Humanitární práce je plná nebezpečí. Doručování jídla přes válečné zóny, minová pole nebo oblasti s bleskovými povodněmi může stát pomocníky život. Nyní se technologie vytvořené pro Mars vracejí na Zemi, aby zachraňovaly životy.
Projekt AHEAD je společnou iniciativou Světového potravinového programu (WFP), Německého střediska pro letectví a kosmonautiku (DLR), Červeného kříže a technologických partnerů. Vytvářejí dálkově ovládaná vozidla pro místa příliš nebezpečná pro lidi.
„Právě teď v mnoha zemích takové systémy ještě nebyly integrovány do standardních protokolů nouzové reakce.“ — Monicug Kullitzsch
Jak dálkové ovládání nahrazuje riziko na místě
Záběry DLR ukazují SUV SHERP na testovací dráze v Německu. Zdolává otevřené vodní překážky a šplhá po skalnatých svazích.
V kabině není žádný řidič. Senzory snímají cestu před sebou a operátor ovládá zařízení na dálku.
Tato technologie přišla z hlubin vesmíru. DLR vyvinula planetární vozítka, jako je MMX rover pro Phobos, měsíc Marsu. Tato autonomie nyní umožňuje nasazení pomoci v nebezpečných oblastech bez pilota v kokpitu.
Sledujte hlad, než se zhorší
Poskytování pomoci není jediným řešením. Musíme také předvídat, kde udeří hladomor.
WFP spustila platformu HungerMap Live. Je to bezplatná služba, která využívá strojové učení ke sledování potravinové nejistoty ve více než 95 zemích.
Algoritmus vkládá data o konfliktech, povětrnostních podmínkách, klimatických hrozbách a ekonomické situaci. Cíl je jednoduchý: identifikovat krize v rané fázi.
Bernhard Kovacs, vedoucí globálního zrychlení WFP, poznamenává, že předpovědi testují 90 dní předem. Data v reálném čase vám umožní vidět blížící se další vlnu hladomoru.
Proč jsou AI karty rychlejší než dobrovolníci
Mapy jsou životně důležité v situacích katastrof. Bez informací o silnicích nebo místech budov jednají asistenti slepě. Nevědí, kam evakuovat lidi nebo kam doručit zásoby.
Vezměte si zemětřesení v severní Venezuele v červnu tohoto roku. Hodnocení škod bylo pomalé a geografických údajů bylo málo.
Na pomoc přišla komunita Humanitarian OpenStreetMap Team (HOT). Použili strojové učení na satelitní snímky, aby našli budovy, a dobrovolníci použili aplikaci MapSwipe k jejich kontrole.
Len D’Hondt, vedoucí technologie ve společnosti HOT, říká, že během čtyř dnů zmobilizovali 600 dobrovolníků. Podívali se na obrázky na obrazovkách svého telefonu: přejeli doleva nebo doprava – „poškozené“ nebo „neporušené“.
Tato rychlost pomohla záchranářům včas určit místa pro dodávky potravin.
Nahrazuje AI lidi? Zatím ne.
D’Hondt říká, že ruční mapování produkuje data vyšší kvality. V prvních hodinách po zemětřesení však vítězí rychlost.
„Někdy je důležitější vědět více či méně o uspořádání budov,“ říká D’Hondt.
Budovy nemusí být dokonale zmapovány. Ale víme, kolik lidí tam žije. Zde nyní vstupuje do hry strojové učení.
Stav integrace do systémů odezvy
Tyto systémy se ještě nestaly standardem. Zasvěcení říkají, že jejich integrace do globálních nouzových protokolů zůstává nízká.
Existují výjimky. Indie má systém včasného varování poháněný umělou inteligencí, který běží každý den. Evropa má předpovědní systém od Evropského centra pro střední předpověď počasí (ECMWF), který je již zabudován do pracovního postupu.
Většina ostatních zemí? Stále ve fázi experimentu.
Monikug Kullitzsch, který řídí inovační projekty v institutu Fraunhofer Heinrich Hertz, si všímá propasti mezi laboratorním testováním a reálnou aplikací v praxi.
Technologie má moc změnit humanitární pomoc: vytahuje lidi z ohně, předpovídá hladomor. Ale infrastruktura na jejich podporu stále dohání. Nástroje máme, protokoly se teprve píší.
