Pekerjaan kemanusiaan itu berbahaya. Mengirimkan makanan melalui zona konflik, ladang ranjau, atau banjir bandang dapat membunuh pekerja bantuan. Kini, teknologi yang diadaptasi untuk Mars hadir untuk menyelamatkan nyawa.
Project AHEAD adalah upaya bersama Program Pangan Dunia (WFP), DLR Jerman, Palang Merah, dan mitra teknologi. Mereka membangun kendaraan yang dioperasikan dari jarak jauh untuk tempat-tempat yang terlalu berisiko bagi manusia.
“Saat ini, belum ada sistem yang terintegrasi ke dalam protokol darurat ini di banyak negara.” — Monique Kuglitsch
Bagaimana kendali jarak jauh menggantikan risiko di lapangan
Cuplikan dari DLR menunjukkan truk segala medan SHERP di lokasi pengujian Jerman. Ini melewati perairan terbuka. Ia memanjat bebatuan kasar.
Pengemudi tidak berada di dalam kendaraan. Sensor memindai jalur di depan. Seorang operator mengendalikan alat berat dari jarak jauh.
Teknologi ini berasal dari luar angkasa. DLR mengembangkan penjelajah planet seperti penjelajah MMX untuk Phobos, bulan Mars. Kini otonomi tersebut memindahkan bantuan ke zona bahaya. Tidak diperlukan pilot di dalam kabin.
Melacak rasa lapar sebelum bertambah parah
Pengiriman bukan satu-satunya perbaikan. Kita juga perlu memperkirakan di mana kelaparan akan terjadi.
WFP meluncurkan HungerMap Live. Ini adalah platform gratis. Ia menggunakan pembelajaran mesin untuk melacak kerawanan pangan di lebih dari 95 negara.
Poin data mencakup konflik. Cuaca penting. Bahaya iklim dan kondisi ekonomi mendukung algoritma ini. Tujuannya sederhana: mengenali krisis sejak dini.
Bernhard Kowatsch memimpin divisi Akselerator Global WFP. Dia mencatat mereka sedang menguji perkiraan untuk 90 hari ke depan. Data real-time membantu kita melihat gelombang kelaparan berikutnya yang akan datang.
Mengapa peta AI lebih cepat dibandingkan relawan manusia
Peta sangat penting dalam bencana. Tanpa data jalan atau lokasi bangunan, pekerja bantuan tidak akan bisa melihat apa pun. Mereka tidak tahu ke mana harus mengungsi atau mengirimkan perbekalan.
Ambil contoh gempa bumi di Venezuela utara pada bulan Juni ini. Penilaian kerusakan lambat. Data geografis sangat sedikit.
Tim Humanitarian OpenStreetMap (HOT) turun tangan. Mereka menggunakan pembelajaran mesin pada citra satelit untuk menemukan bangunan. Relawan menggunakan aplikasi MapSwipe untuk memeriksanya.
Leen D’hondt mengepalai teknologi di HOT. Dia mengatakan mereka mengerahkan 600 sukarelawan dalam empat hari. Mereka menggeser ke kiri atau ke kanan di layar ponsel. Ya, rusak. Tidak, utuh.
Kecepatan ini membantu para responden awal menargetkan pengiriman makanan dengan benar.
Apakah AI menggantikan manusia? Tidak. Belum.
D’hondt berpendapat pemetaan manual menawarkan kualitas yang lebih baik. Namun kecepatan menang segera setelah terjadinya gempa.
“Terkadang lebih penting untuk mengetahui lebih banyak atau lebih sedikit di mana letak bangunan tersebut,” kata D’hondt.
Bangunan-bangunan tersebut mungkin tidak terpetakan dengan sempurna. Tapi kita tahu berapa banyak orang yang tinggal di sana. Di sinilah pembelajaran mesin cocok untuk saat ini.
Keadaan integrasi darurat
Sistem ini belum standar. Orang dalam mengatakan integrasi ke dalam protokol darurat global masih rendah.
Ada pengecualian. India menggunakan sistem peringatan dini AI yang bekerja setiap hari. Eropa menggunakan sistem perkiraan AI dari Pusat Prakiraan Cuaca Jangka Menengah Eropa. Ini operasional.
Kebanyakan negara lain? Masih eksperimental.
Monique Kuglitsch mengelola inovasi di institut Fraunhofer Heinrich Hertz. Dia mencatat kesenjangan antara uji laboratorium dan penggunaan lapangan.
Teknologi dapat mengubah bentuk bantuan. Ini menarik manusia keluar dari api. Ini meramalkan kelaparan. Namun infrastruktur yang mendukungnya masih terus berkembang. Kami punya alatnya. Protokolnya masih ditulis.
