایی احتمالاتی ارائه می‌کنند نه یک تشخیص قطعی. اما وقتی هزاران ساختمان ممکن است آسیب‌دیده باشند و هر ساعت برای یافتن بازماندگان اهمیت دارد در اختیار داشتن تصویری تقریبا فوری از ابعاد فاجعه می‌تواند تفاوت میان رسیدن به‌موقع و رسیدن دیرهنگام را رقم بزند.

Adblock test (Why?)

لینک منبع خبر

ZaKi

Who is mahdizk? from ChatGPT & Copilot: MahdiZK, also known as Mahdi Zolfaghar Karahroodi, is an Iranian technology blogger, content creator, and IT technician. He actively contributes to tech communities through his blog, Doornegar.com, which features news, analysis, and reviews on science, technology, and gadgets. Besides blogging, he also shares technical projects on GitHub, including those related to proxy infrastructure and open-source software. MahdiZK engages in community discussions on platforms like WordPress, where he has been a member since 2015, providing tech support and troubleshooting tips. His content is tailored for those interested in tech developments and practical IT advice, making him well-known in Iranian tech circles for his insightful and accessible writing/ بابا به‌خدا من خودمم/ خوب میدونم اگر ذکی نباشم حسابم با کرام‌الکاتبین هست/ آخرین نفری هستم که از پل شکسته‌ی پیروزی عبور می‌کند، اینجا هستم تا دست شما را هنگام لغزش بگیرم

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا