Гуманітарна робота пов’язана з небезпекою. Доставка продовольства через зони бойових дій, мінні поля чи райони раптових повеней може коштувати життя помічникам. Наразі технології, створені для Марса, повертаються на Землю, щоб рятувати життя.
Project AHEAD – це спільна ініціатива Всесвітньої продовольчої програми (ЗПС), Німецького центру аеронавтики та космонавтики (DLR), Червоного Хреста та технологічних партнерів. Вони створюють дистанційно керовані транспортні засоби для місць, які надто небезпечні для людей.
“Прямо зараз у багатьох країнах такі системи ще не інтегровані в стандартні протоколи реагування на надзвичайні ситуації.” – Монікуг Куліцш
Як дистанційне управління замінює ризик на місцях
Відеоматеріали DLR показують позашляховик SHERP на тестовому полігемі у Німеччині. Він долає відкриті водні перепони, підіймається кам’янистими схилами.
Водія у кабіні немає. Сенсори сканують шлях попереду, а оператор керує технікою віддалено.
Ця технологія прийшла із глибин космосу. DLR розробляв планетні велосипеди, такі як ровер MMX для Фобоса, супутника Марса. Тепер ця автономія дозволяє виводити допомогу в небезпечні зони без пілота в кабіні.
Відстеження голоду до того, як ситуація погіршиться
Доставка допомоги – не єдине рішення. Нам також потрібно пророкувати, де вдарить голод.
ЗПС запустила платформу HungerMap Live. Це безкоштовний сервіс, який використовує машинне навчання для відстеження продовольчої нестабільності у більш ніж 95 країнах.
На вхід алгоритму надходять дані про конфлікти, погодні умови, кліматичні загрози та економічна ситуація. Ціль проста: виявляти кризи на ранній стадії.
Бернhard Ковач, голова відділу глобального прискорення ЗПС, наголошує, що вони тестують прогнози на 90 днів уперед. Дані реального часу дозволяють бачити наближення наступного хвиля голоду.
Чому карти з ІІ швидше за волонтерів
Карти життєво важливі за умов катастроф. Без даних про дороги або розташування будівель помічники діють наосліп. Вони не знають, куди евакуювати людей чи куди доставляти запаси.
Візьмемо землетруси на півночі Венесуели у червні цього року. Оцінка збитків проводилася повільно, географічні дані були мізерними.
На допомогу прийшла спільнота Humanitarian OpenStreetMap Team (HOT). Вони застосували машинне навчання до супутникових знімків для пошуку будівель, а волонтери використовували програму MapSwipe для їх перевірки.
Льон Д’Хондт, керівник технологічного спрямування в HOT, каже, що за чотири дні вони мобілізували 600 волонтерів. Ті переглядали зображення на екранах телефонів: скидали ліворуч або праворуч — «ушкоджено» або «ціло».
Ця швидкість допомогла рятувальникам на ранніх етапах точно визначити місця доставки їжі.
Чи замінює ІІ людей? Поки що ні.
Д’Хондт стверджує, що ручна картографія забезпечує більш високу якість даних. Однак у перші години після землетрусу перемагає швидкість.
«Іноді важливіше знати більше чи менше про розташування будівель», — каже Д’Хондт.
Будівлі можуть бути нанесені на карту не ідеально. Але ми знаємо, скільки там людей живе. Ось тут зараз і застосовується машинне навчання.
Стан інтеграції в системи реагування
Ці системи поки що не стали стандартом. Інсайдери повідомляють, що їхня інтеграція до глобальних протоколів надзвичайних ситуацій залишається низькою.
Винятки є. В Індії щодня працює система раннього попередження на базі ІІ. У Європі діє система прогнозування від Європейського центру середньоденних прогнозів погоди (ECMWF), яка вже вбудована у робочий процес.
Більшість інших країн? Досі на експериментальній стадії.
Монікуг Куліцш, яка керує інноваційними проектами в інституті Фраунгофера Генріха Герца, відзначає розрив між лабораторними випробуваннями та реальним застосуванням на місцях.
Технології здатні змінити гуманітарну допомогу: вони витягують людей з вогню, пророкують голод. Але інфраструктура для їхньої підтримки все ще наздоганяє прогрес. Інструменти у нас є, протоколи лише пишуться.
